كاميرات الأمان الذكية المحلية: كيفية بناء مسجل فيديو شبكي خاص بدون الاعتماد على السحابة

إجابة سريعة

يسجل نظام كاميرا أمان الذكاء الاصطناعي المحلي ويحلل لقطات كاميرا IP على أجهزة داخل شبكة المنزل بدلاً من الاعتماد على المعالجة السحابية لكل تنبيه أو مقطع أو كشف.

عادةً ما يجمع النظام بين خمسة مكونات:

1. كاميرات IP توفر تدفقات فيديو محلية مستقرة.
2. تطبيق NVR محلي مثل Frigate.
3. كشف الأجسام للأشخاص والمركبات والحيوانات والطرد أو الفئات المفيدة الأخرى.
4. تخزين التسجيلات والمقاطع واللقطات وقواعد البيانات وفهارس البحث.
5. قواعد تحدد الأحداث التي يجب أن تثير التنبيهات أو تُحتفظ بها أو تُرسل إلى نظام أتمتة المنزل.

يمكن لـ NAS استضافة مسجل الفيديو الشبكي أو تخزين التسجيلات، لكنه ليس مطلوبًا لأداء كل مهمة. في الإعدادات الأثقل، قد يشغل كمبيوتر صغير أو خادم ذكاء اصطناعي منفصل فك ترميز الفيديو والكشف بينما يظل NAS طبقة التخزين.

الفائدة الرئيسية ليست مجرد "إضافة الذكاء الاصطناعي" إلى كاميرات الأمان، بل تقليل التنبيهات الخاطئة، والعثور على الأحداث المهمة بسرعة أكبر، والتحكم في اللقطات محليًا، وتجنب الاعتماد غير الضروري على الاشتراكات السحابية.

ما هو نظام كاميرا أمان الذكاء الاصطناعي المحلي؟

التسجيل المحلي والذكاء الاصطناعي المحلي وظيفتان منفصلتان

التسجيل المحلي يعني أن الكاميرا ترسل الفيديو إلى جهاز داخل المنزل حيث يتم تخزين اللقطات دون الحاجة إلى التخزين السحابي.

يضيف الكشف المحلي بالذكاء الاصطناعي طبقة أخرى. يحلل مسجل الفيديو الشبكي الإطارات المختارة ويحاول تحديد الأجسام أو الأحداث المهمة، مثل:

• شخص يدخل الممر
• مركبة تتوقف بالقرب من المرآب
• طرد يظهر على الشرفة
• كلب يتحرك في الفناء
• وجه معروف يصل إلى المدخل
• لوحة ترخيص مرئية لكاميرا الممر

يمكن للنظام التسجيل محليًا بدون ذكاء اصطناعي، ويمكنه إجراء الكشف بدون تسجيل مستمر. يجب تخطيط الوظيفتين بشكل منفصل لأنهما تخلقان متطلبات مختلفة للحوسبة والشبكة والتخزين.

للكاميرا، ومسجل الفيديو الشبكي (NVR)، وخادم التخزين أدوار مختلفة

قد يصف بعض البائعين إعداد التخزين والكشف المتكامل كـ AI NAS. بالنسبة للمستخدمين، السؤال العملي ليس التسمية، بل ما إذا كان سير عمل الكاميرا المحلي الكامل يسجل بشكل موثوق، يصفّي الأحداث بشكل صحيح، يحمي اللقطات، ويظل قابلًا للصيانة.

المحلي لا يعني دائمًا عدم الاتصال بالإنترنت بالكامل

يمكن للكاميرا التسجيل إلى NVR محلي بينما لا تزال تتصل بخوادم البائع لتسجيل الدخول إلى الحساب، القياسات، الإشعارات، العرض عن بُعد، مزامنة الوقت، أو خدمات البرامج الثابتة.

يتطلب التصميم المحلي الحقيقي من المستخدمين فهم مسار البيانات الكامل:

• إلى أين ترسل الكاميرا الفيديو
• ما إذا كانت الكاميرا تتطلب حساب سحابي
• ما إذا كان يمكن حظر الوصول إلى الإنترنت الصادر
• كيفية عمل العرض عن بُعد
• مكان توليد الإشعارات
• ما إذا كانت التسجيلات أو الصور المصغرة تغادر الشبكة

ما الذي يمكن أن تفعله الذكاء الاصطناعي المحلي للكاميرا فعليًا؟

كشف الأشخاص، المركبات، الحيوانات، والطرود

يكشف كشف الحركة الأساسي عن التغيرات بين إطارات الفيديو. يمكن للرياح، الظلال، الحشرات، المطر، المصابيح الأمامية، فروع الأشجار، وضوضاء الضغط أن تخلق حركة.

يطرح كشف الأجسام سؤالًا أكثر فائدة: ما الذي تسبب في الحركة؟

Frigate هو NVR محلي مصمم حول الكشف عن الأجسام في الوقت الحقيقي لكاميرات IP. يستخدم كشف حركة منخفض الحمل لتحديد متى وأين يجب تشغيل كشف الأجسام بدلاً من تحليل كل جزء من كل إطار باستمرار.

يمكن بعد ذلك دمج فئة الجسم المكتشفة مع الموقع، الوقت، المدة، الثقة، وقواعد المنزل قبل إنشاء التنبيه.

تصفية الأحداث باستخدام قواعد المناطق والوقت

الكشف عن شخص ليس كافيًا دائمًا. قد لا يهم وجود شخص يمشي على رصيف عام، بينما قد يستحق شخص يدخل الشرفة بعد منتصف الليل اهتمامًا فوريًا.

قد يجمع قاعدة تنبيه عملية بين:

• نوع الجسم: شخص
• المنطقة المطلوبة: الشرفة الأمامية
• الوقت: بعد الساعة 11:00 مساءً
• عتبة الثقة الدنيا
• المدة الدنيا للحدث
• إعدادات الإشعارات الخاصة بالكاميرا

هذا التصفية السياقية غالبًا ما تكون أكثر قيمة من إضافة المزيد من فئات الأجسام.

