Dlaczego przetwarzać zdarzenia z kamery przed zapisaniem ich na domowym rejestratorze NVR?

Eva Wong jest Technicznym pisarzem i stałym majsterkowiczem w ZimaSpace. Całe życie geek z pasją do homelabów i oprogramowania open-source, specjalizuje się w tłumaczeniu skomplikowanych koncepcji technicznych na przystępne, praktyczne przewodniki. Eva wierzy, że samodzielne hostowanie powinno być zabawą, a nie czymś onieśmielającym. Poprzez swoje samouczki umożliwia społeczności rozwiewanie tajemnic konfiguracji sprzętu, od budowy pierwszego NAS po opanowanie kontenerów Docker.

Przetwarzanie zdarzeń z kamer przed ich zapisaniem pozwala domowemu NVR klasyfikować, śledzić, filtrować i oceniać aktywność, zanim zdecyduje, co zasługuje na długoterminowe przechowywanie.

Kamera generuje ciągłe klatki, ale dom zwykle interesuje osoba przy drzwiach, pojazd wjeżdżający na podjazd, paczka pozostawiona w strefie lub nietypowy dźwięk – a nie każdy cień, ruch drzewa, zmiana ekspozycji czy pusty korytarz. Przetwarzanie zdarzeń zamienia surowy ruch w kontekst czasowy, tożsamość obiektu, wejście do strefy, pewność i znaczenie alertu, zanim zadziała polityka przechowywania. Poniższe sekcje opisują ten proces i wyjaśniają, dlaczego retencja świadoma zdarzeń poprawia wyszukiwanie, powiadomienia, efektywność przechowywania i późniejszą analizę.

Surowy ruch to tylko kandydat do głębszej analizy

Klatka wideo może się zmienić z powodu osoby, zwierzęcia, świateł samochodu, deszczu, owadów, przełączania podczerwieni, szumu kamery lub poruszających się liści. Traktowanie każdej zmiany piksela jako trwałego zdarzenia powodowałoby nadmierną analizę i zapełniało oś czasu przeglądu aktywnością o niskiej wartości.

Frigate używa detekcji ruchu jako pierwszego filtra dla obszarów wartych sprawdzenia za pomocą detekcji obiektów. Ten tani filtr zawęża obszar klatki i zakres czasowy wysyłany do droższego modelu.

To rozróżnienie jest ważne, ponieważ ruch jest czuły, ale nie semantyczny. Odpowiada na pytanie „Czy obraz się zmienił?”, podczas gdy kolejne etapy odpowiadają „Co się poruszyło, dokąd poszło i czy dom się tym interesuje?”

Śledzenie obiektów dodaje kontekst przez wiele klatek

Jedna detekcja opisuje jedną klatkę, ale użyteczne zdarzenie wymaga ciągłości. NVR musi łączyć detekcje w czasie, oceniać, czy należą do tego samego obiektu, i określać, kiedy aktywność się zaczęła, zmieniła lub zakończyła.

Frigate pipeline wideo łączy obszary ruchu z detekcją obiektów przed zastosowaniem reguł retencji wybierających nagrania i migawki. Śledzenie zamienia izolowane ramki w zdarzenie, które może mieć czas trwania, etykietę, pewność i historię ruchu.

Ten kontekst czasowy zapobiega traktowaniu każdej klatki z tym samym zaparkowanym pojazdem jako osobnego zapisanego incydentu. Daje też późniejszym filtrom wystarczająco informacji, by rozróżnić wejście, wyjście, pozostawanie i zachowanie stacjonarne.

Przetwarzanie przed retencją zmniejsza więc duplikację na poziomie zdarzeń, a nie tylko na poziomie kompresji plików.

Strefy i filtry decydują, czy zdarzenie jest istotne

Sama tożsamość obiektu nie wystarcza. Osoba na publicznym chodniku może być normalna, podczas gdy ta sama osoba wchodząca na werandę może wymagać alertu i dłuższej retencji.

Frigate strefy kamer dodają kontekst lokalizacji do śledzonych obiektów. Etykiety, progi pewności, wymagane strefy, maski, filtry rozmiaru i zachowanie pozostawania mogą ograniczyć zdarzenia technicznie ważne, ale operacyjnie nieistotne.

Porządek filtrowania chroni pamięć i uwagę. Detekcja osoby o wysokiej pewności może zostać wykluczona z alertu, jeśli nigdy nie wejdzie do zdefiniowanego obszaru, podczas gdy podgląd o niższej przepustowości może pozostać dostępny do ogólnego przeglądu.

Jakość zdarzenia decyduje, która migawka i klip są użyteczne

Pierwsza klatka zdarzenia może pokazywać tylko część obiektu, rozmycie ruchu lub osobę na krawędzi obrazu. Natychmiastowe zapisanie może zachować słaby miniaturę, nawet gdy chwilę później pojawi się wyraźniejsza klatka.

Frigate ocenia najlepszą migawkę w trakcie całego śledzonego zdarzenia zamiast automatycznie zachowywać każdą klatkę. Pewność, rozmiar obiektu, pozycja na krawędzi i przydatne cechy wpływają na wybrany obraz.

Ta sama zasada dotyczy klipów. Kontekst przed i po zdarzeniu, aktywna część śledzenia i nakładające się obiekty pomagają określić, który segment nagrania jest zrozumiały podczas przeglądu.

Zapis po interpretacji zdarzenia nie oznacza opóźniania wszystkich zapisów do końca zdarzenia. Praktyczny NVR może nagrywać krótkie segmenty ciągle, a następnie używać metadanych zdarzenia do decyzji, które segmenty zachować dłużej.

Polityka retencji zamienia przetworzone zdarzenia w przechowywane dowody

Po ruchu, detekcji, śledzeniu i filtrowaniu NVR ma wystarczający kontekst, by stosować różne okresy retencji do ciągłego materiału, segmentów ruchu, detekcji i alertów. Decyzja o przechowywaniu może odzwierciedlać wartość, zamiast traktować każdą sekundę jednakowo.

Frigate może przechowywać nagrania zdarzeń pokrywające się z alertami lub detekcjami bez zapisywania duplikatów klipów dla nakładających się śledzonych obiektów. Łączy to trwałe wideo z bazą zdarzeń zamiast tworzyć oddzielny plik dla każdego obiektu.

Projekt inteligentnego domu ZimaSpace podobnie oddziela kamery, przetwarzanie NVR, akceleratory, MQTT i przechowywanie nagrań. Ta granica usługi NVR pozwala skalować obciążenie detekcji i pojemność retencji niezależnie.

Zweryfikuj politykę na reprezentatywnych danych dziennych, nocnych, pogodowych, związanych ze zwierzętami, dostawami i aktywnością domową. Celem nie jest jak najmniejsza liczba zapisanych zdarzeń, lecz najmniejszy zestaw przechowywany, który nadal zawiera kontekst potrzebny do alertów, wyszukiwania i przeglądu incydentów.

Centrum Technologii i Sztucznej Inteligencji

Więcej do przeczytania

Get More Builds Like This

Stay in the Loop

Get updates from Zima - new products, exclusive deals, and real builds from the community.

Stay in the Loop preferences

We respect your inbox. Unsubscribe anytime.