Come aggiungere l'analisi IA alle telecamere di sicurezza esistenti

Quasi tutte le organizzazioni che si chiedono come aggiungere l'IA alle proprie telecamere di sicurezza hanno già la risposta che cercano in una delle tre opzioni, e l'errore consiste nell'iniziare dal software anziché dall'infrastruttura. Le telecamere che possiedi (la loro risoluzione alle distanze che contano, le loro angolazioni, il comportamento in condizioni di scarsa illuminazione e il luogo in cui i flussi possono essere elaborati) determinano quale delle tre strade sia effettivamente disponibile per te.

Questa guida copre l'onesto audit delle telecamere che viene prima di tutto, seguito dalle tre strade: l'acquisto di un livello di analisi che si posiziona sopra il tuo sistema di gestione video esistente, l'aggiornamento del VMS o delle telecamere stesse, e l'hosting in autonomia dei modelli di rilevamento sui flussi che hai già. La maggior parte dei lettori dovrebbe sceglierne una delle prime due. La terza è un'opzione reale per un insieme specifico di vincoli, e questa guida spiega chiaramente per quali.

Inizia dall'infrastruttura, non dal software#

Un fornitore di analisi si collegherà volentieri a una telecamera che non è in grado di supportare il rilevamento desiderato. Fai un audit prima di valutare.

• Pixel sul bersaglio, non megapixel. Una telecamera 4K che copre un ampio cortile potrebbe mettere meno pixel su una persona a quaranta metri rispetto a una telecamera 1080p che copre una porta. Ogni rilevamento ha un'altezza minima in pixel, e questo è il motivo singolo più comune per cui un aggiornamento delude le aspettative.
• Angolazione. Le telecamere posizionate per la sicurezza sono solitamente angolate per vedere i volti su un'ampia area. Questa è quasi la geometria peggiore per il conteggio e la logica delle zone, dove le viste dall'alto superano nettamente quelle oblique.
• Comportamento in condizioni di scarsa illuminazione e controluce. Esegui i test al crepuscolo, di notte e a qualsiasi ora il sole punti nell'obiettivo. L'illuminazione a infrarossi cambia notevolmente le caratteristiche dell'immagine e un modello valutato solo su filmati diurni ti sorprenderà.
• Frequenza dei fotogrammi e codec. I flussi pesantemente compressi a basso frame rate perdono i dettagli su cui i modelli fanno affidamento. Verifica cosa memorizza effettivamente il registratore rispetto a ciò che la telecamera può produrre.
• Accesso ai flussi. Riesci a ottenere un secondo flusso RTSP per telecamera senza degradare la registrazione? Molte telecamere supportano un sottoflusso a risoluzione inferiore, che spesso è adeguato e molto più economico da elaborare.
• Capacità e topologia di rete. L'analisi continua su molti flussi consuma larghezza di banda verso un server centrale o richiede capacità di calcolo vicino alle telecamere. Questo decide l'architettura più spesso di quanto faccia la preferenza per il software.
• Età della telecamera e stato delle patch. Le telecamere con credenziali predefinite su una rete piatta rappresentano un problema di sicurezza prima ancora di essere un'opportunità di analisi.

Il risultato di questo audit è solitamente una suddivisione: alcune telecamere vanno bene per il rilevamento di zone e presenza, poche sono adatte per una classificazione dettagliata, e una manciata richiede il riposizionamento o la sostituzione indipendentemente dalla strada scelta.

Tre strade#

Strada 1: un livello di analisi sopra il tuo VMS esistente#

Questa è la raccomandazione predefinita. Questi prodotti esistono specificamente per aggiungere capacità di rilevamento alle infrastrutture di telecamere senza sostituirle, e per i casi d'uso di sicurezza standard sono più veloci ed economici di qualsiasi cosa tu possa costruire.

BriefCam. Un livello di analisi dei contenuti video più forte nella revisione rapida e nella ricerca su filmati registrati, distribuibile on-premise. Ideale per ambienti ad alta intensità di investigazione in cui la ricerca di eventi in video storici è il carico di lavoro principale. Compromesso: si posiziona sopra un VMS, aggiungendo un componente anziché sostituirne uno.

