Resposta direta
Use o fluxo mais baixo que preserva o objeto alvo no tamanho de pixel necessário. Meça a taxa de bits sob movimento real e reserve capacidade para reconexões, rajadas e visualização do operador.
Por que isso acontece
A precisão AI pode precisar de detalhes do fluxo principal, enquanto um fluxo secundário pode ser suficiente para objetos grandes ou detecção do estado da cena. A taxa de bits variável também aumenta durante o movimento, exatamente quando os alertas são importantes.
Dimensione o caminho de ingestão para o trabalho de inferência e mantenha o fluxo original, os metadados derivados e as sobreposições renderizadas distintas.
Um teste controlado
Teste cenas representativas e compare a qualidade do modelo, a taxa de bits e o custo de decodificação para cada perfil de câmera.
Altere uma variável de cada vez. Mantenha registrado o modelo da câmera, firmware, endpoint e conta; em seguida, teste a acessibilidade da rede, a resposta do protocolo, o transporte de mídia e a decodificação como camadas separadas.
Use uma conta dedicada somente para visualização e uma ferramenta de diagnóstico local confiável. Edite credenciais, endereços privados e dados de identificação antes de compartilhar resultados.
Sequência de diagnóstico
| Verificar | Ação | Evidência de progresso |
|---|---|---|
| Necessidade de pixels | Meça o tamanho do alvo na imagem de inferência. | A resolução útil mínima é conhecida. |
| Taxa de bits | Observe picos de marcha lenta e movimento. | O dimensionamento da rede inclui rajadas reais. |
| Perfil | Compare entradas principais, secundárias e cortadas. | A fonte adequada mais baixa é selecionada. |
| Uso compartilhado | Conta para gravação e espectadores humanos. | AI não consome todas as sessões de câmera ou largura de banda. |
Evidências para manter
Mantenha uma tabela por câmera com cena, tamanho do pixel alvo, perfil, taxa de bits p95, qualidade de inferência e espaço livre de capacidade.
Limite e nota de segurança
A economia de largura de banda não será útil se invalidar o objetivo de detecção; verifique os resultados antes de dimensionar o projeto.
Para visualização remota, use um VPN gerenciado em vez de expor RTSP ou portas de administração de câmera diretamente à Internet pública.
SmartRTSP
SmartRTSP é um visualizador RTSP e ONVIF focado na câmera para dispositivos Apple, Windows e Android. Ele se adapta à visualização direta, descoberta e verificações de múltiplas câmeras; mantenha um NVR ou VMS dedicado quando for necessário registro contínuo, exportação de evidências ou controles corporativos centralizados.
Perguntas frequentes
Um substream é sempre suficiente para AI?
Não. Depende do tamanho do alvo, cenário e modelo; validá-lo em relação ao evento real.
Por que medir a taxa de bits de movimento?
As câmeras de taxa variável geralmente produzem sua largura de banda mais alta quando a cena muda.
Uma colheita pode reduzir a largura de banda?
Um gateway ou câmera inteligente pode fornecer uma região ou fluxo derivado, mas seu custo de processamento e perda de contexto devem ser testados.
Referências primárias
- NVIDIA — Visão geral da arquitetura DeepStream
- ONVIF — Perfil T para streaming de vídeo avançado
- ONVIF — Perfil M para metadados e análises
Guia SmartRTSP relacionado
Abrir guia relacionadoDimensione a ingestão da câmera e inferência do tráfego a partir dos pixels que o modelo precisa, não da especificação máxima da câmera.