AI (人工智慧): 配置

Agent DVR 支援使用 AI 模型檔 (.onnx) 進行即時實時物體識別。您需要一個 許可證（或有效訂閱）才能使用此功能。請參閱 AI 伺服器 以配置 Agent 使用外部 AI 伺服器。

要開始使用，編輯您的攝影機並轉到 物體識別 標籤。選擇您在頂部的 AI 伺服器。默認為 內部，這是 Agent DVR 的內建 AI。如果您想使用 AI 伺服器，請在伺服器設置 - AI 設置 - AI 伺服器中添加它，然後在這裡選擇。

以下詳細信息是用於配置 Agent DVR 及其快速內建 AI。您也可以添加任何其他模型，例如 Ultralytics YOLO 模型。

• 模型： 選擇您想使用的 AI 模型。Agent 將根據需要自動下載內建模型。Tiny 模型適合低端硬體或大量攝影機。Medium 模型適合更好的準確性，但需要更多的處理能力。
• 模式： 選擇您希望 AI 何時處理視頻幀。如果您選擇 間隔，Agent 將使用下面的 處理速率 欄位持續分析您的視頻流。
• 覆蓋： 勾選以在實時視頻上繪製實時結果。這對於調整信心限制非常有用。
• 模糊： 勾選此項以模糊識別的物體（例如，人）。
• 使用 GPU： 勾選此項以使用您的 GPU 而不是 CPU。
• 處理速率： 這僅在 模式 為 間隔 時使用 - 它控制發送幀到模型的速率。輸入 1 表示每秒 1 幀，20 表示每秒 20 幀或 0.1 表示每 10 秒 1 幀。
• 信心： 這過濾模型的結果。將此值調高以減少誤報，但請注意，它也可能會漏掉物體。
• 檢查角落： 有關更多詳細信息，請參閱 檢查角落。
• 查找： 指定 AI 要檢測的物體。這裡的選項列表來自模型配置。
• 忽略靜態物體： 忽略在同一位置重複發現的物體。
• 容差： 這控制物體在被標記為非靜態之前可以移動的範圍。

自定義模型

要將自己的模型添加到 AI，請將模型檔 (.onnx) 複製到 Agent 的模型資料夾中，並參見 添加模型。

操作

物體識別會生成 AI: 找到物體 和 AI: 未找到物體 事件以用於 操作。

照片

有關照片的信息，請參見 照片。

Agent DVR 支援 ONNX 模型檔案以進行物件識別。您可以下載預訓練模型並在幾個步驟中將其轉換為 ONNX 格式。

以下範例使用 Ultralytics 的 YOLO26s 模型。YOLO26s 是一個較小的通用模型，具有良好的速度/準確性平衡。

前提條件

• Python 3.10 或更新版本
• pip 可在 PATH 中使用
• 需要網際網路連接
• 約 1–2 GB 的可用磁碟空間

步驟 1 – 安裝 Ultralytics

pip install ultralytics

步驟 2 – 下載 YOLO26s 模型

Ultralytics 在首次使用時會自動下載預訓練權重：

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

步驟 3 – 轉換為 ONNX

下載後，將模型導出為 ONNX 格式：

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

Python 替代方案

from ultralytics import YOLO

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

步驟 4 – 找到 ONNX 檔案

導出的

yolo26s.onnx

runs/export

步驟 5 – 複製到 Agent DVR

將 ONNX 檔案移動到您的 Agent DVR ONNX 模型資料夾（在 Agent 伺服器上），例如：

Agent\Media\Models\ONNX\

步驟 6 – 在 Agent DVR 中添加模型

1. 前往 伺服器設定 > AI 設定 > AI 模型。
2. 點擊 配置 並添加新模型。
3. 輸入名稱（例如

   yolo26s

   ）並在下拉選單中選擇

   .onnx

   檔案。
4. 將其餘選項保持為預設值，然後點擊 確定。
5. 編輯您的攝影機，打開 物件識別 標籤，將 伺服器 設定為 內部，並選擇您的新模型。

Agent DVR 支援使用 AI 進行即時實時臉部識別。您需要一個許可證（或有效訂閱）才能使用此功能。請參閱AI 伺服器以配置 Agent 使用外部 AI 伺服器。

要開始使用，編輯您的攝影機並轉到臉部識別標籤。在頂部選擇您的 AI 伺服器。默認為內部，即 Agent DVR 的內建 AI。如果您想使用 AI 伺服器，請在伺服器設置 - AI 設置 - AI 伺服器中添加它，然後在這裡選擇。

以下詳細信息是用於配置 Agent DVR 以使用其快速內建 AI。

• 模式：選擇您希望 AI 處理視頻幀的時間。如果您選擇間隔，Agent 將使用下面的處理速率字段持續分析您的視頻流。
• 覆蓋：勾選以在實時視頻上繪製即時結果。這對於調整信心限制非常有用。
• 模糊：勾選此項以模糊面孔。
• 使用 GPU：勾選此項以使用您的 GPU 而不是 CPU。
• 處理速率：這僅在模式為間隔時使用 - 它控制幀發送到模型的速率。輸入 1 表示每秒 1 幀，20 表示每秒 20 幀，或 0.1 表示每 10 秒 1 幀。
• 信心：這過濾模型的結果。將此值調高以減少誤報，但請注意，它也可能會漏掉人。
• 檢查角落：有關更多詳細信息，請參閱檢查角落。

