目前，產(chǎn)品落地上主要體現(xiàn)在視頻結(jié)構(gòu)化（對(duì)視頻數(shù)據(jù)的識(shí)別和提?。?、生物特征識(shí)別（指紋識(shí)別、人臉識(shí)別等）、物體特征識(shí)別（車(chē)牌識(shí)別系統(tǒng)）等應(yīng)用方向。安防系統(tǒng)每天產(chǎn)生的海量圖像和視頻信息造成了嚴(yán)重的信息冗余，識(shí)別準(zhǔn)確度和效率不夠，并且可應(yīng)用的領(lǐng)域較為局限。
視頻監(jiān)控系統(tǒng)作為前后端分屬較為明顯的物聯(lián)網(wǎng)系統(tǒng)，在邊緣計(jì)算的應(yīng)用方面有很大潛力。攝像機(jī)作為前端采集設(shè)備，目前不僅清晰度大大提高，而且對(duì)智能化需求也越來(lái)越強(qiáng)，因此行業(yè)內(nèi)正在極力推進(jìn)攝像機(jī)能夠?qū)崿F(xiàn)對(duì)視頻圖像內(nèi)容的實(shí)時(shí)處理，不但能夠極大地降低信息傳輸系統(tǒng)和后端設(shè)備的負(fù)擔(dān)，同時(shí)還能夠提升整個(gè)安防系統(tǒng)的響應(yīng)速度，為安防領(lǐng)域一直提倡的“事前預(yù)警、事中制止、事后復(fù)核”理念走向現(xiàn)實(shí)提供有利的技術(shù)支撐。
比如在人臉識(shí)別應(yīng)用當(dāng)中，通過(guò)前端抓拍+中心分析的前后端智能相結(jié)合的模式，將人臉識(shí)別智能算法前置，在前端攝像機(jī)內(nèi)置高性能智能芯片，通過(guò)邊緣計(jì)算將人臉識(shí)別抓圖的壓力分?jǐn)偟角岸?，解放中心的?jì)算資源，以集中優(yōu)勢(shì)計(jì)算資源做更的分析。
2.技術(shù)層面
現(xiàn)階段的人工智能，通常是指依賴(lài)于海量數(shù)據(jù)和深度學(xué)習(xí)，通過(guò)監(jiān)督或非監(jiān)督方式訓(xùn)練而獲得的智能，代價(jià)是巨大的計(jì)算和存儲(chǔ)復(fù)雜度，隨著算法多樣性和復(fù)雜度的進(jìn)一步提升，運(yùn)算和存儲(chǔ)的代價(jià)都會(huì)大幅增長(zhǎng)。傳統(tǒng)的解決方案是，大量的數(shù)據(jù)是在云端的數(shù)據(jù)中心被分析并決策后，再將結(jié)果發(fā)還給終端，也就是說(shuō)，云端負(fù)責(zé)人工智能的部分，終端（也就是邊緣端）負(fù)責(zé)數(shù)據(jù)采集以及執(zhí)行。
3.云端的難題
（1）數(shù)據(jù)傳輸成本高。隨著數(shù)據(jù)量激增，對(duì)傳輸帶寬壓力也不斷增加，邊緣端的無(wú)線傳輸模塊必須支持高速無(wú)線傳輸，這就需要更大的功耗，與邊緣端低功耗的需求是沖突的。
（2）許多終端應(yīng)用場(chǎng)景對(duì)延時(shí)非常敏感。比如平安城市中的異常行為檢查、人流量檢測(cè)等，都需要實(shí)時(shí)預(yù)警，延時(shí)較長(zhǎng)是無(wú)法被接受的。
（3）像智能家居等場(chǎng)景對(duì)安全和隱私的需求，也使得云計(jì)算的發(fā)展受限，在數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心前，通過(guò)網(wǎng)絡(luò)邊緣設(shè)備對(duì)數(shù)據(jù)進(jìn)行分析處理，匿名和加密，可以無(wú)需將所有終端數(shù)據(jù)都傳輸給云端，進(jìn)而有效地解決這些問(wèn)題。