万象有新意，行业无旧貌
随着AI，大数据，云计算等技术的发展，安防正从传统的视频监控走向智能安防，从传统的防控辅助系统走向效率提升的生产系统，智能安防走向千行百业。
在走向千行百业的进程中，不同行业对于覆盖的纵深要求不断提升；为了获取更多的细节信息支撑决策分析，对于视频图像全天候高清化越来越高，对于网络上行带宽的要求越来越高。这时候，智能安防时代，应该承载更多。
为此，云边端架构开始在安防流行。
为什么安防需要“端边云”
云边端在安防出现，就是时代产物，带有明显智能安防属性。
01
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。
02
2012年以前的传统安防行业，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，我们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，我们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。
03
多样化的应用场景，要求更加灵活的视频智能部署和应用能力，需要三个方面的能力。
前端摄像机、边缘、中心都具备软件定义能力，支持动态加载智能算法，从而可以动态按需的在前端、边缘、中心部署相应的智能算法和应用；
支持端边云协同，形成全网一体化的高效智能供给；全网分级分布的智能能力间有效协同，高度依赖网络的保障，要求网络能够接入各种复杂部署环境的海量摄像机，提供更高的通信带宽和更低的时延，并能根据每个行业特点提供满足要求的SLA专网保障能力。
04
各个技术完善后，首先是带宽方面，不再需要将原始数据全部传输到云端去处理，然后发送回来，而是直接边缘端即可完成处理；
在成本方面，大规模量产的前端芯片成本要远低于后台服务器的芯片成本，同时海量服务器的运维、散热、机房租用等等成本更高；
延时方面，例如一个人脸识别，前端设备直接能够自行处理，可以不需要将视频传输回去，解析、抠图、识别然后再把结果返回来，这难以满足很多场景下快速响应的需求。
当然，安防行业的智能化与前置化的核心或者说难点是前端处理能力，也就是芯片。云端的处理能力，可以通过服务器的叠加来实现。
但是，边缘端的芯片则需要在保持强大运算能力的同时，尽可能的降低功耗、降低成本以满足大规模推广需求，这是一件非常具有挑战的事情。
云边端架构能为安防带来什么
智能安防，何谓智能？
其实智能概念极为宽泛，也有时代属性。比如，智能不像高清有明显的技术指标；十年前移动侦测叫智能，十年后该功能是很初级的标配了。
在当下，安防应用中越来越多的部署更多类别的感知设备，用于从更多维度采集目标信息，包括目标的各种要素、活动轨迹以及关联信息等，从而形成一个动态感知体系，实现防控工作的“无所不在、无所不知”目标。
针对某一特定的应用场景，相关前端感知设备实现全互联直通，逻辑上各感知设备一体化，当一个设备的感知到一条单维度信息后，通知其他设备从其他维度提取信息，对信息的准确性进行印证，从而实现群防群治，实现在前端就能完成一次感知信息的数据清洗，从而保证了感知信息的准确性。
只有验证有效的信息才会上报至后端系统和平台，在后端再进行数据综合应用，最终实现感知的多层运用。一方面，可以提升准确度，减少误报；另一方面，通过本场归并，减少数据量，降低后端处理的压力。
以下我们分别来看端边云的组成：
端的进化
视频监控是安防的最大门类，而传统视频监控厂家几乎都以前端起家。
那在端侧，传统视频监控厂商极具话语权，他们沉积多年技术与市场经验，让后入者望尘莫及。但，挑战者中华为也有其自身优势。
以其一款产品为例来看，重磅新品“魔方”双目全彩AI筒型摄像机，新品融合了RGBW超感光传感器、DNN ISP实时视频降噪、AI HDR全目标增强、Deblur 去运动拖影等一系列黑科技。
同时公布“墨子”图像实验室专业测试打分，在业界同类型中处于领先水平，这也是业界首次从“给机器看”角度给出的量化评分，用全新思想定义图像未来。
双镜“全”析：采用广角+变焦的双镜头一体化设计，全景与细节兼顾，实现双目全天候全结构化智能；利旧现网杆站，态势感知 + 全结构化共用立杆，高低统一，降低运营成本；
