Cách bổ sung phân tích AI cho camera an ninh hiện có

Hầu hết mọi tổ chức hỏi cách bổ sung AI vào camera an ninh đều đã có câu trả lời cần thiết trong một trong ba phương án, và sai lầm là bắt đầu từ phần mềm thay vì hệ thống camera hiện có. Camera bạn sở hữu (độ phân giải ở những khoảng cách quan trọng, góc lắp đặt, khả năng ghi hình thiếu sáng và nơi có thể xử lý luồng hình ảnh) quyết định phương án nào trong ba phương án khả thi với bạn.

Hướng dẫn này trình bày quy trình kiểm kê camera thực tế cần thực hiện trước tiên, sau đó là ba phương án: mua một lớp phân tích hoạt động trên hệ thống quản lý video hiện có, nâng cấp VMS hoặc chính camera, và tự lưu trữ model phát hiện trên các luồng hình ảnh hiện có. Hầu hết độc giả nên chọn một trong hai phương án đầu. Phương án thứ ba phù hợp trong một số điều kiện cụ thể, và hướng dẫn này nêu rõ đó là những điều kiện nào.

Bắt đầu từ hệ thống camera hiện có, không phải phần mềm#

Nhà cung cấp giải pháp phân tích sẽ sẵn lòng kết nối với một camera dù camera đó không đáp ứng được yêu cầu phát hiện của bạn. Hãy kiểm tra trước khi đánh giá.

• Số pixel trên đối tượng, không phải số megapixel. Camera 4K bao quát một sân rộng có thể ghi được ít pixel trên người ở khoảng cách 40 mét hơn camera 1080p hướng vào một lối đi. Mỗi tác vụ phát hiện đều yêu cầu chiều cao tối thiểu theo pixel, và đây là lý do phổ biến nhất khiến việc nâng cấp hệ thống hiện có không đạt kỳ vọng.
• Góc quay. Camera lắp đặt để đảm bảo an ninh thường được đặt góc để nhìn thấy khuôn mặt trong một khu vực rộng. Đây gần như là góc nhìn kém nhất cho việc đếm và xử lý logic vùng, vốn hoạt động hiệu quả hơn hẳn với góc nhìn từ trên cao thay vì góc xiên.
• Khả năng ghi hình thiếu sáng và ngược sáng. Hãy kiểm tra lúc chạng vạng, ban đêm và vào bất kỳ thời điểm nào mặt trời chiếu vào ống kính. Chiếu sáng hồng ngoại làm thay đổi đáng kể đặc tính hình ảnh, và model chỉ được đánh giá trên video ban ngày có thể cho kết quả bất ngờ.
• Tốc độ khung hình và codec. Luồng hình ảnh bị nén mạnh, tốc độ khung hình thấp sẽ mất đi những chi tiết mà model cần. Hãy kiểm tra nội dung đầu ghi thực sự lưu so với những gì camera có thể xuất.
• Quyền truy cập luồng hình ảnh. Bạn có thể lấy luồng RTSP thứ hai từ mỗi camera mà không làm giảm chất lượng ghi hình không? Nhiều camera hỗ trợ luồng phụ có độ phân giải thấp hơn, thường là đủ dùng và rẻ hơn nhiều khi xử lý.
• Năng lực và cấu trúc mạng. Phân tích liên tục nhiều luồng hình ảnh sẽ tiêu tốn băng thông đến máy chủ trung tâm hoặc đòi hỏi tài nguyên tính toán gần camera. Yếu tố này thường quyết định kiến trúc nhiều hơn sở thích về phần mềm.
• Tuổi đời và tình trạng vá lỗi của camera. Camera dùng thông tin đăng nhập mặc định trên mạng phẳng là một vấn đề bảo mật trước khi trở thành cơ hội phân tích.

Kết quả kiểm kê thường cho thấy cần chia camera thành nhiều nhóm: một số phù hợp để phát hiện vùng và sự hiện diện, ít camera hơn đáp ứng được yêu cầu phân loại chi tiết, và một số cần di chuyển vị trí hoặc thay thế bất kể chọn phương án nào.

