隨著AI，大數據，云計算等技術的發展，安防正從傳統的視頻監控走向智能安防，從傳統的防控輔助系統走向效率提升的生產系統，智能安防走向千行百業。
在走向千行百業的進程中，不同行業對于覆蓋的縱深要求不斷提升；為了獲取更多的細節信息支撐決策分析，對于視頻圖像全天候高清化越來越高，對于網絡上行帶寬的要求越來越高。這時候，智能安防時代，應該承載更多。
為此，云邊端架構開始在安防流行。
為什么安防需要“端邊云”
云邊端在安防出現，就是時代產物，帶有明顯智能安防屬性。
01
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。
02
2012年以前的傳統安防行業，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，我們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，我們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。
03
多樣化的應用場景，要求更加靈活的視頻智能部署和應用能力，需要三個方面的能力。
前端攝像機、邊緣、中心都具備軟件定義能力，支持動態加載智能算法，從而可以動態按需的在前端、邊緣、中心部署相應的智能算法和應用；
支持端邊云協同，形成全網一體化的高效智能供給；全網分級分布的智能能力間有效協同，高度依賴網絡的保障，要求網絡能夠接入各種復雜部署環境的海量攝像機，提供更高的通信帶寬和更低的時延，并能根據每個行業特點提供滿足要求的SLA專網保障能力。
04
各個技術完善后，首先是帶寬方面，不再需要將原始數據全部傳輸到云端去處理，然后發送回來，而是直接邊緣端即可完成處理；
在成本方面，大規模量產的前端芯片成本要遠低于后臺服務器的芯片成本，同時海量服務器的運維、散熱、機房租用等等成本更高；
延時方面，例如一個人臉識別，前端設備直接能夠自行處理，可以不需要將視頻傳輸回去，解析、摳圖、識別然后再把結果返回來，這難以滿足很多場景下快速響應的需求。
當然，安防行業的智能化與前置化的核心或者說難點是前端處理能力，也就是芯片。云端的處理能力，可以通過服務器的疊加來實現。
但是，邊緣端的芯片則需要在保持強大運算能力的同時，盡可能的降低功耗、降低成本以滿足大規模推廣需求，這是一件非常具有挑戰的事情。
云邊端架構能為安防帶來什么
智能安防，何謂智能？
其實智能概念極為寬泛，也有時代屬性。比如，智能不像高清有明顯的技術指標；十年前移動偵測叫智能，十年后該功能是很初級的標配了。
在當下，安防應用中越來越多的部署更多類別的感知設備，用于從更多維度采集目標信息，包括目標的各種要素、活動軌跡以及關聯信息等，從而形成一個動態感知體系，實現防控工作的“無所不在、無所不知”目標。
針對某一特定的應用場景，相關前端感知設備實現全互聯直通，邏輯上各感知設備一體化，當一個設備的感知到一條單維度信息后，通知其他設備從其他維度提取信息，對信息的準確性進行印證，從而實現群防群治，實現在前端就能完成一次感知信息的數據清洗，從而保證了感知信息的準確性。
只有驗證有效的信息才會上報至后端系統和平臺，在后端再進行數據綜合應用，最終實現感知的多層運用。一方面，可以提升準確度，減少誤報；另一方面，通過本場歸并，減少數據量，降低后端處理的壓力。
以下我們分別來看端邊云的組成：
端的進化
視頻監控是安防的最大門類，而傳統視頻監控廠家幾乎都以前端起家。
那在端側，傳統視頻監控廠商極具話語權，他們沉積多年技術與市場經驗，讓后入者望塵莫及。但，挑戰者中華為也有其自身優勢。
以其一款產品為例來看，重磅新品“魔方”雙目全彩AI筒型攝像機，新品融合了RGBW超感光傳感器、DNNISP實時視頻降噪、AIHDR全目標增強、Deblur去運動拖影等一系列黑科技。
同時公布“墨子”圖像實驗室專業測試打分，在業界同類型中處于領先水平，這也是業界首次從“給機器看”角度給出的量化評分，用全新思想定義圖像未來。
雙鏡“全”析：采用廣角+變焦的雙鏡頭一體化設計，全景與細節兼顧，實現雙目全天候全結構化智能；利舊現網桿站，態勢感知+全結構化共用立桿，高低統一，降低運營成本；
精“彩”夜攝：業界首家采用RGBW超感光傳感器，進光量增加75%；業界首個DNNISP實時視頻降噪，由靜至動；支持AIHDR全目標增強、Deblur去運動拖影，將夜攝能力做到極致；
