在現階段的物聯網設備中攝像頭及攝像頭模組佔了非常大的比例，任何智能家居設備及道路監控，凡是需要做圖像數據採集進行分析和反饋的場景都會需要攝像頭，而安防行業的核心終端設備就是攝像頭。曾經安防行業因爲存儲和設備整體方案的昂貴成本一般只應用於公共交通、酒店、樓宇、園區等場景中，現如今隨着成本的降低，家庭安防、新零售、商業中心等也在逐漸賦能智能安防。
但如何讓私有與公有網絡的成本、性能、智能分析兼顧，越來越成爲商業智能落地的關鍵。
邊緣計算可就近計算的特質，讓其一方面可對人臉數據、人羣分析、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複製速度；另一方面分佈廣泛的攝像頭也因爲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。
邊緣計算的這兩個優勢使得安防行業與之緊密聯繫在了一起，在邊緣計算的部署下安防場景能夠更好更快地落地實施。安防領域作爲物聯網領域流量傳輸最大的場景，率先通過邊緣計算驅動整體性能體驗得到提升，下一步逐步實現商業智能、樓宇智能、小區智能的落地將會成爲下一個物聯網爆發點。
例如，在商超等應用環境中，可對顧客的性別分佈、年齡分佈等客觀信息，並結合單位區域內逗留時間等維度信息進行分析，進而得到如何部署相關的商鋪位置、如何集中餐飲等後勤服務力量的決策建議；在樓宇與小區應用中可減少非必要的安保人員，用機力代替人力，自動對出入的人員進行身份比對，對可疑人員進行身份報警；在社會治安應用中，可根據治安、反恐、社區可疑人員等信息結合時間頻次信息等預測出可能出現的危險情況和安全隱患，從而組織治安力量更有針對性地進行社會管理。
邊緣計算在安防領域的實踐從根本上打破了原本“智能”應用落地的壁壘，讓原本受限於計算力、傳輸環境、存儲環境等諸多問題的應用設想得以實現。