البحث في الأحداث المسجلة حسب الوصف

يمكن لبرامج NVR المحلية الحديثة أن تتجاوز قوائم الأحداث الزمنية. يمكن لـ Frigate إنشاء تمثيلات محلية للأجسام المتعقبة واستخدامها للبحث الدلالي.

وفقًا لـ البحث الدلالي ، يمكن للمستخدمين البحث عن الأجسام المتعقبة من خلال وصف نصي، صورة موجودة، أو وصف يتم إنشاؤه تلقائيًا. يتم تخزين وتمييز الصور والنصوص والبحث عنها محليًا.

قد تشمل عمليات البحث المحتملة:

• شخص يرتدي سترة حمراء
• شاحنة توصيل بيضاء في الممر
• كلب يركض بالقرب من البوابة
• شخص يحمل صندوقًا كبيرًا
• مركبة مشابهة لحدث سابق

البحث الدلالي مفيد للتحقيق والمراجعة، لكنه لا يجب أن يُعتبر آلية تنبيه تلقائية مثالية. يمكن لنماذج التشابه البصري إرجاع أحداث ذات صلة لكنها غير صحيحة، خاصة عندما تكون الأجسام صغيرة أو المشاهد متشابهة.

التعرف على الوجوه المألوفة

يمكن للتعرف على الوجه إرفاق اسم معروف بالشخص المكتشف بعد أن يجد النظام أولاً وجهًا واضحًا بما فيه الكفاية.

ميزة التعرف على الوجه في Frigate تعمل محليًا وتدعم نموذجًا فعالًا موجهًا لوحدة المعالجة المركزية بالإضافة إلى نموذج أكبر مخصص لأجهزة GPU أو NPU المدعومة.

يجب اعتبار التعرف على الوجه كإثراء اختياري، وليس بديلاً عن كشف الأشخاص. يمكن أن تتأثر النتائج بـ:

• المسافة من الكاميرا
• زاوية الوجه
• تمويه الحركة
• الإضاءة المنخفضة أو لقطات الأشعة تحت الحمراء
• القبعات، النظارات، أو العوائق الجزئية
• صور تدريب ضعيفة أو غير ممثلة

يهم وضع الكاميرا وتفاصيل الوجه أكثر من مجرد زيادة دقة التسجيل.

التعرف على لوحات السيارات

يمكن أن يساعد التعرف على لوحات السيارات في تحديد المركبات المعروفة التي تدخل الممر أو تسجيل نص اللوحة المرئي للمراجعة لاحقًا.

تشرح وثائق التعرف على لوحات السيارات أن Frigate يمكنه إرفاق أحرف اللوحة المعترف بها أو الأسماء المعروفة بالسيارات والدراجات النارية المتعقبة.

يتطلب التعرف على لوحات السيارات زاوية كاميرا وجودة صورة تجعل اللوحة قابلة للقراءة. قد تكتشف كاميرا واسعة النطاق مثبتة عالياً فوق ممر سيارة وجود مركبة بشكل موثوق بينما لا تستطيع قراءة لوحتها.

إنشاء أوصاف وملخصات الأحداث

يمكن لبعض سير عمل الكاميرا المحلية إضافة أوصاف أو ملخصات للأحداث المتعقبة. قد تستخدم هذه الميزات نماذج رؤية-لغة محلية أو خارجية حسب التكوين المختار.

يمكن للوصف أن يجعل الأحداث أسهل في البحث والمراجعة، لكن يجب على المستخدمين التحقق مما إذا كان المزود المُكوَّن يعمل محليًا قبل الافتراض بعدم خروج أي صور أو بيانات أحداث من الشبكة.

خط أنابيب كاميرا الذكاء الاصطناعي المحلية ومسجل الفيديو الشبكي

يجب فهم نظام كاميرا الذكاء الاصطناعي المحلي الموثوق به كخط أنابيب بدلاً من نموذج ذكاء اصطناعي واحد.

الخطوة 1: التقاط تدفقات كاميرا محلية مستقرة

يحتاج جهاز NVR إلى وصول مباشر وموثوق إلى تدفقات الكاميرا. RTSP شائع في أنظمة الكاميرات المستضافة ذاتيًا، بينما يمكن أن يساعد ONVIF في اكتشاف الأجهزة، الملفات الشخصية، الأحداث، والتشغيل البيني.

تشرح صفحة ملفات تعريف ONVIF أن الأجهزة والعملاء المتوافقين يجب أن يدعموا مجموعة محددة من ميزات الملف الشخصي. يجب على المستخدمين التحقق من الامتثال المسجل بدلاً من الاعتماد فقط على تسمية تسويقية "متوافقة مع ONVIF".

قبل شراء كاميرا، تأكد من:

• يوفر تدفق RTSP محلي أو تدفق متوافق.
• يمكنه العمل بدون اشتراك سحابي إلزامي.
• يبقى التدفق متاحًا بعد حظر الوصول إلى الإنترنت الخارجي.
• يوفر تدفقًا فرعيًا منخفض الدقة.
• يمكن تكوين معدل البت، معدل الإطارات، والبرنامج الترميزي الخاص به.
• يمكن تغيير بيانات الاعتماد الخاصة به وإدارتها محليًا.

الخطوة 2: استخدام الحركة لتقييد كشف الأجسام

تشغيل كشف الأجسام على كل بكسل من كل إطار سيهدر الموارد. يستخدم Frigate أولاً تحليل الحركة لتحديد الأماكن التي تحتاج إلى كشف أعمق.

يتيح هذا لجهاز كشف واحد خدمة عدة كاميرات بشكل أكثر كفاءة. كما يعني أن تكوين الحركة يظل مهمًا حتى عند تمكين كشف الأجسام.

