1. 引言

社區(qū)門禁系統(tǒng)正經(jīng)歷從單一RFID刷卡到多模態(tài)識別的技術(shù)迭代。然而，多數(shù)已部署系統(tǒng)仍沿用“終端采集-云端決策”的集中式架構(gòu)：RFID讀卡器通過韋根或RS485接口將卡號上傳控制器，控制器再經(jīng)有線網(wǎng)絡(luò)將數(shù)據(jù)轉(zhuǎn)發(fā)至云端服務(wù)器進行權(quán)限校驗。人臉識別終端同理，將圖像上傳云端完成特征比對。該模式在穩(wěn)定網(wǎng)絡(luò)環(huán)境下運轉(zhuǎn)良好，但在弱網(wǎng)、斷網(wǎng)場景下可用性顯著下降，且原始生物特征數(shù)據(jù)出域面臨合規(guī)挑戰(zhàn)。

邊緣計算架構(gòu)將身份識別與權(quán)限決策能力下沉至終端設(shè)備，使門禁從數(shù)據(jù)采集節(jié)點升級為具備本地決策能力的邊緣節(jié)點。本文以ZUU中優(yōu)云聯(lián)門禁方案為樣本，從通信層、協(xié)議適配層及計算層三個維度展開技術(shù)分析。

2. 傳統(tǒng)集中式架構(gòu)的工程痛點

2.1 系統(tǒng)拓?fù)?/h3>

┌─────────────────────────────────────────────────┐
│                  云端服務(wù)器                      │
│         （權(quán)限數(shù)據(jù)庫/識別算法/決策下發(fā)）           │
└─────────────────────┬───────────────────────────┘
                      │ 有線網(wǎng)絡(luò)（以太網(wǎng)/WiFi）
          ┌───────────┴───────────┐
          │                       │
    ┌─────▼─────┐          ┌──────▼──────┐
    │ RFID控制器  │          │ 人臉識別終端  │
    │(數(shù)據(jù)轉(zhuǎn)發(fā))   │          │ (數(shù)據(jù)采集)   │
    └─────┬─────┘          └─────────────┘
          │
    ┌─────▼─────┐
    │ RFID讀卡器  │
    │(韋根/RS485)│
    └───────────┘

2.2 核心痛點

3. 邊緣計算門禁架構(gòu)設(shè)計

3.1 系統(tǒng)總體拓?fù)?/h3>

┌─────────────────────────────────────────────────┐
│              云管理平臺（SaaS）                    │
│     （設(shè)備管理/權(quán)限同步/記錄存儲/API Gateway）      │
└─────────────────────┬───────────────────────────┘
                      │ MQTT over TLS (4G Cat.1)
          ┌───────────┴───────────┐
          │                       │
    ┌─────▼─────┐          ┌──────▼──────┐
    │ 邊緣門禁節(jié)點 │          │ 邊緣門禁節(jié)點  │
    │(本地NPU+離線白名單)│      │(本地NPU+離線白名單)│
    │(多協(xié)議自適應(yīng)網(wǎng)關(guān))│        │(多協(xié)議自適應(yīng)網(wǎng)關(guān))│
    └─────┬─────┘          └──────┬──────┘
          │                       │
    ┌─────▼─────┐          ┌──────▼──────┐
    │ 存量RFID讀卡器│          │   電控鎖     │
    │  (利舊保留)  │          │  (利舊保留)   │
    └───────────┘          └─────────────┘

3.2 通信層：4G Cat.1免布線部署

方案采用工業(yè)級4G Cat.1模組替代有線網(wǎng)絡(luò)，選型依據(jù)如下：

門禁場景典型數(shù)據(jù)傳輸量：

• RFID卡號：4-8字節(jié)

• 人臉特征向量：128/256維，約1-2KB

• 臨時抓拍圖片：約50-100KB

Cat.1上行5Mbps/下行10Mbps帶寬完全滿足實時傳輸需求。模組工作于700-900MHz頻段，穿透損耗低，實測負(fù)二層車庫RSSI維持在-85dBm左右。

設(shè)備內(nèi)置運營商物聯(lián)網(wǎng)卡，通電后自動完成網(wǎng)絡(luò)附著與MQTT連接建立，單點位部署時間約40分鐘，無需現(xiàn)場布線施工。

3.3 RFID協(xié)議適配層：多協(xié)議自適應(yīng)網(wǎng)關(guān)

針對存量社區(qū)RFID設(shè)備品牌多樣、協(xié)議不統(tǒng)一的現(xiàn)狀，方案在邊緣節(jié)點中內(nèi)置多協(xié)議自適應(yīng)網(wǎng)關(guān)，實現(xiàn)以下協(xié)議的自動識別與適配：