IronYun / Vaidio. Un livello di analisi IA progettato per portare il rilevamento a telecamere e piattaforme VMS esistenti, con un ampio catalogo di rilevamenti di sicurezza. Ideale per le organizzazioni che desiderano più analisi senza toccare l'infrastruttura di registrazione. Compromesso: un altro fornitore nella catena di integrazione da testare e mantenere.

Lumana. Focalizzato sull'aggiunta dell'IA alle infrastrutture di telecamere esistenti, con attenzione al percorso di aggiornamento stesso piuttosto che a un'installazione da zero (greenfield). Ideale per i team il cui requisito esplicito è mantenere le telecamere attuali. Compromesso: un nuovo entrante rispetto ai fornitori di VMS consolidati.

Volt.ai. Analogamente orientato a sovrapporre l'IA all'infrastruttura di sorveglianza esistente, con la guida all'integrazione come parte visibile della sua offerta. Ideale per organizzazioni che eseguono retrofit su hardware di telecamere misto. Compromesso: come per qualsiasi overlay, la qualità del risultato dipende comunque dalle telecamere sottostanti.

Cosa ottieni da tutti e quattro: rilevamenti standard (presenza di persone e veicoli, attraversamento di linee, intrusione in zone, girovagare, oggetto abbandonato, densità di folla, ricerca basata su attributi su filmati registrati) con supporto e qualcuno responsabile della precisione. Cosa non ottieni: un rilevamento che non è nel catalogo.

Una nota sulla definizione dell'ambito. Diversi di questi prodotti commercializzano la ricerca di attributi sui filmati, e i fornitori differiscono notevolmente sul fatto che ciò significhi abbinare attributi descrittivi come il colore dei vestiti o abbinare identità. Si tratta di capacità sostanzialmente diverse con un'esposizione legale sostanzialmente diversa, e vale la pena stabilire quale stai acquistando e quale desideri effettivamente. Limitare l'ambito al rilevamento di attributi ed eventi, anziché all'identità, è sia una conversazione sulla conformità più semplice sia sufficiente per la maggior parte dei flussi di lavoro di sicurezza.

Strada 2: aggiornamento del VMS o delle telecamere#

A volte la risposta onesta è che l'infrastruttura, e non l'analisi, è il vincolo. Se le telecamere sono vecchie, posizionate male, impossibili da aggiornare con patch e registrano a basse frequenze di fotogrammi, sovrapporre l'IA ad esse porta solo a delusioni.

Genetec Security Center. Video unificato, controllo degli accessi e ALPR con robusti strumenti di cybersicurezza e privacy, distribuibile on-premise. Ideale per grandi aziende e infrastrutture del settore pubblico che necessitano di una sicurezza fisica unificata. Compromesso: piattaforma sostanziale che richiede competenze corrispondenti.

Milestone XProtect. Un VMS a piattaforma aperta con un ampio ecosistema di integrazione di terze parti, in modo che l'analisi possa essere selezionata indipendentemente dal livello di registrazione. Ideale per le organizzazioni che vogliono mantenere questa scelta aperta. Compromesso: qualcuno deve occuparsi dell'assemblaggio dell'integrazione.

Avigilon Unity. Sicurezza video on-premise con analisi integrate e stretta integrazione tra telecamera e software. Ideale per i team che desiderano uno stack coerente da un unico fornitore. Compromesso: dà il meglio di sé quando si adottano le sue telecamere.

Verkada. Telecamere gestite via cloud con analisi integrate e una forte enfasi sulla facilità di implementazione e gestione. Ideale per organizzazioni distribuite multi-sede con IT in loco limitato. Compromesso: architettura gestita via cloud, che alcuni requisiti di residenza dei dati escludono.

Rhombus. Analogamente gestito via cloud con analisi incluse, pensato per un rollout multi-sede diretto. Ideale per organizzazioni di medie dimensioni che desiderano una rapida implementazione. Compromesso: come sopra, il modello cloud è un vincolo laddove i filmati devono rimanere locali.

