本地比对与决策
网络依赖
向量检索与决策
分布式设备与模型版本管理
代价：网络依赖、服务可用性与云资源成本
数据存储
T ≈ 采集 + 提特征 + RTT + 检索 + 返回；受弱网抖动影响
特征 + 脱敏主体ID
适合云端：跨设备检索 / 大规模库 / 集中运维
延迟
适合端侧：低延迟 / 弱网离线 / 独立站点
需管云成本、索引容量、网络 SLA 与权限
原图不落盘；多设备副本与撤销需治理
原图不入云；查询向量不持久化、不进日志
采集 + 端侧提特征
仅传查询向量
02
01
实际延迟需按 P50 / P95 实测
断网仍可运行；同步与策略更新可延后
需管硬件算力、升级兼容、现场巡检
设备内完成阈值判定
安全前提：两种方案的特征向量均属敏感生物识别信息；须落实授权、加密、最小权限、审计和删除机制。
mTLS / 云端识别 API
同一识别任务，不同计算位置 / 延迟 · 网络依赖 · 数据存储 · 运维
信任边界
缓存授权模板后可离线判定
本地模型推理
本地加密模板库
代价：端侧算力投入、批量升级与模板分发治理
运维差异
设备内加密保存模板 / 特征
提特征 / 质量筛选
向量库集中存特征 + 脱敏ID
需管控副本与删除
包含网络 RTT 与云端检索
03
DEPLOYMENT DECISION
B 云端识别 / CLOUD SEARCH
四维对比 / TRADE-OFFS
在线检索依赖稳定网络
T ≈ 采集 + 本地推理 + 本地比对；受设备算力影响
端侧提特征，云端向量库检索，不上传原图
中心向量数据库
04
相机帧仅瞬时处理
原图不跨域
采集 + 活体检测
断网需预设本地降级、排队或拒识策略
Top-K + 阈值策略
集中更新、监控与弹性扩容
本地闭环，无公网往返
端侧识别 vs 云端识别
A 端侧识别 / EDGE
计算与比对留在设备，授权模板本地加密保存
