目前,许多新兴的应用,例如增强现实、生物识别、实时视频分析等,对网络有极高的要求,包括时延和带宽等。移动边缘计算(Mobile Edge Computing,MEC)是一种在网络边缘提供云计算能力和IT服务环境的网络架构,为终端设备提供低时延、高带宽的云计算环境,有效提升时延敏感型业务的用户体验,同时其网络开放能力能够促进创新型应用的发展。MEC为这些创新应用提供了必要的技术基础。如今,大部分的视频分析和管理过程都是手工或半自动的,难以满足实时性要求,并且视频信息的利用率低下。因此,面对海量的视频信息,如何快速、有效地分析和管理,如何高效地利用视频信息以及如何从海量的视频库中准确地检索到所需的视频是亟需解决的问题。本论文选取翻转课堂(Flipped classroom)作为应用场景,提出利用移动边缘计算、人脸识别等技术,实现智能视频管理系统。本文主要完成了以下工作:(1)调研视频管理系统的发展背景和研究意义、视频分析技术的发展现状,并提出将移动边缘计算作为智能视频管理系统的关键技术。由于人类的学习方式一直朝着信息化、数字化、智能化的方向发展,本文提出基于翻转课堂的视频管理系统的应用需求。(2)提出基于人-技的软件定义课堂(Software Defined Class,SDC)模型。SDC将传感、通信、计算等技术与学习机制相结合,以提升和扩展课堂管理效率和学生的学习效率。其次,分析SDC的特征、关键技术、应用场景和实现方案。通过比较分析MEC和远端服务器的网络服务质量(Quality of Service,QoS)提出将MEC作为SDC的关键技术。然后基于SDC模型,提出应用于翻转课堂的智能视频管理系统,并探讨系统的认知策略,包含人脸识别策略和自我学习策略。(3)实现智能视频管理系统,包括摄像头模块、边缘网络模块、视频分析模块、视频管理模块及Web模块;搭建测试环境,对系统进行功能测试验证、性能测试验证以及系统问卷评估。系统的性能测试包括实时性、准确性和压力测试等。本文研究的智能视频管理系统是将翻转课堂作为应用场景,利用移动边缘技术和人脸识别技术,实时地分析课堂视频,然后提供相应的智能管理策略、检索和打分功能。此系统不仅可以提高课堂的管理效率、学习效率还可用于学生能力的实时评估、学生能力的共享评估以及学生能力的验证等。