Ba phương án#

Phương án 1: lớp phân tích trên VMS hiện có#

Đây là khuyến nghị mặc định. Những sản phẩm này được phát triển chuyên biệt để bổ sung khả năng phát hiện cho hệ thống camera mà không cần thay thế chúng; với các trường hợp sử dụng an ninh tiêu chuẩn, chúng nhanh hơn và rẻ hơn mọi giải pháp bạn tự xây dựng.

BriefCam. Lớp phân tích nội dung video có thế mạnh nhất về rà soát nhanh và tìm kiếm trên video đã ghi, có thể triển khai tại chỗ. Phù hợp nhất với môi trường thường xuyên điều tra, nơi tìm sự kiện trong video lưu trữ là khối lượng công việc chính. Đánh đổi: giải pháp hoạt động trên VMS, bổ sung thêm một thành phần thay vì thay thế thành phần hiện có.

IronYun / Vaidio. Lớp phân tích AI được thiết kế để bổ sung khả năng phát hiện cho camera và nền tảng VMS hiện có, với danh mục tác vụ phát hiện an ninh đa dạng. Phù hợp nhất với các tổ chức muốn có thêm tính năng phân tích mà không động đến hạ tầng ghi hình. Đánh đổi: có thêm một nhà cung cấp trong chuỗi tích hợp cần kiểm thử và bảo trì.

Lumana. Tập trung bổ sung AI vào hệ thống camera hiện có, chú trọng chính quy trình nâng cấp thay vì giả định triển khai mới hoàn toàn. Phù hợp nhất với các nhóm có yêu cầu rõ ràng là giữ lại camera hiện tại. Đánh đổi: là nhà cung cấp mới hơn so với các nhà cung cấp VMS lâu năm.

Volt.ai. Tương tự, giải pháp này tập trung triển khai AI trên hạ tầng giám sát hiện có, trong đó hướng dẫn tích hợp là một phần nổi bật trong sản phẩm. Phù hợp nhất với các tổ chức nâng cấp hệ thống có nhiều loại phần cứng camera. Đánh đổi: như mọi giải pháp lớp phủ, chất lượng kết quả vẫn phụ thuộc vào camera nền tảng.

Cả bốn giải pháp đều cung cấp những gì: các tác vụ phát hiện tiêu chuẩn (sự hiện diện của người và phương tiện, vượt vạch, xâm nhập vùng, đi lang thang, bỏ quên đồ vật, mật độ đám đông, tìm kiếm dựa trên thuộc tính trong video đã ghi), cùng dịch vụ hỗ trợ và đơn vị chịu trách nhiệm về độ chính xác. Những gì bạn không nhận được: tác vụ phát hiện không có trong danh mục.

Lưu ý khi xác định phạm vi. Một số sản phẩm tiếp thị tính năng tìm kiếm theo thuộc tính trên video, nhưng các nhà cung cấp có cách hiểu rất khác nhau về việc đó là đối sánh thuộc tính mô tả như màu quần áo hay đối sánh danh tính. Đây là những năng lực khác biệt đáng kể, với mức độ rủi ro pháp lý cũng khác biệt đáng kể. Vì vậy, bạn nên xác định rõ mình đang mua gì và thực sự muốn gì. Giới hạn phạm vi ở việc phát hiện thuộc tính và sự kiện, thay vì danh tính, vừa giúp việc tuân thủ đơn giản hơn vừa đáp ứng đủ phần lớn quy trình an ninh.

Phương án 2: nâng cấp VMS hoặc camera#

Đôi khi, câu trả lời thực tế là hệ thống camera hiện có mới là hạn chế, chứ không phải giải pháp phân tích. Nếu camera đã cũ, lắp sai vị trí, không thể vá lỗi và ghi hình ở tốc độ khung hình thấp, bổ sung AI lên trên chỉ khiến bạn thất vọng.

