AI: Konfiguration

Agent DVR unterstützt die Live-Echtzeit-Objekterkennung mit AI-Modell-Dateien (.onnx). Sie benötigen eine Lizenz (oder ein aktives Abonnement), um diese Funktion nutzen zu können. Siehe AI-Server für die Konfiguration von Agent zur Nutzung externer AI-Server.

Um zu beginnen, bearbeiten Sie Ihre Kamera und gehen Sie zum Objekterkennung-Tab. Wählen Sie Ihren AI-Server oben aus. Der Standard ist Intern, was die integrierte AI von Agent DVR ist. Wenn Sie einen AI-Server verwenden möchten, fügen Sie ihn in den Servereinstellungen - AI-Einstellungen - AI-Server hinzu und wählen Sie ihn hier aus.

Die folgenden Details dienen zur Konfiguration von Agent DVR mit seiner schnellen integrierten AI. Sie können auch andere Modelle hinzufügen, die Sie möchten, zum Beispiel Ultralytics YOLO-Modelle.

• Modell: Wählen Sie das AI-Modell aus, das Sie verwenden möchten. Agent lädt automatisch integrierte Modelle nach Bedarf herunter. Das Tiny-Modell ist gut für Low-End-Hardware oder viele Kameras. Das Medium-Modell ist gut für bessere Genauigkeit, benötigt jedoch mehr Rechenleistung.
• Modus: Wählen Sie aus, wann die AI die Frames aus Ihrem Video verarbeiten soll. Wenn Sie Intervall auswählen, verwendet Agent das Feld Verarbeitungsrate unten, um Ihren Video-Feed kontinuierlich zu analysieren.
• Overlay: Aktivieren Sie dies, um Echtzeitergebnisse im Live-Video anzuzeigen. Dies ist großartig, um die Vertrauensgrenze einzustellen.
• Unschärfe: Aktivieren Sie dies, um erkannte Objekte (zum Beispiel Personen) unscharf zu machen.
• GPU verwenden: Aktivieren Sie dies, um Ihre GPU anstelle der CPU zu verwenden.
• Verarbeitungsrate: Dies wird nur verwendet, wenn Modus Intervall ist - es steuert die Rate, mit der Frames an das Modell gesendet werden. Geben Sie 1 für 1 Frame pro Sekunde, 20 für 20 Frames pro Sekunde oder 0,1 für 1 Frame alle 10 Sekunden ein.
• Vertrauen: Dies filtert die Ergebnisse des Modells. Erhöhen Sie diesen Wert, um falsche Positive zu reduzieren, beachten Sie jedoch, dass möglicherweise auch Objekte übersehen werden.
• Ecken überprüfen: Siehe Ecken überprüfen für weitere Details.
• Finden: Geben Sie Objekte an, die die AI erkennen soll. Die Liste der Optionen hier stammt aus der Modellkonfiguration.
• Statische Objekte ignorieren: Ignorieren Sie Objekte, die wiederholt am selben Standort gefunden werden.
• Toleranz: Dies steuert, wie viel sich das Objekt bewegen kann, bevor es als nicht statisch gekennzeichnet wird.

Benutzerdefinierte Modelle

Um Ihre eigenen Modelle zur AI hinzuzufügen, kopieren Sie die Modell-Datei (.onnx) in den Modelle-Ordner von Agent und sehen Sie Modelle hinzufügen.

Aktionen

Die Objekterkennung generiert AI: Objekt gefunden und AI: Objekt nicht gefunden Ereignisse zur Verwendung in Aktionen.

Fotos

Für Informationen zu Fotos siehe Fotos.

Agent DVR unterstützt ONNX-Modelldateien zur Objekterkennung. Sie können vortrainierte Modelle herunterladen und in wenigen Schritten in das ONNX-Format konvertieren.

Das folgende Beispiel verwendet das YOLO26s-Modell von Ultralytics. YOLO26s ist ein kleineres, allgemeines Modell mit einem guten Verhältnis von Geschwindigkeit zu Genauigkeit.