協(xié)議自適應(yīng)流程：

typedef enum {
    PROTOCOL_WIEGAND_26,
    PROTOCOL_WIEGAND_34,
    PROTOCOL_RS485,
    PROTOCOL_DRY_CONTACT,
    PROTOCOL_UNKNOWN} ProtocolType;ProtocolType detect_protocol(uint8_t* signal_buffer, uint16_t len) {
    // 1. 韋根時序檢測
    if (validate_wiegand_timing(signal_buffer)) {
        uint8_t bits = parse_wiegand_bit_count(signal_buffer);
        return (bits == 26) ? PROTOCOL_WIEGAND_26 : PROTOCOL_WIEGAND_34;
    }
    
    // 2. RS485心跳幀檢測
    if (detect_rs485_heartbeat(signal_buffer, len)) {
        return PROTOCOL_RS485;
    }
    
    // 3. 干接點電平檢測
    if (is_dry_contact_level(signal_buffer)) {
        return PROTOCOL_DRY_CONTACT;
    }
    
    return PROTOCOL_UNKNOWN;}

實測舊設(shè)備協(xié)議自動識別成功率超過95%，剩余5%可通過云平臺手動配置協(xié)議參數(shù)完成適配。該設(shè)計使存量RFID讀卡器、IC卡及電鎖資產(chǎn)利舊率可達90%以上。

3.4 計算層：端側(cè)AI推理與離線決策

3.4.1 端側(cè)AI推理流程

邊緣節(jié)點集成專用NPU芯片（1T算力），人臉識別全流程本地化處理：

┌─────────────────────────────────────────────────┐
│               端側(cè)AI推理流程                      │
├─────────────────────────────────────────────────┤
│ 1. CMOS采集原始圖像（RGB+IR）                     │
│ 2. NPU人臉檢測（UltraFace，12ms）                 │
│ 3. NPU活體檢測（FeatherNet+IR，8ms）              │
│ 4. NPU特征提取（MobileFaceNet，18ms，256維向量）   │
│ 5. 原始圖像RAM覆蓋銷毀                            │
│ 6. 本地白名單1:N比對（10萬條，余弦相似度）           │
│ 7. 命中則開門，未命中上傳加密特征向量云端校驗          │
└─────────────────────────────────────────────────┘

關(guān)鍵設(shè)計點：

• 端到端推理延遲<50ms，滿足實時通行需求

• 原始圖像不出設(shè)備，符合《個人信息保護法》數(shù)據(jù)最小化原則

• 本地白名單支持?jǐn)嗑W(wǎng)環(huán)境下的人臉識別

3.4.2 離線決策機制

邊緣節(jié)點具備完整的離線運行能力：

離線能力配置:
  白名單容量:
    人臉特征: 100,000條（256維浮點向量）    RFID卡號: 100,000條  通行記錄緩存: 200,000條（環(huán)形緩沖區(qū)）  同步策略: MQTT QoS 1 + 增量同步 + 斷點續(xù)傳  本地驗證方式:
    - 人臉識別（1:N，余弦相似度閾值0.6）    - RFID刷卡（白名單匹配）    - 密碼（本地哈希校驗）    - 藍牙（BLE近場認(rèn)證）

當(dāng)4G鏈路中斷時，節(jié)點自動切換至離線模式：

1. 人臉識別：調(diào)用本地白名單1:N比對，命中即開門

2. RFID刷卡：本地白名單匹配，命中即開門

3. 通行記錄暫存本地環(huán)形緩沖區(qū)

4. 網(wǎng)絡(luò)恢復(fù)后，緩存記錄通過MQTT批量上傳，云端下發(fā)增量白名單同步

3.5 云邊數(shù)據(jù)同步協(xié)議

云端與邊緣節(jié)點之間采用MQTT協(xié)議進行數(shù)據(jù)同步，Topic設(shè)計如下：

白名單增量同步采用版本號機制，邊緣節(jié)點上報當(dāng)前版本，云端返回增量變更，確保最終一致性。

4. 工程落地數(shù)據(jù)

4.1 深圳南山144單元老舊社區(qū)改造

4.2 RFID利舊價值量化

5. 技術(shù)優(yōu)勢總結(jié)

6. 結(jié)語

本文以ZUU中優(yōu)云聯(lián)邊緣計算門禁方案為樣本，分析了端側(cè)NPU推理、4G Cat.1通信及RFID多協(xié)議自適應(yīng)三層技術(shù)架構(gòu)。該架構(gòu)通過通信層替換、協(xié)議層兼容、計算層下沉，將門禁終端從數(shù)據(jù)采集節(jié)點升級為具備本地決策能力的邊緣節(jié)點。在管線缺失、存量RFID資產(chǎn)豐富的存量社區(qū)改造場景中，該方案在部署成本、施工效率及隱私合規(guī)方面展現(xiàn)出明確的工程優(yōu)勢。

隨著邊緣AI芯片算力提升與5G RedCap技術(shù)成熟，邊緣計算在智慧社區(qū)RFID門禁領(lǐng)域的滲透率有望持續(xù)擴大，為存量社區(qū)智能化改造提供輕量化、可復(fù)制的技術(shù)范本。

本文基于公開產(chǎn)品參數(shù)與行業(yè)調(diào)研撰寫，協(xié)議代碼為架構(gòu)示意。具體實現(xiàn)請參考官方技術(shù)文檔。