الخطوة 3: اكتشاف وتتبع الأجسام ذات الصلة

يتم إجراء كشف الأجسام على التدفق المخصص لدور الكشف. يجب أن يوفر التدفق المختار تفاصيل كافية لفئات الأجسام والمسافات المعنية دون تحميل فك ترميز غير ضروري.

تسمح تكوين الكاميرا في Frigate بتعيين تدفقات منفصلة للكشف والتسجيل. يمكن استخدام تدفق منخفض الدقة للكشف بينما يتم الاحتفاظ بتدفق عالي الدقة للتسجيلات.

غالبًا ما يكون هذا الفصل أفضل من إجبار تدفق عالي الدقة واحد على أداء كل دور.

الخطوة 4: قرر أي الأحداث مهمة

لا يجب أن يعني الكشف تلقائيًا الإشعار. يصبح الحدث مفيدًا فقط بعد تصفيته وفقًا لأولويات المنزل.

على سبيل المثال:

الخطوة 5: تخزين اللقطات حسب قيمتها

ليس كل ثانية من لقطات الكاميرا تستحق نفس فترة الاحتفاظ.

قد تحافظ سياسة عملية على:

• لقطات مستمرة لفترة قصيرة
• لقطات الحركة لعدة أيام إضافية
• الكشوفات أو التنبيهات المهمة لفترة أطول
• الأدلة التي تم تصديرها يدويًا حتى لا تعود مطلوبة

تسمح إعدادات التسجيل في Frigate باستخدام فترات احتفاظ مختلفة للتسجيلات المستمرة، الحركية، التنبيهية، والكشفية.

الخطوة 6: تأمين الشبكة والوصول عن بُعد

النظام محلي أولاً فقط إذا كانت الشبكة ومسارات الوصول محكومة. لا يجب أن تشارك الكاميرات نفس مستوى الثقة مع أجهزة الكمبيوتر الشخصية، تخزين المستندات، أو أجهزة المسؤول.

يجب أن يستخدم العرض عن بُعد عادة مسارًا محكمًا مثل VPN موثوق، وكيل عكسي مصدق، أو طبقة وصول مؤمنة بعناية بدلاً من تعريض جهاز NVR مباشرة للإنترنت العام.

ما هي الكاميرات التي تعمل مع جهاز NVR محلي يعمل بالذكاء الاصطناعي؟

أعطِ الأولوية للتدفقات المحلية المستقرة

أفضل كاميرا لجهاز NVR محلي يعمل بالذكاء الاصطناعي ليست بالضرورة الكاميرا التي تحتوي على أطول قائمة من ميزات "الذكاء الاصطناعي" المدمجة. التدفق المحلي المستقر أهم.

ابحث عن:

• دعم RTSP
• التحقق من توافق ONVIF حيثما كان ذلك مناسبًا
• تكوين التدفقات الرئيسية والفرعية
• إخراج H.264 أو H.265 المدعوم
• معدل بت ومعدل إطارات قابلان للتعديل
• إيثرنت سلكي موثوق أو واي فاي قوي
• حسابات المستخدمين المحلية
• جودة صورة معقولة في الإضاءة المنخفضة

تخدم التدفقات الرئيسية وتدفقات الكشف الفرعية أغراضًا مختلفة

تدفق عالي الدقة مفيد عند مراجعة الأدلة، قراءة اللوحات، التعرف على الوجوه، أو التكبير على حدث مسجل.

قد يكون تدفق منخفض الدقة كافياً لاكتشاف الأجسام ويمكن أن يقلل بشكل كبير من عبء فك التشفير.

ترتيب شائع هو:

• تدفق الكشف: دقة أقل ومعدل إطارات أقل.
• تدفق التسجيل: دقة أعلى وجودة صورة أفضل.
• إعادة بث العرض المباشر: يتم اختيارها وفقًا للوحة التحكم أو جهاز العميل.

الكاميرات السلكية عادةً ما تكون أسهل في التشغيل بشكل موثوق

يمكن أن تعمل كاميرات الواي فاي، لكن كل كاميرا تتنافس على وقت الهواء اللاسلكي وقد تتأثر بفقدان الإشارة أو الازدحام أو سلوك توفير الطاقة أو تغييرات نقطة الوصول.

الكاميرات السلكية، خاصة تلك التي تستخدم الطاقة عبر الإيثرنت، يمكن أن تبسط الطاقة والشبكات ووقت التشغيل. لا يزال الاختيار الصحيح يعتمد على قيود التثبيت وما إذا كان التمديد العملي ممكنًا.

كيف يقلل Frigate من التنبيهات الكاذبة

الكشف عن الحركة والكشف عن الكائن يعملان معًا

تحدد الحركة مكان حدوث التحليل. يقرر كشف الكائن ما قد يكون موجودًا.

تعطيل أو تغطية الحركة بشكل مفرط يمكن أن يجعل تتبع الكائن أقل موثوقية. ترك الحركة حساسة جدًا قد يهدر المعالجة ويولد أحداثًا مرشحة غير ضرورية.

استخدم المناطق للمناطق المهمة

المناطق مناسبة عندما يريد المستخدمون التنبيهات فقط بعد دخول كائن إلى جزء محدد من الصورة، مثل:

• الشرفة الأمامية
• الممر
• البوابة الجانبية
• مدخل المرآب
• فناء خلفي

يمكن دمج المنطقة مع إعدادات المنطقة المطلوبة بحيث يمكن تتبع كائن خارج المنطقة لكنه لا يخلق التنبيه المحدد إلا عند دخوله المنطقة ذات الصلة.

استخدم الأقنعة باعتدال

توثيق أقنعة في Frigate يميز بين أقنعة الحركة وأقنعة تصفية الكائنات ويحذر من أن كلاهما أدوات ضبط دقيقة ضيقة النطاق وليست طرقًا عامة لإخفاء منطقة من الكشف.