Voraussetzungen

• Python 3.10 oder neuer
• pip im PATH verfügbar
• Internetverbindung
• ~1–2 GB freier Speicherplatz

Schritt 1 – Ultralytics installieren

pip install ultralytics

Schritt 2 – Das YOLO26s-Modell herunterladen

Ultralytics lädt beim ersten Gebrauch automatisch die vortrainierten Gewichte herunter:

yolo detect predict model=yolo26s.pt source=https://ultralytics.com/images/bus.jpg

Schritt 3 – In ONNX konvertieren

Sobald das Modell heruntergeladen wurde, exportieren Sie es in das ONNX-Format:

yolo export model=yolo26s.pt format=onnx opset=12 simplify=True

Python-Alternative

from ultralytics import YOLO

model = YOLO("yolo26s.pt")
model.export(format="onnx", opset=12, simplify=True)

Schritt 4 – Die ONNX-Datei finden

Die exportierte

yolo26s.onnx

runs/export

Schritt 5 – In Agent DVR kopieren

Verschieben Sie die ONNX-Datei in Ihren Agent DVR ONNX-Modelle-Ordner (auf dem Agent-Server), zum Beispiel:

Agent\Media\Models\ONNX\

Schritt 6 – Das Modell in Agent DVR hinzufügen

1. Gehen Sie zu Servereinstellungen > AI-Einstellungen > AI-Modelle.
2. Klicken Sie auf Konfigurieren und fügen Sie ein neues Modell hinzu.
3. Geben Sie einen Namen ein (z. B.

   yolo26s

   ) und wählen Sie die

   .onnx

   -Datei im Dropdown-Menü aus.
4. Lassen Sie die verbleibenden Optionen auf ihren Standardwerten und klicken Sie auf OK.
5. Bearbeiten Sie Ihre Kamera, öffnen Sie die Registerkarte Objekterkennung, setzen Sie Server auf Intern und wählen Sie Ihr neues Modell aus.

Agent DVR unterstützt die Echtzeit-Gesichtserkennung mit KI. Sie benötigen eine Lizenz (oder ein aktives Abonnement), um diese Funktion nutzen zu können. Siehe KI-Server zur Konfiguration von Agent, um externe KI-Server zu verwenden.

Um zu beginnen, bearbeiten Sie Ihre Kamera und gehen Sie zum Gesichtserkennung-Tab. Wählen Sie Ihren KI-Server oben aus. Der Standard ist Intern, was die integrierte KI von Agent DVR ist. Wenn Sie einen KI-Server verwenden möchten, fügen Sie ihn in den Servereinstellungen - KI-Einstellungen - KI-Server hinzu und wählen Sie ihn hier aus.

Die folgenden Details dienen der Konfiguration von Agent DVR mit seiner schnellen integrierten KI.

• Modus: Wählen Sie aus, wann die KI die Frames aus Ihrem Video verarbeiten soll. Wenn Sie Intervall auswählen, verwendet Agent das Feld Verarbeitungsrate unten, um Ihren Video-Feed kontinuierlich zu analysieren.
• Overlay: Aktivieren Sie dies, um Echtzeitergebnisse im Live-Video anzuzeigen. Dies ist großartig, um die Vertrauensgrenze anzupassen.
• Unschärfe: Aktivieren Sie dies, um Gesichter zu verwischen.
• GPU verwenden: Aktivieren Sie dies, um Ihre GPU anstelle der CPU zu verwenden.
• Verarbeitungsrate: Dies wird nur verwendet, wenn Modus Intervall ist - es steuert die Rate, mit der Frames an das Modell gesendet werden. Geben Sie 1 für 1 Frame pro Sekunde, 20 für 20 Frames pro Sekunde oder 0,1 für 1 Frame alle 10 Sekunden ein.
• Vertrauen: Dies filtert die Ergebnisse des Modells. Passen Sie dies höher an, um falsch positive Ergebnisse zu reduzieren, beachten Sie jedoch, dass es auch Personen übersehen kann.
• Ecken überprüfen: Weitere Details finden Sie unter Eckenüberprüfung.

Gesichter zur Erkennung

Klicken Sie auf Gesichter bearbeiten, um Fotos von Personen hochzuladen, die Sie erkennen möchten. Sie können mehrere Fotos derselben Person hochladen, um die Ergebnisse zu verbessern. Sie können Bilder von Ihrem Dateisystem hochladen oder eine integrierte Webcam verwenden, um Fotos aufzunehmen (erfordert SSL oder localhost).

Aktionen

Die Gesichtserkennung generiert KI: Gesicht erkannt und KI: Gesicht nicht erkannt Ereignisse zur Verwendung in Aktionen.

Fotos

Für Informationen zu Fotos siehe Fotos.

Agent DVR unterstützt die Live-Echtzeit-Kennzeichenerkennung. Sie benötigen eine Lizenz (oder ein aktives Abonnement), um diese Funktion nutzen zu können. Siehe AI-Server zur Konfiguration von Agent, um externe AI-Server zu verwenden.

Um zu beginnen, bearbeiten Sie Ihre Kamera und gehen Sie zum LPR-Tab. Wählen Sie Ihren AI-Server oben aus. Der Standard ist Intern, was die integrierte AI von Agent DVR ist. Wenn Sie einen AI-Server verwenden möchten, fügen Sie ihn in den Servereinstellungen - AI-Einstellungen - AI-Server hinzu und wählen Sie ihn hier aus.

