边缘计算技术在安防行业的应用，应该是早于云计算。安防行业，尤其是视频监控领域，最大的特点就是要处理海量的视频数据。视频数据的传输和存储方式一直影响着安防行业的发展。

安防行业的发展，基本都伴随着边缘计算技术的发展。边缘技术的应用发展也大概分为如下三个阶段：

早期的视频编码及加密技术

视频监控从模拟时代往数字时代过渡时，面临的一大问题就是庞大的视频数据量。以标清分辨率704 X 576的D1视频来说，如果不对数据进行压缩，那将大概需要250Mbps的数据带宽才足以传输一路25帧的视频，在那个时代是根本无法实现的。

即使是现在，网络带宽得到了质的飞越，但是面临高清视频的需求，如果不对数据进行压缩，也无法进行视频传输。所以要传输数字视频，必须要在数据源头进行数据处理，对视频数据进行压缩处理，这种视频压缩技术，其实就是一种边缘计算技术。

而且随着时代的发展，人们对高清视频的需求发展远高于网络带宽的发展，所以视频压缩这种边缘计算技术也一直在发展进步。

从早期的基于DSP实现的MJPEG和MPEG4算法，到现在基于专用编码芯片算法的H264、H265和SVAC算法，视频压缩率得到了质的提升。

另外有些需求要求对压缩视频进行加密传输，所以有些数字监控设备具备在设备端对视频进行加密的功能，而这种技术其实也是一种边缘计算技术。

所以早期的边缘计算技术在安防行业的应用主要是考虑了缓解流量压力和安全性更高的两大特点。

中期的各行业专用分析算法

随着安防行业的发展，用户的需求不再只局限于简单的视频预览、存储、回放功能，安防产品也不再只是简单的通用监控产品，而是成为了各领域的专业视频设备。

其中最令大家熟知的就是交通行业的电警和卡口设备，因为它们需要具备识别车牌号码，检测闯红灯、不系安全带等违规行为的能力，这些应用对数据的处理往往要求极高的实时性，而且在数据中心也只对违法行为和车牌号感兴趣，所以需要设备在采集到数据后立刻进行数据处理，对违规行为进行抓拍，然后将违规的照片以及车牌信息上传到云端。这就是一种典型的边缘计算技术。

与此类似的边缘计算技术应用案例还有很多，比如天地伟业的警戒系列产品能够做到当有人进入警戒区域之后就会触发扬声器，告诉人们不要进入违禁的区域，提醒行人注意安全。另外，新的警戒产品甚至支持安全帽检测，当检测到建筑工地的工人忘记带安全帽时会通过扬声器主动提醒。

这种技术也属于典型的边缘计算技术，如果是采用云计算技术，需要数据传输到数据中心处理后才返回提示信息，很难做到实时的提醒功能。所以中期的边缘计算技术在安防行业的应用主要是考虑了低延时和效率更高的特点。

当下基于深度学习的人脸识别等人工智能算法

人工智能始于20世纪50年代中期，之后数十年发展起起伏伏，80年代末随着人工神经网络研究的兴起，人工智能进入一个新的阶段。

特别是最近几年，深度学习在人工神经网络优化方面获得突破，使得机器辅助成为可能，拓展了人工智能的应用领域。由于人工智能算法对系统性能消耗巨大，如果只采用CPU运算的话，在边缘端基本无法实现推广。所以之前的人工智能算法更多的集中于云端。

但是随着技术的逐步成熟，各大芯片厂商开始纷纷推出人工智能算法的芯片，使得人工智能在边缘端的实现成为可能。各大安防厂商也相继推出基于边缘计算技术的人工智能设备。其中天地伟业的人脸抓拍系列产品就是其中的典型。

基于边缘计算技术的人脸抓拍设备，使其能够在行人通过的时候，就第一时间解析出人脸数据，并把人脸数据发到数据中心进行匹配处理，相比单纯云计算的方案，无需把所有视频数据都进行上传，能够大幅度减少数据流量，提升实时性，即使基于4G网络也能保证数据的完整性。