看云边端在安防的落地生根

从探路智能起始，云边端就开始在安防萌芽并深耕，渐渐蔚然成荫，成为智能安防时代显著的架构符号。

01.开始流行的云边端

云边端在安防出现，就是时代产物，带有明显智能安防属性。

在前端设备智能化的同时，智能安防发展进程呈云边结合势态，系统逐渐形成云边端三级结构。

在端边层级，得益于边缘AI芯片与模组的能力提升，越来越多的摄像机、DVR、NVR获得了一定程度的智能化，可以对数据进行包括人脸识别、视频结构化、图谱分析等处理。

同时，前端采集和预处理的数据汇聚融合到中间层，即形成了数据中台。

数据中台起到聚合关联数据以及跨领域治理的作用，可以有效打破安防系统烟囱林立而子系统之间无法有效协同，而形成数据孤岛的局面，因此得到了众多安防厂商的关注。

可以看出，智能安防技术的不断发展，视频图像可以承载越来越多的信息，但仍需要更多的与前端多维感知设备之间进行数据的交互，提升决策准确率，并尽量在前端决策，减少后端处理压力；多维感知数据的端云协同和对数据的实时交互对于网络的时延、带宽要求越来越高；同时防控走向深水区，对于防控的立体化、系统化、机动化要求不断提升。

最后需要提及的是，传统安防行业，简单来说就是视频监控，以摄像机作为前端感知设备，负责数据的采集；服务器作为后端设备，负责数据的处理及分析。

边缘计算的出现则将安防的智能化带向了前端。传统方式下，可能需要堆叠大量的GPU服务器来实现这些智能化的服务，而现在，可以逐步的将例如人脸的检测、抓拍、识别，视频的结构化、车辆的检测与识别放到前端摄像头去实现，这样的变化带来的影响巨大。

02.落地生根于安防，云边端的难处

尽管云计算早在2005年就已提出，且具有强大的运算能力以及海量数据挖掘与分析能力。但随着智能安防时代的到来，日常生活中产生的大量数据需要更快速的响应及处理，这些都是云计算不能解决的问题。

在网络带宽有限、网络拥堵、响应延时一系列技术的要求下，边缘计算开始成为超越云计算的最佳使用方法。

但，云边端架构下，只求边缘计算也会顾此失彼。边缘计算虽然有其明显的优势，但是用边缘计算来替代云计算也是不可行的。

例如海量数据的挖掘、关联分析，关键数据的存储，多边缘节点的联动都需要依赖云端来完成，云计算厂家布局边缘计算，是对自身能力的一个补充，从而可以提供更好更完整的解决方案，也是顺应云边端架构的技术发展需要。这两者如果相辅相成，那如双剑合璧，威力更大。

此外，边缘计算存在节省带宽成本、节约服务器成本、存储成本、降低响应时间等优势，但其在落地应用过程中仍然存在应用层面、技术层面的问题。

比如：场景适应性、改造成本、技术实力与实战标准的区别。以人脸识别为例，人脸识别的技术是很成熟的，但是到了实际的场景中，仍然存在识别不准确、识别不出来、识别效果不好等，例如人是开口找、低着头的、光照会发生变化、摄像头拍摄角度问题这些不可控因素都会导致识别结果不好。

人脸识别这项很成熟的技术尚且如此，那么到了其他应用场景，例如要做安全帽的识别、做车辆乱停的识别、做水尺的识别、集装箱识别，这些理论上，只要数据量足够充分都可以发掘，但是达到真正解决客户问题这样的标准，目前还有很多工作有待解决，也就是说，识别仅仅只是开始，识别后的分析与决策，还需增强。

智能安防，时代向往。经得起风吹雨打，才可成参天大树，并扎根于智慧安防这块沃土之中。平台云化不仅可以优化业务部署的效率和成本，还可以丰富生态，实现安防业务功能与不同业务场景的快速适配和应用。

业务平台开放、云化还将催生算法市场、应用市场等新的商业形态，使视频业务应用更广泛、更活跃；而边缘计算这几年风口之时，炙手可热，成行业头部企业热衷之事；在端侧，从AIOT的物与物互联开始，就已经在泛感知与全覆盖的进程中完成布局。

总之，云边端架构下的智能安防，无所不联、无处不在，或许在未来也将无所不能。