Die folgenden Details dienen zur Konfiguration von Agent DVR mit seiner schnellen integrierten AI.

• Modus: Wählen Sie aus, wann die AI die Frames aus Ihrem Video verarbeiten soll. Wenn Sie Intervall auswählen, verwendet Agent das Feld Verarbeitungsrate unten, um Ihren Video-Feed kontinuierlich zu analysieren.
• Overlay: Aktivieren Sie dies, um Echtzeitergebnisse im Live-Video anzuzeigen. Dies ist großartig, um die Vertrauensgrenze anzupassen.
• Unschärfe: Aktivieren Sie dies, um erkannte Nummernschilder zu verwischen.
• GPU verwenden: Aktivieren Sie dies, um Ihre GPU anstelle der CPU zu verwenden. Beachten Sie, dass dies derzeit nur unter Windows oder macOS funktioniert, aufgrund von GPU-Treiber- und Laufzeitunterstützung. Linux fällt derzeit auf die CPU zurück.
• Verarbeitungsrate: Dies wird nur verwendet, wenn der Modus Intervall ist - es steuert die Rate, mit der Frames an das Modell gesendet werden. Geben Sie 1 für 1 Frame pro Sekunde, 20 für 20 Frames pro Sekunde oder 0,1 für 1 Frame alle 10 Sekunden ein.
• Vertrauen: Dies filtert die Ergebnisse des Modells. Erhöhen Sie diesen Wert, um falsch-positive Ergebnisse zu reduzieren, beachten Sie jedoch, dass möglicherweise auch Objekte übersehen werden.
• Ecken überprüfen: Weitere Details finden Sie unter Ecken überprüfen.

Gesuchte Nummernschilder

• Nummernschilder: Geben Sie eine durch Kommas getrennte Liste von Schildern oder eine URL zu einer CSV-Datei mit Schildern ein. Agent DVR wird Nummernschild erkannt und Nummernschild nicht erkannt-Ereignisse für diese Schilder generieren, die Aktionen auslösen können.
• Neu Laden Intervall: Legen Sie die Häufigkeit für das Neuladen der Schildliste von der URL fest.
• Normalisieren: Passen Sie häufig falsch identifizierte Schilder an, um die Übereinstimmung zu verbessern.

Aktionen

Die Objekterkennung generiert AI: Nummernschild erkannt und AI: Nummernschild nicht erkannt-Ereignisse zur Verwendung in Aktionen.

Fotos

Für Informationen zu Fotos siehe Fotos.

Um die Alarmfilterung in Agent DVR einzurichten, befolgen Sie diese Schritte:

• Konfigurieren und aktivieren Sie einen Bewegungsmelder. Um die CPU-Nutzung zu minimieren, verwenden Sie den einfachen Detektor. Stellen Sie sicher, dass mindestens eine Zone definiert ist, um den Bereich abzudecken, den Sie überwachen möchten.
• Setzen Sie im Alarm-Tab den Modus auf Nur Aktionen und aktivieren Sie Alarme.
• Setzen Sie im Aufnahme-Tab den Modus auf Alarme (wenn Sie Aufnahmen wünschen).
• Aktivieren Sie die Objekterkennung im Objekterkennungs-Tab. Stellen Sie den Modus auf Bewegung erkannt, wählen Sie ein Modell aus und klicken Sie auf Finden, um Objekte zur Erkennung auszuwählen, wie Person, Hund, Auto usw.
• Gehen Sie zu Aktionen im Tab-Menü und fügen Sie eine Aktion für das Ereignis KI: Objekt gefunden hinzu.

  Wählen Sie Zonen aus, um anzugeben, wo Objekte erkannt werden sollen, wie verschiedene Zonen für Ihre Auffahrt und die Straße. Zum Beispiel wird die Auswahl der Auffahrtszone nur dann einen Alarm auslösen, wenn dort ein Auto erkannt wird.

  Unter Aufgaben klicken Sie auf Hinzufügen, um eine Alarm-Aufgabe zu erstellen. Klicken Sie zweimal auf OK, um zu bestätigen.

Agent DVR wird die KI-Objekterkennung bei Bewegungsdetektion verarbeiten. Wenn ein bestimmtes Objekt in einer gewählten Zone erkannt wird, wird eine Aktion ausgelöst, um einen Alarm auszulösen. Bei fehlender Zonenwahl werden Alarme für jede Zone ausgelöst.

Richten Sie die Alarmfilter ähnlich für LPR-Erkennung, Gesichtserkennung oder Audioerkennung ein.