يمكن لأقنعة الحركة المساعدة في استبعاد الحركة المستمرة مثل:

• تراكب الطابع الزمني
• أشجار متحركة في أعلى الإطار
• انعكاسات من سطح ثابت
• علم يتحرك باستمرار

أقنعة تصفية الكائنات أكثر ملاءمة للإيجابيات الكاذبة المتكررة في المواقع التي يجب أن يكون فيها وجود كائن معين مستحيلاً.

التغطية الزائدة قد تكسر التتبع. عندما يكون الشرط "تنبيه فقط عند دخول شخص إلى هذا الموقع"، عادةً ما تكون المنطقة المطلوبة أكثر ملاءمة.

تحديد مكان الكاميرا لا يزال يحدد جودة الكشف

لا يمكن للذكاء الاصطناعي استعادة التفاصيل التي لم تلتقطها الكاميرا أبدًا. جودة الكشف تعتمد على:

• ارتفاع التركيب
• زاوية الرؤية
• حجم الكائن في تدفق الكشف
• الإضاءة الخلفية والوهج
• الإضاءة الليلية
• تمويه الحركة
• نظافة العدسة
• إعدادات الضغط

عدد أقل من الكاميرات الموضوعة بشكل جيد قد يوفر معلومات أمنية أفضل من العديد من البثوث الموضوعة بشكل سيء.

كيف يعمل البحث المحلي بالفيديو باستخدام الذكاء الاصطناعي

الفلاتر التقليدية والبحث الدلالي تلبي احتياجات مختلفة

تكون الفلاتر التقليدية الأفضل عندما يعرف المستخدم بالفعل تفصيلاً منظمًا:

• اسم الكاميرا
• التاريخ والوقت
• فئة الكائن
• منطقة
• وجه معروف
• لوحة معروفة

البحث الدلالي مفيد عندما تكون الذاكرة وصفية بدلاً من منظمة:

• شخص يحمل جسمًا طويلاً
• سائق توصيل يضع صندوقًا بالقرب من الباب
• مركبة داكنة تعكس إلى الممر
• كلب يتبع شخصًا عبر البوابة

عادةً ما ينتج الجمع بين الفلاتر المنظمة والبحث الدلالي نتائج أفضل من الاعتماد على التشابه الدلالي فقط.

البحث الدلالي يتطلب ذاكرة أكثر من الكشف الأساسي

يشغل البحث الدلالي نموذج تضمين رؤية-لغة بالإضافة إلى خط أنابيب الكاميرا العادي.

يحدد Frigate حاليًا ذاكرة لا تقل عن 8 جيجابايت ومعالج يدعم تعليمات AVX وAVX2 للبحث الدلالي. توصيته هي 16 جيجابايت أو أكثر ووحدة معالجة رسومات مخصصة لأداء أفضل.

إعادة فهرسة تاريخ كبير من الأجسام المتتبعة يمكن أن تخلق استخدامًا عاليًا لوحدة المعالجة المركزية مؤقتًا. يجب جدولة هذا الحمل مع مراعاة التسجيل والنسخ الاحتياطي وأنشطة الخادم الأخرى.

التشابه الصوري مفيد للتحقيق اليدوي

يمكن للمستخدم اختيار جسم متتبع سابقًا والبحث عن أحداث متشابهة بصريًا. قد يساعد هذا في العثور على زيارات متكررة من مركبة مماثلة أو شخص يرتدي ملابس مشابهة.

التشابه البصري لا يثبت الهوية. يمكن للمركبات والملابس والإضاءة وزوايا الكاميرا المتشابهة أن تخلق نتائج مرتبطة تتطلب مراجعة يدوية.

Frigate، الأتمتة المنزلية، وNAS: أين يعمل كل منها؟

الخيار 1: يشغل خادم منزلي واحد كل شيء

في إعداد صغير، قد يشغل جهاز واحد:

• Frigate
• MQTT
• Home Assistant
• تخزين التسجيل
• الإشعارات
• عدد قليل من الحاويات الأخرى

هذا بسيط للفهم والصيانة، لكن الفشل أو إعادة التشغيل أو ارتفاع الموارد يمكن أن يؤثر على كل خدمة مرة واحدة.

الخيار 2: يشغل الكمبيوتر الصغير Frigate ويخزن NAS اللقطات

غالبًا ما يكون هذا توازنًا عمليًا للأنظمة الأكبر.

يتولى الكمبيوتر الصغير:

• فك ترميز البث
• تحليل الحركة
• كشف الأجسام
• البحث الدلالي
• قاعدة بيانات وواجهة Frigate

يتولى جهاز NAS:

• سعة التسجيل
• احتفاظ أطول
• تصديرات مختارة
• نسخ احتياطية مهمة للمقاطع

هذا يبقي معالجة الفيديو المستمرة بعيدًا عن أحمال العمل الرئيسية للتخزين مع الاستمرار في استخدام السعة المركزية.

الخيار 3: يستضيف NAS برنامج Frigate مع تسريع مدعوم

يمكن أن يعمل تشغيل Frigate مباشرة على جهاز NAS عندما:

• نظام التشغيل يدعم الحاويات المطلوبة.
• يمكن تمرير الكاشف أو وحدة معالجة الرسومات بشكل صحيح.
• عدد الكاميرات معتدل.
• جهاز NAS يحتوي على ذاكرة كافية.
• كتابات الكاميرا لا تتداخل مع الخدمات الحيوية.
• يدعم حزمة البرامج مسار فك ترميز الفيديو المقصود.

الدليل الداخلي متى يجب أن تعمل أحمال العمل المنزلية خارج جهاز NAS يوفر إطارًا أوسع لاتخاذ قرار متى يجب فصل التخزين والمعالجة.

