Quantos streams de câmaras consegue um NVR doméstico analisar à mesma taxa de deteção?
Um NVR doméstico só consegue analisar tantos streams quantos o seu detetor e pipeline de vídeo consigam suportar sem reduzir a taxa de deteção configurada para cada câmara.
Se oito câmaras solicitarem cada uma cinco fotogramas de deteção por segundo, o detetor terá de suportar pelo menos 40 inferências por segundo após o overhead. No entanto, a descodificação, o redimensionamento, o seguimento, a gravação e a filtragem de movimento também consomem CPU, GPU, largura de banda da memória e E/S. O limite real de streams é atingido quando a cadência de deteção por câmara ou a latência dos eventos começa a diminuir durante a atividade simultânea em casa.
A Procura de Deteção É Igual ao Número de Streams Multiplicado pelos FPS de Deteção
O cálculo mínimo mais simples é o número de câmaras multiplicado pelo número configurado de fotogramas de deteção por segundo. Dez câmaras a cinco FPS solicitam 50 fotogramas analisados por segundo. A filtragem de movimento pode reduzir o trabalho efetivo, mas o planeamento de capacidade deve incluir períodos em que muitas câmaras estão ativas em simultâneo.
O projeto de deteção local de objetos separa a gravação local da deteção de objetos em tempo real e recomenda aceleração dedicada em vez de deteção apenas através da CPU. Esses processos colocam cargas diferentes no mesmo servidor.
Os FPS da fonte da câmara não correspondem necessariamente aos FPS de deteção. Um stream de gravação a 25 FPS pode alimentar um stream de deteção a cinco FPS, reduzindo a procura de inferências sem diminuir a fluidez dos movimentos gravados. Confundir os dois torna as estimativas de capacidade excessivas ou inseguras.
A Descodificação e o Pré-processamento Podem Tornar-se o Primeiro Estrangulamento
Antes da inferência, o vídeo comprimido tem de ser descodificado, redimensionado, convertido de cor e copiado para o detetor. A descodificação por hardware pode transferir carga da CPU, mas o codec, a resolução, a profundidade de cor e os limites de sessões simultâneas são relevantes. As gravações e a transcodificação da visualização em direto competem pelo mesmo pipeline.
Uma visão geral dos aceleradores de IA explica que os aceleradores podem superar CPUs generalistas em inferências repetidas, com menor overhead no sistema anfitrião. A descodificação tem, ainda assim, de fornecer os fotogramas a tempo.
Por isso, um detetor rápido não garante mais câmaras. Se a fila de fotogramas crescer antes da inferência, a capacidade adicional do detetor ficará ociosa. Se o armazenamento bloquear, a gravação pode ser afetada mesmo quando os FPS de deteção parecem corretos.
Onde a Fórmula da Divisão Falha
Dividir os FPS do detetor pelos FPS de cada câmara pressupõe um custo de modelo igual e fotogramas independentes. Modelos secundários de rostos, matrículas, poses ou classificação acrescentam trabalho apenas a determinadas deteções. A divisão em blocos com resolução variável e os streams remotos podem criar custos desiguais.
Uma explicação do produto sobre o reconhecimento secundário salienta que o reconhecimento secundário pode tornar o pipeline mais lento, a menos que as tarefas partilhem as deteções de forma eficiente. A seleção de funcionalidades altera a capacidade mesmo com os mesmos FPS base.
A estimativa também falha quando o limite é a latência e não o débito. Um detetor pode atingir uma média de 60 FPS, mas atrasar ocasionalmente uma câmara durante vários segundos porque as filas não são geridas de forma justa. Taxas médias iguais não garantem uma resposta uniforme por stream.
Aumente o Número de Streams Até o Stream Mais Lento Começar a Falhar
Ative as câmaras uma de cada vez, utilizando o codec, a resolução, o modo de gravação e os FPS de deteção finais. Desencadeie movimento simultâneo em todas as vistas e registe os FPS de deteção alcançados por câmara, a idade da fila de fotogramas, o tempo de inferência, a utilização da descodificação, os fotogramas perdidos, o atraso dos eventos e a latência do disco.
Execute o teste na mesma configuração do anfitrião de computação de vídeo partilhada que irá partilhar os serviços de vídeo e IA. Desative tarefas não relacionadas apenas se também forem afastadas do horário de produção.
Mantenha o número máximo de câmaras cujo stream mais lento conserve pelo menos 95% da sua taxa de deteção configurada e cujo atraso de eventos p95 permaneça dentro do objetivo escolhido. Reserve 20% de margem de capacidade do detetor e da descodificação para movimentos simultâneos e modelos secundários.
Produtos recomendados
Centro de Tecnologia e IA
Mais para Ler
Como medir a qualidade da recuperação RAG local e interpretar a cobertura da recuperação, da precisão e das citações
Crie um conjunto de teste RAG local, calcule as principais métricas de recuperação, interprete os seus compromissos e audite se as afirmações das respostas...
Porque é que a computação das funcionalidades de casa inteligente se torna mais importante à medida que aumenta o número de sensores à mesma taxa de amostragem?
Monitorize o processamento por sensor e entre sensores à medida que o número de dispositivos aumenta, identifique os custos não lineares da fusão e...
Porque é que o custo da avaliação de RAG se torna mais importante à medida que a biblioteca de documentos cresce, com o mesmo volume de consultas?
Compreenda por que o crescimento do corpus aumenta o esforço de avaliação do RAG sem mais consultas dos utilizadores e como os testes estratificados...