Genetec Security Center. Giải pháp hợp nhất video, kiểm soát ra vào và ALPR với các công cụ an ninh mạng và quyền riêng tư mạnh mẽ, có thể triển khai tại chỗ. Phù hợp nhất với hệ thống quy mô lớn của doanh nghiệp và cơ quan công quyền cần giải pháp an ninh vật lý hợp nhất. Đánh đổi: nền tảng phức tạp, đòi hỏi chuyên môn tương ứng.

Milestone XProtect. VMS nền tảng mở với hệ sinh thái tích hợp bên thứ ba phong phú, cho phép chọn giải pháp phân tích độc lập với lớp ghi hình. Phù hợp nhất với các tổ chức muốn duy trì quyền lựa chọn đó. Đánh đổi: cần có người chịu trách nhiệm lắp ghép và quản lý tích hợp.

Avigilon Unity. Giải pháp an ninh video tại chỗ với tính năng phân tích tích hợp và khả năng tích hợp chặt chẽ giữa camera với phần mềm. Phù hợp nhất với các nhóm muốn có một hệ thống đồng bộ từ cùng một nhà cung cấp. Đánh đổi: phát huy hiệu quả cao nhất khi dùng camera của chính hãng.

Verkada. Camera được quản lý qua cloud với tính năng phân tích tích hợp, chú trọng khả năng triển khai và quản lý dễ dàng. Phù hợp nhất với các tổ chức nhiều địa điểm phân tán, có ít nhân sự IT tại chỗ. Đánh đổi: kiến trúc quản lý qua cloud không đáp ứng được một số yêu cầu về lưu trú dữ liệu.

Rhombus. Tương tự, giải pháp được quản lý qua cloud và tích hợp sẵn tính năng phân tích, hướng đến triển khai dễ dàng trên nhiều địa điểm. Phù hợp nhất với các tổ chức quy mô trung bình muốn triển khai nhanh. Đánh đổi: như trên, mô hình cloud là một hạn chế khi video phải được lưu trữ tại chỗ.

Eagle Eye Networks. Giải pháp quản lý video qua cloud với hướng tiếp cận API mở và nhiều tùy chọn phân tích. Phù hợp nhất với các tổ chức muốn quản lý qua cloud nhưng vẫn linh hoạt trong tích hợp. Đánh đổi: kiến trúc tập trung vào cloud.

Axis Camera Station. Giải pháp quản lý video tại chỗ đơn giản với camera Axis và tính năng phân tích trên camera, cùng tài liệu truy xuất nguồn gốc phần cứng chi tiết khác thường. Phù hợp nhất với các hệ thống Axis quy mô trung bình. Đánh đổi: kém phù hợp hơn các nền tảng doanh nghiệp đối với hệ thống nhiều địa điểm quy mô rất lớn.

Nếu có yêu cầu về lưu trú dữ liệu, ngắt kết nối mạng hoặc hạn chế mua sắm, danh sách này sẽ được thu hẹp trước tiên. Hướng dẫn của chúng tôi về phân tích video an ninh tại chỗ sẽ trình bày sâu hơn các khung tuân thủ chi phối những quyết định đó.

Phương án 3: tự lưu trữ model trên các luồng hình ảnh hiện có#

Đây là phương án ít được chọn, nhưng phù hợp khi có những điều kiện cụ thể sau:

• Tác vụ phát hiện không có trong bất kỳ danh mục nào. Một thiết bị cụ thể, điều kiện đặc thù tại cơ sở, trạng thái quy trình hoặc sản phẩm trên dây chuyền. Không thể cấu hình giải pháp phân tích an ninh tổng quát để nhận diện một lớp mới. - Ranh giới suy luận tuyệt đối. Không chỉ là lưu trữ. Không hình ảnh nào được rời khỏi mạng để phân tích, kể cả chuyển đến tầng cloud của nhà cung cấp. - Bạn đang phát hành sản phẩm. Nếu phân tích là tính năng của sản phẩm bạn bán, giấy phép tính theo kênh không phù hợp với mô hình chi phí và bạn sẽ phải tự xây dựng. - Giấy phép tính theo kênh không thể mở rộng với số lượng luồng của bạn, và bạn có đủ năng lực kỹ thuật để vận hành một giải pháp thay thế. - Bạn cần kiểm soát vòng đời model, huấn luyện lại trên video của chính mình khi địa điểm thay đổi thay vì chờ nhà cung cấp phát hành bản cập nhật.

