Prawie każda kamera i każdy rejestrator ma dziś na pudełku napis AI. Problem w tym, że pod tym napisem kryją się bardzo różne rzeczy — od prostej detekcji ruchu po klasyfikację obiektów, która naprawdę filtruje alarmy. Poniżej opisuję, jak podchodzę do doboru inteligentnego monitoringu CCTV, gdzie najczęściej ludzie się przejeżdżają i co sprawdzam, zanim złożę zamówienie.
Czym VCA różni się od zwykłego podglądu
CCTV (closed circuit television) to po prostu monitoring wizyjny: operator patrzy na obraz na żywo albo przewija nagrania. Tyle było przez lata i w wielu obiektach tyle wystarcza.
VCA, czyli video content analysis, dokłada do tego automatyczne wykrywanie zdarzeń. System sam wskazuje, że coś się stało, bez człowieka gapiącego się w ścianę monitorów. Analizę można liczyć w samej kamerze albo centralnie — w rejestratorze lub systemie serwerowym. I tu ważna uwaga: do VCA zalicza się także zwykłą detekcję ruchu. Producent, który pisze „VCA” na karcie, nie kłamie, ale to jeszcze nie znaczy, że dostaniesz rozpoznawanie twarzy, tablic rejestracyjnych czy cech obiektów.
Dlatego zakres analityki czytam zawsze dla konkretnego modelu i konkretnej konfiguracji. Nie dla serii, nie dla marki.
Najpierw scenariusz, potem sprzęt
Najczęstszy błąd, jaki widzę: klient (albo instalator) zaczyna od wyboru kamery „z AI”, a dopiero potem zastanawia się, co ta kamera ma właściwie robić. Powinno być odwrotnie. Wejście do budynku, parking i rozległa strefa zewnętrzna wymagają zupełnie innych funkcji.
Zanim otworzę katalog, spisuję sobie:
- jaki obszar ma być obserwowany;
- jakie obiekty system ma odróżniać;
- które zdarzenia mają uruchamiać reakcję, a które tylko trafiać do zapisu;
- czy potrzebne będzie późniejsze wyszukiwanie zdarzeń, czy wystarczy nagranie;
- kto i jak będzie potwierdzał alarmy.
Ten ostatni punkt ludzie najczęściej pomijają. A to od niego zależy, czy system będzie użyteczny, czy po miesiącu ktoś wyłączy powiadomienia, bo przychodziły w nocy.
Klasyfikacja ludzi i pojazdów to dobry przykład funkcji, która naprawdę pomaga — kot, gałąź na wietrze czy cień nie wywołują już alarmu. Ale nie ma co się oszukiwać: żaden system nie sklasyfikuje poprawnie każdego obiektu i nie zlikwiduje fałszywych zgłoszeń do zera. Wynik analizy to podpowiedź dla człowieka, nie wyrok.
Kamera czy rejestrator: gdzie liczyć analizę
To decyzja architektoniczna, która ciągnie za sobą cały dobór urządzeń w monitoringu IP z AI.
Analiza w kamerze
Jeśli klasyfikację robi kamera, sprawdzam dwie rzeczy, nie jedną. Pierwsza to oczywiście deklarowane możliwości kamery. Druga, ważniejsza — jak ta kamera przekazuje zdarzenia do rejestratora. Widziałem instalacje, w których kamera pięknie klasyfikowała ludzi i pojazdy w swoim panelu WWW, a NVR innego producenta nagrywał po prostu obraz i o żadnych zdarzeniach nie wiedział. Klient zapłacił za analitykę, której nigdy nie zobaczył.
Sama obecność funkcji w kamerze nie mówi nic o tym, czy wybrany NVR ją odbierze i wykorzysta.
Analiza w rejestratorze
Jeżeli AI ma liczyć rejestrator, patrzę na limity kanałów AI (zwykle nie wszystkie kanały rejestratora mogą jednocześnie prowadzić analizę), na listę obsługiwanych funkcji i na wymagania wobec kamer. Punktem wyjścia jest u mnie kategoria rejestratorów NVR z AI, ale decyzję podejmuję dopiero po przeczytaniu specyfikacji konkretnych modeli, a nie opisu kategorii.
To samo dotyczy wyszukiwania nagrań po atrybutach — kolorze ubrania, typie pojazdu. Ta funkcja bywa zależna od rodziny urządzeń i od tego, jakie kamery są podpięte. Nie zakładam, że każdy NVR to potrafi.
