respuesta directa
Utilice la secuencia más baja que conserve el objeto de destino en el tamaño de píxel requerido. Mida la tasa de bits en movimiento real y luego reserve capacidad para reconexiones, ráfagas y visualización del operador.
¿Por qué sucede esto?
La precisión AI puede necesitar detalles de la transmisión principal, mientras que una subtransmisión puede ser suficiente para objetos grandes o detección de estado de escena. La tasa de bits variable también aumenta durante el movimiento, exactamente cuando las alertas importan.
Dimensione la ruta de ingesta para el trabajo de inferencia y luego mantenga distintos el flujo original, los metadatos derivados y las superposiciones representadas.
Una prueba controlada
Pruebe escenas representativas y compare la calidad del modelo, la tasa de bits y el costo de decodificación para cada perfil de cámara.
Cambie una variable a la vez. Mantenga registrados el modelo de la cámara, el firmware, el terminal y la cuenta; luego pruebe la accesibilidad de la red, la respuesta del protocolo, el transporte de medios y la decodificación como capas separadas.
Utilice una cuenta dedicada de solo lectura y una herramienta de diagnóstico local confiable. Redacte credenciales, direcciones privadas y datos de identificación antes de compartir resultados.
Secuencia diagnóstica
| Controlar | Acción | Evidencia de progreso |
|---|---|---|
| Necesidad de píxeles | Mida el tamaño del objetivo en la imagen de inferencia. | Se conoce la resolución mínima útil. |
| tasa de bits | Observe los picos de movimiento y de inactividad. | El dimensionamiento de la red incluye ráfagas reales. |
| Perfil | Compare las entradas principales, secundarias y recortadas. | Se selecciona la fuente adecuada más baja. |
| Uso compartido | Cuenta para grabación y espectadores humanos. | AI no consume todas las sesiones de cámara ni el ancho de banda. |
Pruebas a conservar
Mantenga una tabla por cámara con escena, tamaño de píxel objetivo, perfil, tasa de bits p95, calidad de inferencia y margen de capacidad.
Nota de límites y seguridad
Los ahorros de ancho de banda no son útiles si invalidan el objetivo de detección; verificar los resultados antes de escalar el diseño.
Para visualización remota, utilice un VPN administrado en lugar de exponer RTSP o los puertos de administración de la cámara directamente a la Internet pública.
SmartRTSP
SmartRTSP es un visor RTSP y ONVIF enfocado en cámara para dispositivos Apple, Windows y Android. Se adapta a la visualización directa, el descubrimiento y las comprobaciones multicámara; mantenga un NVR o VMS dedicado cuando se requiera registro continuo, exportación de evidencia o controles empresariales centralizados.
Preguntas frecuentes
¿Una subcorriente siempre es suficiente para AI?
No. Depende del tamaño del objetivo, la escena y el modelo; validarlo contra el evento real.
¿Por qué medir la tasa de bits de movimiento?
Las cámaras de velocidad variable suelen producir su mayor ancho de banda cuando cambia la escena.
¿Puede un cultivo reducir el ancho de banda?
Una puerta de enlace o una cámara inteligente pueden proporcionar una región o un flujo derivado, pero se deben probar su costo de procesamiento y su pérdida de contexto.
Referencias primarias
- NVIDIA: descripción general de la arquitectura DeepStream
- ONVIF — Perfil T para transmisión de video avanzada
- ONVIF — Perfil M para metadatos y análisis
Guía SmartRTSP relacionada
Abrir guía relacionadaTamaño de la ingesta de la cámara y del tráfico de inferencia a partir de los píxeles que necesita el modelo, no de la especificación máxima de la cámara.