Für eine kontinuierliche KI-Objekterkennung ohne einen Bewegungsdetektionsauslöser stellen Sie den Modus der Objekterkennung auf Intervall. Überwachen Sie die Auswirkungen auf Ihre Hardware-Ressourcen und passen Sie diese bei Bedarf an.

Sie können mehrere Aktionen für verschiedene Objekte in verschiedenen Zonen konfigurieren. Verwenden Sie das {AI}-Tag in Aktionen, um auf das erkannte Objekt zu verweisen.

Wenn die KI Ihre Aufnahmen nicht effektiv filtert, sollten Sie Folgendes beachten:

• Stellen Sie sicher, dass die Einstellung Finden einer der verfügbaren Optionen entspricht.
• Überprüfen Sie, ob der Master-Alarm-Schalter oben links in Agent ein geschlossenes Vorhängeschloss anzeigt, das auf aktive Alarme hinweist.
• Bestätigen Sie, dass der Aufnahmemodus auf Alarm und nicht auf Erkennung eingestellt ist.
• Stellen Sie sicher, dass der Alarmmodus auf Nur Aktionen eingestellt ist.
• Versuchen Sie, den Vertrauensgrad unter Objekterkennung zu senken.
• Überprüfen Sie /logs.html auf Fehlermeldungen, die möglicherweise auf Serverprobleme oder Netzwerkblockaden hinweisen.
• Überwachen Sie die Leistung des KI-Servers und stellen Sie sicher, dass er keine Systemüberlastung oder Zeitüberschreitungen verursacht.
• Wenn die KI alle Objektklassen erkennt, kann dies auf Probleme mit der GPU hinweisen. Überprüfen Sie die GPU-Treiber oder wechseln Sie zu einem KI-Modul, das auf der CPU basiert.

Die Objekterkennung in Agent DVR verwendet entweder unsere lokale KI oder einen KI-Server (CodeProject.AI empfohlen), um spezifische Objekte in Video-Feeds zu erkennen und kann Ereignisse generieren, Warnungen auslösen oder als Filter für Bewegungswarnungen fungieren.

• Aktiviert: Umschalten, um den KI-Prozess zu aktivieren oder zu deaktivieren.
• KI-Server: Wählen Sie aus Ihren konfigurierten Servern oder verwenden Sie die Standardoption.
• Modus: Wählen Sie den Auslöser für den KI-Prozess. Auslösen nur über API, indem Sie dies auf Keine setzen und triggerObject aufrufen.
• Bewegungsdurchlass: Wenn der KI-Server ausgefallen ist und Warnungen filtert, ermöglicht dies, dass Warnungen ohne Filterung durchgelassen werden.
• Snapshot-URI verwenden: Verwenden Sie einen hochauflösenden Frame von Ihrer Kamera anstelle des aktuellen Live-Stream-Frames.
• Größenänderungsmodus: Ändern Sie die Größe von Bildern, bevor Sie sie an den KI-Server senden, um die Last zu reduzieren und die Reaktionszeiten zu verbessern.
• Überlagerung: AI-Ergebnisse im Live-Video-Stream anzeigen.
• Farbe: Farbe der Überlagerung. Diese Einstellung steuert die Farbe der Überlagerung für alle KI-Funktionen.
• Minimales Intervall: Legen Sie die minimale Zeit zwischen Serveranfragen fest.
• Vertrauen: Legen Sie das minimale Vertrauensniveau fest, um ein Objekt zu erkennen.
• Ecken überprüfen: Weitere Details finden Sie unter Eckenüberprüfung.

Modelle

• Entdecken: Installierte Modelle von Ihrem Server abrufen (spezifisch für CodeProject.AI).
• Modell-Endpunkt: Aus verfügbaren Modellen wählen oder den Standard-Endpunkt verwenden.
• Objektklassen: Automatisch mit relevanten Klassen gefüllt oder manuell eingegeben.
• Finden: Objekte angeben, die die KI erkennen soll.
• Statische Objekte ignorieren: Objekte ignorieren, die wiederholt am selben Standort gefunden werden.

Benutzerdefinierte Modelle

Um benutzerdefinierte Modelle zu CodeProject.AI hinzuzufügen, kopieren Sie die Modell-Datei in das angegebene Verzeichnis. Greifen Sie über die Entdecken-Schaltfläche darauf zu, fügen Sie jedoch die Objektliste manuell zu Objektklassen hinzu.

Ändern Sie das Verzeichnis für die Modellablage, indem Sie die Einstellungen des Objekterkennungsmoduls bearbeiten.

Aktionen

Die Objekterkennung generiert KI: Objekt gefunden und KI: Objekt nicht gefunden Ereignisse zur Verwendung in Aktionen.

Fotos

Für Informationen zu Fotos siehe Fotos.