يمكن أن يظل جهاز التخزين الشبكي ذا قيمة دون تشغيل الذكاء الاصطناعي

يمكن لجهاز NAS المخصص للتخزين أن يدعم تدفقات بيانات منزلية محلية عملية حتى عندما تقوم آلة أخرى بأداء استدلال الكاميرا.

لا يحتاج جهاز التخزين وأجهزة الذكاء الاصطناعي إلى أن يكونا نفس الجهاز.

ما الأجهزة التي يحتاجها NVR الذكي المحلي؟

وحدة المعالجة المركزية: إدارة التدفق والعمل العام للنظام

قد تتعامل وحدة المعالجة المركزية مع:

• تحليل الحركة
• عمليات FFmpeg
• خدمات الحاويات
• نشاط قاعدة البيانات
• طلبات API
• توليد الجدول الزمني
• أي فك ترميز فيديو لا يتم تفريغه

إضافة مسرع ذكاء اصطناعي لا يزيل كل عبء عمل وحدة المعالجة المركزية.

فك ترميز الفيديو: فك ضغط تدفقات الكاميرا

فك ترميز الفيديو واستدلال الذكاء الاصطناعي مهام منفصلة. قد يصنف مسرع اكتشاف الأجسام الإطارات بكفاءة بينما تظل وحدة المعالجة المركزية مثقلة بفك ترميز عدة تدفقات عالية الدقة.

يمكن للرسومات المدمجة المدعومة أو فك ترميز الفيديو باستخدام GPU تقليل الضغط على وحدة المعالجة المركزية بشكل كبير. يعتمد التكوين الدقيق على المعالج، ونظام التشغيل، وصورة الحاوية، والبرنامج الترميزي، وبناء Frigate.

الكاشف: استدلال اكتشاف الأجسام

توثيق الأجهزة الموصى بها في Frigate يدعم عدة مسارات للكواشف، بما في ذلك Hailo، OpenVINO على أجهزة Intel المدعومة، وحدات معالجة الرسومات NVIDIA، AMD ROCm، Apple Silicon، Jetson، Rockchip، Coral، ومنصات أخرى.

لا توصي إرشادات Frigate الحالية عمومًا باستخدام Coral للتركيبات الجديدة إلا حيث يكون استهلاك الطاقة المنخفض أو الأجهزة المحدودة مناسبًا. تظل التركيبات الحالية لـ Coral مدعومة، لكن يجب على التركيبات الجديدة مقارنة جميع خيارات الكاشف المدعومة حاليًا.

الذاكرة العشوائية: NVR، قاعدة البيانات، وميزات الإثراء

قد تحتاج اكتشاف الأجسام الأساسي إلى ذاكرة معتدلة، لكن البحث الدلالي، والتعرف على الوجه، وLPR، والنماذج الأكبر، والمزيد من الكاميرات، والحاويات الأخرى تزيد من متطلبات الذاكرة الكلية.

خطط الذاكرة للخادم الكامل، وليس فقط للكاشف.

SSD: قاعدة البيانات وبيانات المراجعة النشطة

يمكن لـ SSD تحسين الاستجابة لـ:

• ملفات قاعدة بيانات Frigate
• الصور المصغرة والمعاينات
• المقاطع الحديثة
• فهرس البحث
• بيانات الحاويات
• التسجيلات التي يتم مراجعتها بشكل متكرر

الكتابة المستمرة من الكاميرات تسبب تآكلًا، لذا يجب مراعاة تحمل SSD، والمساحة المتاحة، والمراقبة.

الأقراص الصلبة: احتفاظ أطول بالتسجيلات

عادةً ما يكون تخزين الأقراص الصلبة أكثر اقتصادية لكميات كبيرة من اللقطات التاريخية. يمكن استخدامه للاحتفاظ لفترة أطول بينما تظل قاعدة البيانات وبيانات التطبيقات التي يتم الوصول إليها بشكل متكرر على SSD.

يمكن للدليل الداخلي هل عنق الزجاجة في الذكاء الاصطناعي المحلي هو الحوسبة، الذاكرة، التخزين، أم الشبكة؟ أن يساعد في تحديد أي جزء من نظام الكاميرات المتعددة يحد من الأداء.

كم من التخزين تحتاج كاميرات الأمان؟

يعتمد التخزين بشكل أساسي على متوسط معدل البت، مدة التسجيل، عدد الكاميرات، وفترة الاحتفاظ.

تقدير عشري تقريبي هو:

التخزين في اليوم بالجيجابايت ≈ معدل البت بالميجابت في الثانية × 10.8

هذه تقديرات تخطيطية، وليست أرقام استخدام مضمونة. يمكن أن تؤثر معدلات البت المتغيرة، مستويات الحركة، الصوت، الترميزات، تعقيد المشهد، والاحتفاظ بناءً على الأحداث على الاستهلاك الفعلي.

التسجيل المستمر مقابل الاحتفاظ بناءً على الأحداث

التسجيل المستمر يوفر أقوى سياق تاريخي لكنه يتطلب مساحة تخزين أكبر. يقلل التسجيل بناءً على الأحداث من متطلبات السعة لكنه قد يفوت نشاطًا مفيدًا قبل أو بعد الحدث المكتشف.

قد تستخدم سياسة متوازنة احتفاظًا مستمرًا قصيرًا واحتفاظًا أطول للتنبيهات والكشوف المهمة.

نسخ الأحداث المهمة احتياطيًا، وليس بالضرورة كل إطار

لقطات الكاميرا هي بيانات عالية التغير. قد يكون النسخ الاحتياطي لكل ثانية إلى أجل غير مسمى مكلفًا وغير ضروري.