要識別的面孔

點擊編輯面孔以上傳您想要識別的人的照片。您可以上傳同一人的多張照片以改善結果。您可以從文件系統上傳圖像或使用內建的網絡攝像頭捕捉照片（需要 SSL 或本地主機）。

操作

臉部識別生成AI：已識別面孔和AI：未識別面孔事件以用於操作。

照片

有關照片的信息，請參見照片。

Agent DVR 支援即時實時車牌識別。您需要一個授權（或有效訂閱）來使用此功能。請參閱AI 伺服器以配置 Agent 使用外部 AI 伺服器。

要開始使用，編輯您的攝影機並轉到LPR標籤。在頂部選擇您的 AI 伺服器。默認為內部，這是 Agent DVR 的內建 AI。如果您想使用 AI 伺服器，請在伺服器設置 - AI 設置 - AI 伺服器中添加它，然後在這裡選擇。

以下詳細信息用於配置 Agent DVR 與其快速內建 AI。

• 模式：選擇您希望 AI 處理視頻幀的時間。如果您選擇間隔，Agent 將使用下面的處理速率字段持續分析您的視頻流。
• 疊加：勾選以在實時視頻上繪製實時結果。這對於調整信心限制非常有用。
• 模糊：勾選此項以模糊檢測到的車牌。
• 使用 GPU：勾選此項以使用您的 GPU 而不是 CPU。請注意，這目前僅在 Windows 或 macOS 上有效，因為 GPU 驅動程序和運行時支持。Linux 目前回退到 CPU。
• 處理速率：這僅在模式為間隔時使用 - 它控制發送幀到模型的速率。輸入 1 表示每秒 1 幀，20 表示每秒 20 幀，或 0.1 表示每 10 秒 1 幀。
• 信心：這過濾模型的結果。將此值調高以減少誤報，但請注意，它也可能會漏掉物體。
• 檢查角落：有關更多詳細信息，請參閱檢查角落。

要查找的車牌

• 車牌：輸入以逗號分隔的車牌列表或包含車牌的 CSV 文件的 URL。Agent DVR 將為這些車牌生成車牌識別和車牌未識別事件，這些事件可以觸發操作。
• 重新加載間隔：設置從 URL 重新加載車牌列表的頻率。
• 標準化：調整常見的誤識別車牌以改善匹配。

操作

物體識別生成AI：車牌識別和AI：車牌未識別事件以用於操作。

照片

有關照片的信息，請參閱照片。

要在 Agent DVR 中設置警報過濾，請按照以下步驟操作：

• 配置並啟用運動檢測器。為了最小化 CPU 使用率，請使用簡單檢測器。確保至少定義一個區域以覆蓋您想要監控的區域。
• 在警報標籤上，將模式設置為僅動作並啟用警報。
• 在錄影標籤上，將模式設置為警報（如果您想要錄影）
• 在物體識別標籤上啟用物體識別。將模式設置為檢測到運動，選擇一個模型，然後單擊查找以選擇要檢測的物體，例如人、狗、車等。
• 在標籤菜單中轉到動作並為事件AI: 找到物體添加一個動作。

  選擇區域以指定檢測物體的位置，例如為您的車道和道路選擇不同的區域。例如，選擇車道區域僅在檢測到車輛時觸發警報。

  在任務下，單擊添加以創建一個警報任務。單擊確定兩次以確認。

Agent DVR 將在檢測到運動時處理 AI 物件識別。如果它在選定區域內檢測到指定物件，將觸發動作以發出警報。如果未選擇區域，則將對任何區域觸發警報。

類似地為 LPR 識別、人臉識別 或 音頻識別 設置警報過濾器。

要在沒有運動檢測觸發的情況下進行持續的 AI 物件識別，請將物件識別的 模式 設置為 間隔。監控對硬體資源的影響並根據需要進行調整。

您可以為不同區域中的不同物件配置多個動作。在動作中使用 {AI} 標籤來引用檢測到的物件。

如果AI無法有效地過濾您的錄像，請考慮以下事項：

• 確保尋找設置與可用選項之一相符。
• 驗證Agent左上角的主警報開關是否顯示一個關閉的掛鎖，表示活動警報。
• 確認錄像模式設置為警報而不是檢測。
• 確保警報模式設置為僅限操作。
• 嘗試降低物體識別下的信心水平。
• 檢查/logs.html以查看錯誤消息，可能指示服務器問題或網絡阻塞。
• 監控AI服務器性能，確保不會導致系統超載或超時。
• 如果AI檢測到所有物體類別，可能表示GPU問題。請檢查GPU驅動程序或切換到基於CPU的AI模塊。