Co sprawdzam przed zakupem
Poniższa lista to mój stały zestaw pytań. Chroni przed najczęstszą pułapką: urządzenia mają podobnie nazwane funkcje, a w praktyce ze sobą nie rozmawiają.
| Obszar | Co ustalam |
|---|---|
| Rodzaj analizy | Jakie obiekty i zdarzenia rozpoznaje ten konkretny model |
| Miejsce przetwarzania | Kamera, rejestrator czy system centralny |
| Zgodność | Czy NVR odbiera zdarzenia analityczne z tej kamery |
| Limity AI | Ile kanałów i jakie funkcje rejestrator obsłuży jednocześnie |
| Optyka | Czy ogniskowa daje kadr odpowiedni do miejsca montażu |
| Obraz | Czy rozdzielczość wystarcza do celu obserwacji |
| Zasilanie | Czy to, co mam na obiekcie, odpowiada wymaganiom kamery |
| Obsługa alarmów | Kto potwierdza zdarzenie i co się dzieje po alarmie |
Osobny temat to PoE. Napis „PoE” na karcie produktu to za mało — trzeba potwierdzić standard i budżet mocy switcha. Przy dołożeniu kilku kamer do istniejącego przełącznika bez policzenia budżetu kamery potrafią się restartować w najmniej spodziewanym momencie.
Przykład: kamera do strefy zewnętrznej
Do obserwacji posesji, wejść i parkingów często sięgam po Hikvision DS-2CD2T63G2-2LI(4mm), bo ma AcuSense z klasyfikacją ludzi i pojazdów na algorytmach Deep Learning, czyli dokładnie to, co w takich miejscach odsiewa fałszywe alarmy. Z karty CTR: rozdzielczość maksymalna 3200 × 1800 (6 MP), stały obiektyw 4 mm, zasilanie DC 12 V lub PoE.
Kiedy ta kamera ma sens? Gdy pilnujemy wejścia, kawałka posesji albo parkingu i wymaganiem jest odróżnianie ludzi od pojazdów. Warunek jest jeden, ale istotny: stały obiektyw 4 mm musi dać właściwy kadr w miejscu montażu. Jeśli nie da — wybieramy inny model, a nie naginamy scenariusz do kamery.
Zanim ją zamówię, potwierdzam trzy rzeczy: pole widzenia na obiekcie, wymagania PoE wobec posiadanego switcha i zgodność z planowanym rejestratorem. Nie traktuję tej kamery jako zweryfikowanego zestawu z dowolnym NVR — parowanie funkcji AI trzeba sprawdzić dla konkretnej pary urządzeń. Przy okazji sprawdzam też u producenta aktualny status cyklu życia modelu; karta sklepu nie zawsze nadąża za ogłoszeniami EOL.
Uruchomienie: tu wychodzą błędy z projektu
Nawet dobrze dobrany system trzeba przetestować po montażu, i to w realnych warunkach — z ludźmi i pojazdami, na które system ma reagować, a nie na sucho w biurze.
Na odbiorze robię zawsze to samo:
- sprawdzam kadr i obszar działania reguł analitycznych (reguła narysowana na ekranie w biurze rzadko pasuje do rzeczywistej sceny);
- przechodzę i przejeżdżam przez strefę, żeby zobaczyć klasyfikację na żywo;
- weryfikuję zapis i to, czy zdarzenia z kamery faktycznie docierają do rejestratora;
- patrzę, jak alarmy wyglądają dla użytkownika — czy je zrozumie o trzeciej w nocy;
- obserwuję, co generuje fałszywe zgłoszenia, i koryguję strefy;
- zostawiam człowiekowi możliwość oceny zdarzenia.
No i jeszcze raz o zgodności, bo to jest miejsce, gdzie tracą najwięcej. Łączenie kamer i rejestratorów bez potwierdzonej współpracy funkcji AI kończy się tak, że obraz się nagrywa, a metadane i zdarzenia analityczne gdzieś po drodze giną. Zgodność potwierdzam przed zakupem i sprawdzam ponownie przy odbiorze — jak pisałem wyżej, deklaracja na karcie to nie to samo co działający zestaw.
Co dalej
Dobry inteligentny monitoring CCTV zaczyna się od pytania „co ma być wykryte”, a nie od katalogu. Reszta — rodzaj analizy, miejsce jej wykonywania, zgodność kamery z NVR, sposób potwierdzania alarmów — wynika z odpowiedzi.
Kamery, rejestratory, switche PoE i oprogramowanie znajdziesz w kategorii monitoring IP. Jeśli parametry analityki albo współpraca konkretnych urządzeń nie są jasne, lepiej dopytać CTR przed zakupem niż odkrywać braki na odbiorze.