Réponse directe
Partez de l’événement le plus court que le système doit détecter et du délai de réponse toléré. Échantillonnez suffisamment d'images pour observer cet événement de manière fiable, puis validez les échecs et calculez le coût sur des images réelles.
Pourquoi cela arrive
Une caméra à 30 ips ne nécessite pas 30 inférences par seconde. Un échantillonnage excessif gaspille la capacité de décodage et d'accélérateur, tandis qu'un échantillonnage clairsemé peut manquer des événements rapides ou brefs.
Dimensionnez le chemin d'ingestion pour la tâche d'inférence, puis conservez distincts le flux d'origine, les métadonnées dérivées et les superpositions rendues.
Un test contrôlé
Collectez des séquences représentatives de jour, de nuit et de mouvement et rejouez-les à plusieurs taux d'échantillonnage avec le même seuil de modèle.
Modifiez une variable à la fois. Conservez le modèle de caméra, le micrologiciel, le point final et le compte enregistrés ; testez ensuite l'accessibilité du réseau, la réponse du protocole, le transport multimédia et le décodage en tant que couches distinctes.
Utilisez un compte dédié en lecture seule et un outil de diagnostic local fiable. Rédigez les informations d’identification, les adresses privées et les données d’identification avant de partager la sortie.
Séquence diagnostique
| Vérifier | Action | Preuve de progrès |
|---|---|---|
| Événement | Mesurez combien de temps la cible reste visible. | Une fenêtre d'observation minimale est connue. |
| Taux | Testez plusieurs intervalles d’inférence. | Le taux d'échec et le retard sont mesurés. |
| Calculer | Suivez le décodage et l’utilisation de l’accélérateur. | Le tarif sélectionné correspond à la capacité maximale. |
| Retomber | Définissez ce qui se passe lorsque la file d'attente AI est en retard. | Les trames sont abandonnées ou retardées par la politique et non par accident. |
Des preuves à conserver
Signalez ensemble la durée de l'événement, le taux d'échantillonnage, le délai de détection, le taux d'échecs et l'utilisation du calcul.
Note de délimitation et de sécurité
Ne traitez pas une alerte AI comme une décision finale en matière de sécurité, d'emploi, d'accès ou d'urgence sans le processus humain approuvé.
Pour la visualisation à distance, utilisez un VPN géré au lieu d'exposer RTSP ou les ports d'administration de la caméra directement à l'Internet public.
SmartRTSP
SmartRTSP est une visionneuse RTSP et ONVIF axée sur la caméra pour les appareils Apple, Windows et Android. Il convient aux contrôles de visualisation directe, de découverte et multi-caméras ; conservez un NVR ou VMS dédié lorsqu’un enregistrement continu, une exportation de preuves ou des contrôles d’entreprise centralisés sont requis.
Questions fréquemment posées
AI devrait-il traiter chaque image RTSP ?
Généralement non ; le taux requis provient de la durée de l'événement, des objectifs de mouvement et de réponse.
Puis-je réduire la fréquence d’images de la caméra à la place ?
Parfois, mais l'enregistrement ou la visualisation humaine peuvent nécessiter un rythme différent ; Séparez la politique d’échantillonnage d’inférence du profil source lorsque cela est possible.
Que se passe-t-il lorsque l’inférence prend du retard ?
Choisissez explicitement si vous souhaitez supprimer les anciennes images, réduire l'échantillonnage ou mettre à l'échelle la capacité afin que les décisions ne soient pas basées sur des vidéos obsolètes.
Références principales
- NVIDIA — Présentation de l'architecture DeepStream
- ONVIF — Profil M pour les métadonnées et les analyses
- IETF RFC 7826 — Protocole de diffusion en temps réel 2.0
Guide SmartRTSP associé
Ouvrir le guide associéFaites correspondre la fréquence d'inférence à la vitesse de l'objet, au champ de vision et au temps de réponse au lieu de décoder chaque image par habitude.