يمكن للعديد من الأسر فصل اللقطات إلى:

• التسجيلات الروتينية التي تنتهي صلاحيتها تلقائيًا
• يتم الاحتفاظ بمقاطع الكشف للتحقيق
• يتم نسخ التصديرات المهمة إلى تخزين محمي
• الأدلة الحرجة مخزنة خارج جهاز التسجيل الرئيسي

جهاز تسجيل فيديو شبكي محلي مع ذكاء اصطناعي مقابل كاميرات الأمان السحابية

يعتمد الاختيار الصحيح على ما إذا كانت الأسرة تقدر الراحة، التحكم في الخصوصية، التكاليف المتوقعة، التخصيص، أو الحد الأدنى من الصيانة أكثر.

كيفية الحفاظ على خصوصية كاميرات IP

وضع الكاميرات على شبكة منفصلة

يمكن لشبكة VLAN مخصصة أو شبكة كاميرات معزولة تحديد ما يُسمح للكاميرات بالوصول إليه.

تسمح سياسة شائعة للكاميرات بالتواصل مع جهاز تسجيل الفيديو الشبكي (NVR) والخدمات المحلية المطلوبة مع حظر الوصول إلى الأجهزة الشخصية والتخزين الحساس.

حظر الوصول غير الضروري للإنترنت الخارجي

حظر حركة المرور الصادرة يمكن أن يقلل الاعتماد على سحابة البائع، لكنه قد يعطل أيضًا وصول التطبيق، تزامن الوقت، الإشعارات، أو تحديثات البرامج الثابتة.

اختبر كاميرا واحدة قبل تطبيق قاعدة صارمة على النظام بأكمله.

النقاش العام IP camera phoning home يوضح مشكلة شائعة في الاستضافة الذاتية: التسجيل المحلي لا يمنع بالضرورة الكاميرا من محاولة إجراء اتصالات صادرة.

استخدم الوصول عن بُعد عبر VPN أو المصادقة

لا تعرض تدفقات الكاميرا، واجهة NVR، أو منافذ الإدارة مباشرة إلا إذا تم مراجعة تصميم الأمان بعناية.

استخدم مصادقة قوية، اتصالات مشفرة، حسابات محدودة، ومسار وصول عن بُعد محكم التحكم.

فصل حسابات المشاهدين والإداريين

ليس كل فرد في المنزل يحتاج إلى إذن لـ:

• تغيير إعدادات الكاميرا
• حذف التسجيلات
• تصدير اللقطات
• تعديل مكتبات الوجوه
• تغيير قواعد الإشعارات
• الوصول إلى كل كاميرا داخلية

امنح المستخدمين الحد الأدنى من الوصول المطلوب لدورهم.

تحقق من القوانين المحلية وتوقعات الأسرة

تختلف القواعد المتعلقة بتسجيل الصوت، مشاهدة المناطق العامة، التعرف على الوجوه، الاحتفاظ باللقطات، وتصوير الزوار حسب الموقع.

القدرة التقنية لا تجعل كل استخدام مناسبًا تلقائيًا. أبلغ أفراد المنزل، تجنب المراقبة غير الضرورية للمناطق الخاصة، وتحقق من المتطلبات المحلية المعمول بها.

قائمة تحقق عملية لإعداد كاميرا AI محلية

1. حدد الهدف الحقيقي. قرر ما إذا كانت الأولوية هي تنبيهات الطرود، مراقبة الممر، السلامة الداخلية، كشف الحيوانات، أو التسجيلات القابلة للبحث.
2. حدد تغطية الكاميرا. اختر المواقع والزوايا قبل شراء المزيد من الكاميرات.
3. تحقق من التدفقات المحلية. أكد توافق RTSP وONVIF عند الحاجة، والتشغيل بدون الوصول الإلزامي للسحابة.
4. اختر تدفقات الكشف والتسجيل. استخدم تدفقًا منخفض الدقة للكشف وتدفقًا عالي الجودة كدليل حيثما كان ذلك عمليًا.
5. قدّر التخزين. احسب معدل البت، عدد الكاميرات، الاحتفاظ المستمر، واحتفاظ الأحداث.
6. اختر الأجهزة المدعومة. طابق الكاشف ومسار فك ترميز الفيديو مع بناء Frigate المختار.
7. ابدأ بكاميرا واحدة. تحقق من استقرار البث، استخدام وحدة المعالجة المركزية، سرعة الاستدلال، التسجيلات، والإشعارات.
8. أنشئ مناطق قبل إضافة الأقنعة المعقدة. حدد الأماكن التي تهم فيها التنبيهات فعليًا.
9. اختبر في ظروف حقيقية. راجع الإضاءة النهارية، الليل، المطر، المصابيح الأمامية، الحيوانات الأليفة، التوصيلات، والنشاط العادي في المنزل.
10. افصل حركة مرور الكاميرا. أنشئ قواعد جدار الحماية والشبكة قبل أن يصبح النظام كبيرًا.
11. قم بتكوين الحسابات والوصول عن بُعد. تجنب مشاركة بيانات اعتماد المسؤول وتعرضها مباشرة للعامة.
12. اختبر الاحتفاظ والتصدير. تأكد من إمكانية العثور على المقاطع المهمة ونسخها قبل انتهاء صلاحية اللقطات القديمة.
13. راقب صحة الخادم. راقب وحدة المعالجة المركزية، الذاكرة العشوائية، تأخير الكاشف، أخطاء البث، مساحة القرص، تآكل SSD، وفجوات التسجيل.

المشاكل والقيود الشائعة

انقطاع أو تقطع تدفقات الكاميرا

الأسباب المحتملة تشمل واي فاي غير مستقر، عدد كبير من اتصالات الكاميرا، برامج ترميز غير صحيحة، معدل بت مرتفع جداً، مفاتيح ضعيفة، فقدان الحزم، أو مشاكل في البرنامج الثابت للكاميرا.

اختبر البث المحلي الخام قبل لوم كاشف الذكاء الاصطناعي.

