目前，安防行業中基於深度學習的人工智慧產品，主要識別方向包括：車輛分析、人員分析、行為分析和影象分析，產品形態分為前端智慧和雲端智慧。
　　前端產品主要是用於邊緣節點計算的AI攝像機(人臉識別攝像機/卡口電警攝像機)，在採集視訊和圖片的同時，依靠高效能晶片和先進演算法，為雲端的資料中心提供結構化的資料，可以減少雲端分析處理的計算資源壓力和網路頻寬等系統成本。缺點是前端裝置空間有限、功耗成本較高，導致有限的硬體資源只能執行相對簡單、對實時性要求高的演算法。
　　雲端產品主要是智慧NVR、人臉識別比對伺服器、車輛結構化分析伺服器和視訊結構化分析伺服器，智慧NVR是在集中儲存影象的基礎上，通過整合深度學習演算法實現了針對視訊內容的智慧分析和資訊提取，比如小型比對庫的人臉識別/車輛識別等，適合中小型專案使用。後三類智慧伺服器通過在X86伺服器整合高效能GPU晶片和深度學習演算法，專門對人臉特徵、車輛特徵、機動車/非機動車/行人的全目標特徵進行快速提取和準確識別比對，比如億級人臉底庫的識別比對、卡口過車圖片的二次特徵提取和以圖搜車、行人的衣著體貌特徵識別和以圖搜人等。雲端產品能根據客戶需求靈活配置硬體資源，可以運行復雜，業務響應置後的演算法，且升級維護比較方便。
隨著智慧需求日益增多，更多資料的採集和計算未來都將在前端進行邊緣節點計算，前端初步處理分析後回傳到雲端進行深度分析，前端智慧和雲端智慧並不矛盾，可根據客戶的具體需求靈活組合，實現更智慧的分散式計算，提供差異化的智慧解決方案。一般來說，檢測、跟蹤、去重、摳圖等相對通用的應用以及拌線、越界、徘徊、計數等行為分析類的應用適合放在前端，而提取細節特徵、識別比對等以及涉及敏感資訊的複雜應用適合放在雲端，海天醬油批發商科認為要結合實際設計，實現資源利用最大化。