Eagle Eye Networks. Gestione video in cloud con un approccio API aperto e opzioni di analisi. Ideale per le organizzazioni che desiderano la gestione in cloud pur mantenendo la flessibilità di integrazione. Compromesso: architettura incentrata sul cloud.

Axis Camera Station. Gestione video on-premise semplice con telecamere Axis e analisi a bordo della telecamera, con documentazione sulla provenienza dell'hardware insolitamente dettagliata. Ideale per distribuzioni Axis di medie dimensioni. Compromesso: meno adatto a grandi infrastrutture multi-sede rispetto alle piattaforme enterprise.

Se sono in gioco requisiti di residenza dei dati, air-gap o restrizioni sugli acquisti, questi riducono l'elenco prima di qualsiasi altra cosa. I framework di conformità che guidano tali decisioni sono trattati in modo più approfondito nella nostra guida all'analisi video on-premise per la conformità della sicurezza.

Strada 3: modelli self-hosted sui tuoi flussi esistenti#

Questa è la strada della minoranza, ed è quella giusta in condizioni specifiche:

• Il rilevamento non è in alcun catalogo. Un pezzo di attrezzatura specifico, una condizione specifica della struttura, uno stato del processo, un prodotto su una linea. Le analisi di sicurezza generiche non possono essere configurate in una nuova classe. - Il confine dell'inferenza è assoluto. Non solo l'archiviazione. Nessuna immagine può lasciare la rete per l'analisi, compreso il livello cloud di un fornitore. - Stai distribuendo un prodotto. Se l'analisi è una funzione di qualcosa che vendi, la licenza per canale non si adatta al modello di costo e sei uno sviluppatore. - La licenza per canale non scala in base al numero dei tuoi flussi e disponi della capacità ingegneristica per gestire un'alternativa. - Hai bisogno del controllo del ciclo di vita del modello, riaddestrandolo sui tuoi filmati man mano che il sito cambia anziché attendere i rilasci dei fornitori.

Se nessuno di questi si applica, scegli la strada 1.

L'architettura#

Mantieni il VMS. Registrazione, conservazione, controllo degli accessi e log di audit sono problemi risolti e rilevanti per la conformità. Consuma i flussi da esso; non sostituirlo.

Estrai i flussi RTSP nel tuo servizio di inferenza. Preferisci il sottoflusso della telecamera dove la risoluzione lo consente. Costa molto meno da decodificare, e la decodifica è frequentemente il vero collo di bottiglia anziché l'inferenza.

Esegui rilevamento e tracciamento. I modelli Ultralytics YOLO (YOLOv8, YOLO11 e YOLO26) coprono i compiti pertinenti: rilevamento per persone, veicoli e oggetti, tracciamento per attraversamento di linee e logica delle zone, stima della posa per postura e rilevamento di cadute, segmentazione laddove i confini contano più dei riquadri. Esporta in ONNX o TensorRT per l'hardware su cui stai eseguendo la distribuzione.

Addestra sui tuoi filmati. Un modello generale gestisce bene persone e veicoli. Le tue telecamere specifiche, gli angoli, il meteo e l'illuminazione determinano la precisione di produzione, e i dataset pubblici non li rappresenteranno. Ultralytics Platform può annotare i filmati del sito con la Smart Annotation basata su SAM e addestrare nello stesso flusso di lavoro, il che è importante quando l'alternativa è unire insieme strumenti di annotazione e addestramento.

Scrivi gli eventi nel flusso di lavoro di sicurezza. I rilevamenti appartengono al VMS o al sistema di gestione degli allarmi che gli operatori già guardano. Una dashboard separata diventa una cosa separata che nessuno apre.

Definisci le licenze prima che il progetto pilota diventi produzione. I modelli Ultralytics YOLO sono offerti sotto licenza AGPL-3.0, e le distribuzioni commerciali o proprietarie richiedono generalmente una licenza Ultralytics Enterprise, che copre anche la distribuzione privata e il supporto avanzato. Risolvere questo aspetto in fase di progettazione è molto più economico che farlo dopo un rollout.

Dimensionamento del calcolo#

L'inferenza continua su molti flussi è un esercizio di pianificazione della capacità, e due leve predominano.