以“小”見大：通過極致的工程設計能力，最大化利用空間，體積小重量輕，極低功耗節能環保。
在攝像機能力方面，智能已經在芯片技術方面大力提升，進而形成有競爭力的安防產品與解決方案。AI芯片算力普惠到端云，傳統攝像機變成智能攝像機，智能安防端邊云協同、多維數據融合，讓智能更高效。
云的協同
視頻云的概念在2017年開始流行，從那時候起，阿里云獨占鰲頭，華為和騰訊在努力追趕。當時引入視頻云，是為了平安可以預見。
傳統的視頻監控一般是“煙囪式”建設，各區域各部門基本都是獨立建設，采用的供應商和技術標準也不盡相同，帶來的結果就是數據煙囪，形成一個個的數據孤島。警察辦案時通常需要到現場查看視頻，并將原始視頻拷貝回來，效率很低。
采用視頻云模式后，所有的攝像機接入到一朵云中，以“服務化”的方式，根據合理的授權提供給各需求部門使用，實現視頻共享，及視頻的隨時隨地查看。
除此之外，因為采用云系統，各種計算資源、存儲資源、網絡資源被虛擬化成資源池，并進行統一管理，當有部門或某個業務需要時，可以按需分配，彈性擴展，實現業務快速上線的同時，資源利用率也得到大幅提升。
從2017年起，隨著中央“三預”的提出，意味著我國將推動社會公共安全領域從后置變為前置，從被動轉為主動，就是帶領行業業務實戰驅動技術變革，從事后被動處置向事前主動預防轉變，增強預見性。
所以，很多廠家開始發力云端，具體做法是基礎設施云化、數據整合共享、大數據智能分析和情指融合、情勤融合。
不少企業的方案創新性提出了“一云一池一平臺”概念，一云指的是在部署方式上，實現了物理分散、邏輯集中，在業務邏輯上，縱向拉通部省市多層級、橫向上拉通各警種間的數據，支持資源靈活調度；
一池指的是匯聚全量數據，形成數據水系，加強對數據的處理加工、為上層應用提供價值數據；一平臺即業務使能平臺，更易于客戶和合作伙伴在統一平臺上實現業務應用百花齊放。
2021年華為好望上云，對于行業也是一件幸事，在云端協同方面，智能安防還能做很多。
邊緣賦能
云邊端架構中，我們最少涉及的就是邊端產品。這方面從最開始的DVR開始，在產品升級和技術推進方面相對與另外兩者較為滯后。有工程商笑談，十年前的NVR到應用到現在的工程中，依然好用。
邊側的邊緣計算，其實也大有可為。但隨著物聯網時代的到來，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，邊緣計算開始成為物聯網時代超越云計算的最佳“使用方法”。
不過，盡管云計算與邊緣計算是看似矛盾，實際上卻是協同、互補的兩種方式。也就是說，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，也是順應技術發展的需要。
但不管是安防行業還是物聯網，只有將邊緣計算和云計算協同使用，才會發揮出最大的價值。
但，邊緣計算有難點。盡管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。
場景適應性。當前還處于人工智能發展初級階段，各項應用與服務都是基于“模型訓練“得到的，并沒有達到強人工智能的階段，所以本身計算、識別及分析能力對場景的依賴性較大，所以我們需要更多的應用場景去加速邊緣計算的落地，需要更多的技術投入、資金及人力的投入。
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，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，但是達到解決客戶問題這樣的標準，目前還有很多工作有待解決。
結束語
有調查顯示，到2023年，廣域物聯網設備預計將達到41億個，短程物聯網設備將達到157億個，物聯網的應用和市場空間將遠超傳統人與人的互聯；
邊緣計算隨著場景落地深入，可就近計算的特質，讓其一方面可對人臉數據、人群分析、生物識別、商品識別等分析結果進行高效的處理，讓原先智能場景不再需要在現場部署昂貴笨重的硬件設備，極大提高智能場景的落地效率和復制速度；
另一方面分布廣泛的攝像頭也因為邊緣存儲服務的就近存儲，可以把海量的監控數據就近存儲起來，提供了就近高速可存可分析的業務體驗；
隨著云計算的普及，各類業務平臺的云化趨勢越來越明顯，越來越多的功能組件和接口將部署在邊緣云和中心云內。
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。
端邊云，智能安防時代獨好風景線。