الكشف عن الأشخاص أو المركبات غير صحيح

راجع مربعات التحديد، درجات الثقة، دقة الكشف، حجم الجسم، ومدى ملاءمة النموذج. قد تستفيد الإيجابيات الكاذبة الثابتة من مرشحات الأجسام، بينما تُعالج المناطق غير ذات الصلة عادةً بالمناطق.

الكشف الليلي أسوأ بكثير

الانعكاسات تحت الحمراء، الحشرات، المطر، أضواء المصابيح الأمامية، ضباب الحركة، والتباين المنخفض يمكن أن تضعف الأداء الليلي.

حسّن الإضاءة، أعد وضع الكاميرا، قلل الأسطح العاكسة، واضبط التوقعات بشكل منفصل لليل والنهار.

استخدام وحدة المعالجة المركزية يبقى مرتفعاً بعد إضافة كاشف

قد يسرع الكاشف استنتاج الأجسام بينما تستمر وحدة المعالجة المركزية في فك ترميز الفيديو، تتبع الحركة، إدارة الحاويات، كتابة التسجيلات، وخدمة الواجهة.

تحقق من فك ترميز الفيديو على الأجهزة، دقة البث، معدل إطارات الكاميرا، وما إذا كانت الميزات غير المدعومة تعود إلى وحدة المعالجة المركزية.

عمليات كتابة التسجيل تؤثر على خدمات NAS الأخرى

تسجيل الكاميرا ينتج عمليات كتابة مستمرة وعالية التغيير. قد يتنافس مع النسخ الاحتياطية، مكتبات الوسائط، قواعد البيانات، والوصول العادي للملفات.

استخدم تخزين منفصل، مجموعات بيانات مخصصة، احتفاظ مخطط، أو مضيف Frigate منفصل عند الضرورة.

البحث الدلالي يستخدم موارد أجهزة أكثر من المتوقع

يضيف البحث الدلالي نموذج تضمين وفهرس منفصلين. قد تتطلب الأجسام المتعقبة القديمة أيضاً عملية إعادة فهرسة مكثفة على وحدة المعالجة المركزية.

فعّل الإثراء المتقدم فقط بعد استقرار التسجيل الأساسي والكشف عن الأجسام.

التعرف على الوجه غير موثوق

يحتاج التعرف على الوجه إلى تفاصيل وجه كافية، وزوايا كاميرا مناسبة، ومجموعة تدريب متنوعة. قد لا توفر الكاميرا المصممة لتغطية واسعة للعقار تفاصيل كافية للتعرف.

استخدم التعرف على الوجه كدليل إضافي، وليس كأساس وحيد لقرارات الأمان.

التسجيل المحلي لا يمنع الكاميرات من الاتصال بالخادم الرئيسي

وجهة التخزين وسلوك الشبكة هما قضيتان منفصلتان. راجع طلبات DNS، وحركة المرور الصادرة، ووظائف البرنامج الثابت، واعتمادات تطبيقات البائع، وقواعد جدار الحماية.

الكشف بالذكاء الاصطناعي ليس نظام أمني كاملاً

يمكن للذكاء الاصطناعي المحلي في الكاميرا تصفية الأحداث وتقليل وقت المراجعة. لكنه لا يضمن اكتشاف كل حدث أو تحديده أو تسجيله أو إرساله كإشعار.

الأقفال، والإضاءة، والأمان المادي، ووضع الكاميرات بشكل منطقي، والنسخ الاحتياطية، والحكم البشري لا تزال مهمة.

متى يستحق بناء نظام كاميرات ذكي محلي؟

يجدر النظر في جهاز تسجيل فيديو شبكي ذكي محلي عندما:

• تنبيهات الحركة تخلق ضوضاء كثيرة.
• تريد الأسرة تصفية الأشخاص، أو المركبات، أو الحيوانات، أو الطرود.
• اشتراكات كاميرات السحابة تصبح مكلفة.
• يجب أن تظل اللقطات الخاصة أو الداخلية محلية.
• يريد المستخدمون احتفاظًا أطول أو أكثر مرونة.
• تحتاج عدة علامات كاميرات إلى واجهة مراجعة واحدة.
• يجب أن تؤدي أحداث الكاميرا إلى تشغيل أتمتة المنزل.
• تحتاج الأحداث المسجلة إلى بحث دلالي محلي.
• تكون الأسرة مستعدة لصيانة الخادم والشبكة.

قد يكون مسجل أبسط أو كاميرا سحابية أفضل عندما:

• الأسرة لديها كاميرا أو كاميرتان فقط.
• تسجيل الحركة الأساسي كافٍ.
• لا أحد يريد إدارة التخزين أو التحديثات.
• الوصول السهل عن بعد أهم من التحكم المحلي.
• الكاميرات لا توفر تدفقات محلية موثوقة.

الهدف ليس بناء أكثر أنظمة الكاميرات تعقيدًا، بل تقليل الوقت اللازم لفهم ما حدث مع الحفاظ على سير العمل موثوقًا وخصوصية مناسبة.

الخلاصة

يجمع نظام كاميرات أمان ذكي محلي بين تدفقات كاميرات IP مستقرة، وجهاز تسجيل فيديو شبكي خاص، وكشف انتقائي للأجسام، ومرشحات الأحداث، وتسجيلات قابلة للبحث، وتخزين مخطط، ووصول عن بعد محكم.

قد يقوم NAS بتشغيل البرنامج، أو تخزين اللقطات، أو العمل فقط كطبقة تخزين طويلة الأمد. قد يكون الكشف عن عدة كاميرات، وفك الترميز، والتعرف على الوجه، والتعرف على اللوحات، والبحث الدلالي أثقل وأكثر ملاءمة لجهاز كمبيوتر صغير منفصل أو خادم ذكاء اصطناعي.

ابدأ بالأساسيات: تدفقات موثوقة، كاميرا واحدة تعمل، مناطق منطقية، قواعد احتفاظ واضحة، تسريع مدعوم، ووصول آمن إلى الشبكة. أضف التعرف على الوجه، والتعرف على اللوحات، والبحث الدلالي، والوصف التوليدي فقط بعد استقرار خط أنابيب التسجيل والكشف.