La prima è la frequenza dei fotogrammi (frame rate). La maggior parte degli eventi di sicurezza non richiede ogni fotogramma. Imposta la frequenza in base all'evento più breve che devi catturare (una persona che attraversa una linea richiede molto meno di 30fps) e i requisiti di capacità diminuiscono tipicamente in modo sostanziale.

La seconda è dove viene eseguita l'inferenza. I dispositivi edge vicini alle telecamere evitano lo streaming video attraverso la rete e mantengono i filmati locali, che spesso è lo scopo principale. Un server GPU centrale è più semplice da gestire e monitorare ma concentra la richiesta di larghezza di banda. Le infrastrutture miste comunemente fanno entrambe le cose: inferenza edge nei siti remoti, elaborazione centrale dove la rete è buona.

Esegui benchmark sui tuoi flussi e sul tuo hardware. I dati sul throughput del modello misurati su dataset curati non predicono ciò che una pipeline di decodifica più inferenza ottiene sulle tue telecamere.

I falsi allarmi si risolvono a monte del modello, non all'interno di esso#

Il fallimento più comune di un sistema autocostruito non è la scarsa precisione di rilevamento. È un volume di avvisi a cui gli operatori smettono di rispondere entro due settimane.

I rilevamenti non sono eventi. Il livello che converte i riquadri in avvisi è dove il tasso di falsi allarmi viene effettivamente controllato:

• Persistenza. Richiedi che una traccia sia stabilita su più fotogrammi prima che venga conteggiata. I rilevamenti a fotogramma singolo sono rumore.
• Geometria delle zone in termini reali. Un poligono disegnato su un'immagine 2D non è un'area sul terreno. Senza calibrazione della prospettiva, una persona ben al di fuori di una zona di pericolo può apparire al suo interno.
• Debouncing (eliminazione dei rimbalzi). Una persona che si aggira a una soglia non dovrebbe generare eventi di attraversamento ripetuti.
• Pianificazioni ed esenzioni. Un muletto in un corridoio alle 14:00 è normale e alle 02:00 non lo è. Codificare questo rimuove una grande frazione di avvisi.
• Livelli di escalation. Non ogni rilevamento merita un allarme. L'avviso in tempo reale, il riassunto del turno e il trend settimanale sono tre output diversi con tre requisiti di precisione diversi.

Aspettati che questo livello richieda più codice rispetto all'integrazione del modello, e misura il sistema sui falsi allarmi per turno anziché sulla precisione di rilevamento rispetto a un set di test. I falsi allarmi per turno determinano se il sistema sarà ancora acceso tra tre mesi.

Privacy e ambito#

L'aggiunta di analisi a telecamere esistenti cambia ciò che quelle telecamere fanno, e ciò solitamente attiva obblighi che l'installazione originale non aveva.

• Limitazione delle finalità. Le telecamere installate per la sicurezza non dovrebbero diventare silenziosamente strumenti di monitoraggio della produttività o del comportamento. Negli ambienti di lavoro questo è sia un problema legale che un problema di fiducia.
• Rivaluta, non ereditare. L'aggiunta di analisi automatizzate a filmati esistenti richiede generalmente una nuova valutazione della protezione dei dati e, in gran parte dell'UE, la consultazione del comitato aziendale (rappresentanza sindacale).
• Escludi il riconoscimento dell'identità. Il rilevamento di persone e veicoli, l'attraversamento di linee, l'intrusione in zone, il girovagare, la densità di folla e gli oggetti abbandonati funzionano tutti su rilevamenti anonimi. Ultralytics non offre i suoi modelli per il riconoscimento facciale, e l'abbinamento delle identità comporta un'esposizione legale sostanzialmente maggiore senza migliorare nessuno di questi rilevamenti.
• Minimizza ciò che conservi. Laddove eventi e conteggi rispondono alla domanda, mantieni eventi e conteggi.
• Registra la visualizzazione e l'esportazione, non solo le modifiche alla configurazione.
• Segmenta la rete delle telecamere. Un retrofit è un buon momento per sistemare le reti piatte e le credenziali predefinite.