【智慧城市網 企業關注】從探路智能起始，云邊端就開始在安防萌芽并深耕，漸漸蔚然成蔭，成為智能安防時代顯著的架構符號。
一、開始流行的云邊端
云邊端在安防出現，就是時代產物，帶有明顯智能安防屬性。
在前端設備智能化的同時，智能安防發展進程呈云邊結合勢態，系統逐漸形成云邊端三級結構。
在端邊層級，得益于邊緣AI芯片與模組的能力提升，越來越多的攝像機、DVR、NVR獲得了一定程度的智能化，可以對數據進行包括人臉識別、視頻結構化、圖譜分析等處理。
同時，前端采集和預處理的數據匯聚融合到中間層，即形成了數據中臺。
數據中臺起到聚合關聯數據以及跨領域治理的作用，可以有效打破安防系統煙囪林立而子系統之間無法有效協同，而形成數據孤島的局面，因此得到了眾多安防廠商的關注。
可以看出，智能安防技術的不斷發展，視頻圖像可以承載越來越多的信息，但仍需要更多的與前端多維感知設備之間進行數據的交互，提升決策準確率，并盡量在前端決策，減少后端處理壓力；多維感知數據的端云協同和對數據的實時交互對于網絡的時延、帶寬要求越來越高；同時防控走向深水區，對于防控的立體化、系統化、機動化要求不斷提升。
最后需要提及的是，傳統安防行業，簡單來說就是視頻監控，以攝像機作為前端感知設備，負責數據的采集；服務器作為后端設備，負責數據的處理及分析。
邊緣計算的出現則將安防的智能化帶向了前端。傳統方式下，可能需要堆疊大量的GPU服務器來實現這些智能化的服務，而現在，可以逐步的將例如人臉的檢測、抓拍、識別，視頻的結構化、車輛的檢測與識別放到前端攝像頭去實現，這樣的變化帶來的影響巨大。
二、落地生根于安防，云邊端的難處
盡管云計算早在2005年就已提出，且具有強大的運算能力以及海量數據挖掘與分析能力。但隨著智能安防時代的到來，日常生活中產生的大量數據需要更快速的響應及處理，這些都是云計算不能解決的問題。
在網絡帶寬有限、網絡擁堵、響應延時一系列技術的要求下，邊緣計算開始成為超越云計算的最佳使用方法。
但，云邊端架構下，只求邊緣計算也會顧此失彼。邊緣計算雖然有其明顯的優勢，但是用邊緣計算來替代云計算也是不可行的。
例如海量數據的挖掘、關聯分析，關鍵數據的存儲，多邊緣節點的聯動都需要依賴云端來完成，云計算廠家布局邊緣計算，是對自身能力的一個補充，從而可以提供更好更完整的解決方案，也是順應云邊端架構的技術發展需要。這兩者如果相輔相成，那如雙劍合璧，威力更大。
此外，邊緣計算存在節省帶寬成本、節約服務器成本、存儲成本、降低響應時間等優勢，但其在落地應用過程中仍然存在應用層面、技術層面的問題。
比如：場景適應性、改造成本、技術實力與實戰標準的區別。以人臉識別為例，人臉識別的技術是很成熟的，但是到了實際的場景中，仍然存在識別不準確、識別不出來、識別效果不好等，例如人是開口找、低著頭的、光照會發生變化、攝像頭拍攝角度問題這些不可控因素都會導致識別結果不好。
人臉識別這項很成熟的技術尚且如此，那么到了其他應用場景，例如要做安全帽的識別、做車輛亂停的識別、做水尺的識別、集裝箱識別，這些理論上，只要數據量足夠充分都可以發掘，但是達到真正解決客戶問題這樣的標準，目前還有很多工作有待解決，也就是說，識別僅僅只是開始，識別后的分析與決策，還需增強。
智能安防，時代向往。經得起風吹雨打，才可成參天大樹，并扎根于智慧安防這塊沃土之中。平臺云化不僅可以優化業務部署的效率和成本，還可以豐富生態，實現安防業務功能與不同業務場景的快速適配和應用。
業務平臺開放、云化還將催生算法市場、應用市場等新的商業形態，使視頻業務應用更廣泛、更活躍；而邊緣計算這幾年風口之時，炙手可熱，成行業頭部企業熱衷之事；在端側，從AIOT的物與物互聯開始，就已經在泛感知與全覆蓋的進程中完成布局。
總之，云邊端架構下的智能安防，無所不聯、無處不在，或許在未來也將無所不能。
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