Nếu không có điều kiện nào trong số đó áp dụng, hãy chọn phương án 1.

Kiến trúc#

Giữ lại VMS. Các chức năng ghi hình, lưu trữ, kiểm soát truy cập và ghi nhật ký kiểm toán đã được giải quyết và có liên quan đến tuân thủ. Hãy lấy luồng hình ảnh từ VMS, đừng thay thế VMS.

Đưa luồng RTSP vào dịch vụ suy luận của riêng bạn. Ưu tiên luồng phụ của camera nếu độ phân giải đáp ứng yêu cầu. Luồng phụ tốn ít tài nguyên giải mã hơn nhiều, và giải mã thường mới là nút thắt thực sự chứ không phải suy luận.

Chạy phát hiện và theo dõi. Model Ultralytics YOLO (YOLOv8, YOLO11 và YOLO26) đáp ứng các tác vụ liên quan: phát hiện người, phương tiện và đồ vật; theo dõi để xử lý vượt vạch và logic vùng; ước tính tư thế để nhận diện tư thế và phát hiện té ngã; phân đoạn khi ranh giới quan trọng hơn hộp giới hạn. Xuất sang ONNX hoặc TensorRT cho phần cứng bạn triển khai.

Huấn luyện trên video của chính bạn. Model tổng quát xử lý tốt người và phương tiện. Camera, góc quay, thời tiết và điều kiện chiếu sáng cụ thể quyết định độ chính xác khi triển khai thực tế, còn tập dữ liệu công khai sẽ không đại diện cho các điều kiện đó. Ultralytics Platform có thể gán nhãn video tại cơ sở bằng Smart Annotation dựa trên SAM và huấn luyện trong cùng một quy trình, rất hữu ích khi giải pháp thay thế là ghép các công cụ gán nhãn và huấn luyện riêng biệt.

Ghi sự kiện trở lại quy trình an ninh. Kết quả phát hiện cần được đưa vào VMS hoặc hệ thống quản lý báo động mà nhân viên vận hành đã theo dõi. Một dashboard riêng sẽ trở thành một công cụ khác không ai mở.

Xác định giấy phép trước khi dự án thí điểm chuyển sang sản xuất. Model Ultralytics YOLO được cung cấp theo giấy phép AGPL-3.0, và các triển khai thương mại hoặc độc quyền thường cần giấy phép Ultralytics Enterprise, bao gồm cả triển khai riêng tư và dịch vụ hỗ trợ nâng cao. Giải quyết vấn đề này trong giai đoạn thiết kế sẽ rẻ hơn nhiều so với sau khi triển khai.

Ước tính nhu cầu tài nguyên tính toán#

Suy luận liên tục trên nhiều luồng là bài toán hoạch định năng lực, với hai yếu tố chi phối chính.

Yếu tố thứ nhất là tốc độ khung hình. Hầu hết sự kiện an ninh không cần xử lý mọi khung hình. Hãy chọn tốc độ dựa trên sự kiện ngắn nhất cần phát hiện (phát hiện người vượt vạch cần ít hơn nhiều so với 30fps), nhờ đó thường giảm đáng kể nhu cầu năng lực xử lý.

Yếu tố thứ hai là vị trí chạy suy luận. Thiết bị biên đặt gần camera tránh phải truyền video qua mạng và giữ video tại chỗ, đây thường là mục tiêu chính. Máy chủ GPU trung tâm dễ vận hành và quản lý hơn nhưng tập trung nhu cầu băng thông. Hệ thống gồm nhiều loại thiết bị thường kết hợp cả hai: suy luận biên tại các địa điểm ở xa, xử lý tập trung tại nơi có mạng tốt.