أفضل نظام كاميرات ذكي محلي ليس الذي ينتج أكبر عدد من التنبيهات، بل الذي يعرض الأحداث الصحيحة، ويحافظ على الوصول إلى اللقطات المهمة، ويمنح الأسرة تحكمًا واضحًا في مكان معالجة وتخزين الفيديو.

الأسئلة الشائعة

هل يمكن لكاميرات الأمان الذكية العمل بدون السحابة؟

نعم. يمكن لكاميرات IP المتوافقة إرسال تدفقات محلية إلى جهاز تسجيل فيديو شبكي (NVR) مثل Frigate، حيث يتم التسجيل والكشف عن الأجسام على الأجهزة المحلية.

تحقق مما إذا كانت الكاميرات نفسها لا تزال تتطلب حسابات البائع أو اتصالات صادرة لوظائف أخرى.

هل يمكنني تشغيل Frigate مباشرة على NAS؟

نعم، عندما يدعم NAS الحاويات المطلوبة، وتكوين التخزين، وتمرير الأجهزة، وفك ترميز الفيديو، وأجهزة الكشف.

لإعدادات أثقل، قد يوفر تشغيل Frigate على جهاز كمبيوتر صغير منفصل مع استخدام NAS للتسجيلات عزلاً وأداءً أفضل.

هل أحتاج إلى وحدة معالجة رسومات (GPU) لـ Frigate؟

ليس بالضرورة. يدعم Frigate عدة أنواع من الكواشف، بما في ذلك Intel OpenVINO، Hailo، Coral، NVIDIA، AMD، Apple Silicon، Jetson، Rockchip، وغيرها.

يفضل بشدة استخدام معجل مدعوم للكشف المنتظم عن الكائنات. تصبح بطاقة الرسومات أكثر فائدة لفك تشفير الفيديو، نماذج الكشف الأكبر، البحث الدلالي، التعرف على الوجوه، وغيرها من الإضافات.

هل لا يزال Google Coral موصى به لتثبيت Frigate جديد؟

لا يزال Frigate يدعم Coral، لكن إرشادات الأجهزة الحالية لا توصي عمومًا باستخدام Coral للتثبيتات الجديدة إلا في حالات استهلاك منخفض للطاقة أو محدودية الأجهزة.

يجب على الإصدارات الجديدة مقارنة خيارات الكاشف المدعومة حاليًا مع أجهزة المضيف وحجم عمل الكاميرا.

كم مقدار ذاكرة الوصول العشوائي التي يحتاجها البحث الدلالي في Frigate؟

يتطلب Frigate حاليًا على الأقل 8 جيجابايت من ذاكرة الوصول العشوائي ومعالج يدعم AVX/AVX2 للبحث الدلالي. توصي الوثائق بـ 16 جيجابايت أو أكثر وبطاقة رسومات مخصصة لأداء أفضل.

هل يجب استخدام بث الكاميرا عالي الدقة للكشف؟

ليس دائمًا. قد يوفر البث الفرعي منخفض الدقة تفاصيل كافية للكشف عن الكائنات مع تقليل عبء فك التشفير. يمكن الاحتفاظ ببث عالي الجودة للتسجيلات.

قد يتطلب التعرف على الوجوه والتعرف على لوحات السيارات تفاصيل أكثر من الكشف الأساسي عن الأشخاص أو المركبات، لذا يعتمد اختيار البث الصحيح على المشهد.

ما الفرق بين المنطقة والقناع؟

تعرف المنطقة بأنها مساحة قد تهم فيها الأنشطة المتعقبة للتنبيهات أو التسجيلات. قناع الحركة يمنع الحركة في منطقة ضيقة من تفعيل الكشف. قناع تصفية الكائنات يقمع التنبيهات الخاطئة المتكررة لنوع معين من الكائنات في موقع محدد.

يجب استخدام الأقنعة باعتدال. المناطق المطلوبة عادةً ما تكون أفضل عندما يكون الهدف التنبيه فقط داخل منطقة مختارة.

هل يمكن لـ Frigate البحث في لقطات الكاميرا القديمة باستخدام اللغة الطبيعية؟

يمكن لميزة البحث الدلالي في Frigate البحث في الكائنات المتعقبة المفهرسة باستخدام أوصاف نصية أو صور مشابهة. قد تحتاج الأحداث القديمة إلى إعادة فهرسة بعد تفعيل البحث الدلالي.

هل يضمن التسجيل المحلي خصوصية الكاميرا؟

لا. قد تستمر الكاميرات في الاتصال بخوادم البائع، وقد يظل جهاز تسجيل الفيديو الشبكي معرضًا من خلال إعدادات وصول عن بُعد غير آمنة.

الخصوصية تتطلب عزل الشبكة، قواعد جدار الحماية، مصادقة آمنة، وصول عن بُعد محكم، تحديثات البرامج، وأذونات مستخدم مناسبة.

هل يجب نسخ لقطات كاميرات الأمان المستمرة احتياطيًا؟

عادةً ليس كل ذلك. يمكن أن تتبع اللقطات المستمرة الروتينية سياسة احتفاظ محدودة. يجب نسخ التنبيهات المهمة، المقاطع المصدرة، أو الأدلة إلى تخزين محمي عند الحاجة للحفظ طويل الأمد.

المراجع

• مقدمة
• إعدادات الكاميرا
• الأقنعة
• المناطق
• التسجيل
• البحث الدلالي
• التعرف على الوجوه
• التعرف على لوحات السيارات (LPR)
• الذكاء الاصطناعي التوليدي
• الأجهزة الموصى بها
• ملفات تعريف ONVIF
• كاميرا IP تتصل بالخادم الرئيسي