Hãy đánh giá hiệu năng trên luồng hình ảnh và phần cứng của chính bạn. Thông lượng model đo trên tập dữ liệu đã tuyển chọn không dự đoán được hiệu năng của quy trình giải mã kết hợp suy luận trên camera của bạn.

Xử lý báo động giả ở tầng trên model, không phải bên trong model#

Lỗi phổ biến nhất của hệ thống tự xây dựng không phải là độ chính xác phát hiện kém. Đó là số lượng cảnh báo lớn đến mức nhân viên vận hành ngừng phản hồi chỉ sau hai tuần.

Kết quả phát hiện không đồng nghĩa với sự kiện. Tầng chuyển các hộp giới hạn thành cảnh báo là nơi thực sự kiểm soát tỷ lệ báo động giả:

• Duy trì đối tượng. Yêu cầu theo dõi đối tượng qua nhiều khung hình trước khi tính là phát hiện. Kết quả phát hiện đơn khung hình chỉ là nhiễu.
• Hình học vùng theo điều kiện thực tế. Đa giác vẽ trên ảnh 2D không phải là một khu vực trên mặt đất. Nếu không hiệu chuẩn phối cảnh, người đứng cách xa vùng nguy hiểm vẫn có thể xuất hiện bên trong vùng đó.
• Chống kích hoạt lặp. Một người đi lang thang tại ngưỡng không nên tạo ra nhiều sự kiện vượt ngưỡng lặp lại.
• Lịch hoạt động và ngoại lệ. Xe nâng ở lối đi lúc 2 giờ chiều là bình thường, nhưng lúc 2 giờ sáng thì không. Mã hóa quy tắc này giúp loại bỏ một lượng lớn cảnh báo.
• Các cấp độ xử lý. Không phải kết quả phát hiện nào cũng cần báo động. Cảnh báo trực tiếp, tổng kết ca làm và xu hướng hàng tuần là ba loại đầu ra khác nhau, với yêu cầu độ chính xác khác nhau.

Hãy dự kiến rằng tầng này cần nhiều code hơn phần tích hợp model, và đánh giá hệ thống dựa trên số báo động giả mỗi ca thay vì độ chính xác phát hiện trên tập kiểm thử. Số báo động giả mỗi ca quyết định liệu hệ thống còn được bật sau ba tháng hay không.

Quyền riêng tư và phạm vi#

Bổ sung tính năng phân tích vào camera hiện có sẽ làm thay đổi cách camera hoạt động, và việc đó thường dẫn đến các nghĩa vụ mà hệ thống lắp đặt ban đầu không có.

• Giới hạn mục đích. Không nên âm thầm biến camera lắp đặt vì mục đích an ninh thành công cụ giám sát năng suất hoặc hành vi. Trong môi trường làm việc, đây vừa là vấn đề pháp lý vừa là vấn đề niềm tin.
• Đánh giá lại, không mặc nhiên kế thừa. Việc bổ sung phân tích tự động vào video hiện có thường đòi hỏi đánh giá lại việc bảo vệ dữ liệu; tại phần lớn các nước EU, còn cần tham vấn hội đồng lao động.
• Loại trừ đối sánh danh tính khỏi phạm vi. Phát hiện người và phương tiện, vượt vạch, xâm nhập vùng, đi lang thang, mật độ đám đông và bỏ quên đồ vật đều hoạt động dựa trên kết quả phát hiện ẩn danh. Ultralytics không cung cấp model cho nhận diện khuôn mặt, và đối sánh danh tính kéo theo rủi ro pháp lý lớn hơn đáng kể mà không cải thiện bất kỳ tác vụ phát hiện nào trong số đó.
• Giảm thiểu dữ liệu lưu giữ. Nếu sự kiện và số liệu đếm trả lời được câu hỏi, hãy chỉ lưu sự kiện và số liệu đếm.
• Ghi nhật ký việc xem và xuất dữ liệu, không chỉ các thay đổi cấu hình.
• Phân đoạn mạng camera. Nâng cấp hệ thống là thời điểm thích hợp để xử lý mạng phẳng và thông tin đăng nhập mặc định.