AI: Konfiguration

Agent DVR unterstützt Live-Echtzeit-Objekterkennung mit KI-Modelldateien (.onnx). Diese lokale KI-Objekterkennung läuft vollständig auf Ihrer eigenen Hardware (kein Cloud-Dienst erforderlich), sodass Sie nur benachrichtigt werden, wenn etwas Wichtiges erscheint, wie eine Person oder ein Auto, anstatt jedes Mal, wenn sich ein Baum bewegt. Sie benötigen eine Lizenz (oder ein aktives Abonnement), um diese Funktion zu nutzen. Siehe KI-Server zum Konfigurieren von Agent für die Verwendung externer KI-Server.

Bearbeiten Sie zunächst Ihre Kamera und wechseln Sie zur Registerkarte Objekterkennung. Wählen Sie oben Ihren KI-Server aus. Die Standardeinstellung ist Intern, das ist die integrierte KI von Agent DVR. Wenn Sie einen KI-Server verwenden möchten, fügen Sie ihn unter Server-Einstellungen - KI-Einstellungen - KI-Server hinzu und wählen Sie ihn hier aus.

Die folgenden Details gelten für die Konfiguration von Agent DVR mit seiner schnellen integrierten KI. Sie können auch beliebig andere Modelle hinzufügen, zum Beispiel Ultralytics YOLO-Modelle.

• Modell: Wählen Sie das KI-Modell aus, das Sie verwenden möchten. Agent lädt integrierte Modelle nach Bedarf automatisch herunter. Das Small-Modell eignet sich gut für Low-End-Hardware oder viele Kameras. Das Medium-Modell bietet bessere Genauigkeit, verbraucht aber mehr Verarbeitungsleistung.
• Modus: Wählen Sie aus, wann die KI Bilder aus Ihrem Video verarbeiten soll. Wenn Sie Intervall wählen, verwendet Agent das Feld Verarbeitungsrate unten, um Ihren Video-Feed kontinuierlich zu analysieren.
• Overlay konfigurieren: Richten Sie das Zeichnen von Echtzeit-Ergebnissen auf Live-Video ein: Aktivieren Sie das Overlay, zeigen Sie Beschriftungen und Konfidenz an, stellen Sie Linienbreite und Farben ein oder verschwimmen Sie erkannte Objekte (zum Beispiel Personen). Das Overlay ist großartig zum Einstellen des Konfidenzschwelle.
• GPU verwenden: Aktivieren Sie dies, um Ihre GPU anstelle der CPU zu verwenden.
• Gerät: Wählen Sie das Gerät aus, auf dem das Modell ausgeführt werden soll.
• Verarbeitungsrate: Dies wird nur verwendet, wenn Modus auf Intervall gesetzt ist - es steuert die Rate, mit der Bilder an das Modell gesendet werden. Geben Sie 1 für 1 Bild pro Sekunde ein, 20 für 20 Bilder pro Sekunde oder 0,1 für 1 Bild alle 10 Sekunden.
• Konfidenz: Dies filtert die Ergebnisse des Modells. Erhöhen Sie diesen Wert, um falsch positive Ergebnisse zu reduzieren, aber beachten Sie, dass er möglicherweise auch Objekte übersieht.
• Ecken prüfen: Weitere Informationen finden Sie unter Eckenprüfung.
• Suchen: Geben Sie Objekte an, die die KI erkennen soll. Die Liste der Optionen hier stammt aus der Modellkonfiguration.
• Statische Objekte: Wählen Sie aus, wie Objekte gefiltert werden sollen, die sich nicht bewegen. Statische Objekte ignorieren ignoriert Objekte, die wiederholt an der gleichen Stelle erkannt werden (wie geparkte Autos); sie lösen beim ersten Mal trotzdem eine Warnung aus. Nur Bewegung meldet nur Objekte, bei denen der Bewegungsdetektor derzeit Bewegung sieht, sodass stillstehende Objekte niemals eine Warnung auslösen (keine Auswirkung auf kamerainterne Detektoren wie ONVIF, Reolink, Hikvision oder MQTT).
• Bewegungstoleranz: Zulässige Bewegung zwischen Erkennungen beim Prüfen auf statische Objekte. Niedrige Werte stimmen selten überein; hohe Werte unterdrücken mehr. Empfohlen: 40-60.
• Aus Feedback lernen: Lassen Sie Agent von Ihnen lernen. Mit dieser aktivierten Option können Sie Erkennungen im Warnungsanzeiger bestätigen oder ablehnen, und Agent lernt, ähnliche falsche Warnungen auf dieser Kamera zu unterdrücken. Siehe Lernen aus Feedback.

Benutzerdefinierte Modelle

Um Ihre eigenen Modelle zur KI hinzuzufügen, kopieren Sie die Modelldatei (.onnx) in den Models-Ordner von Agent und siehe Modelle hinzufügen.

Aktionen

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

Fotos

Informationen zu Fotos finden Sie unter Fotos.

Agent DVR kann von deinem Feedback lernen, um falsche Alarme zu reduzieren, Kamera für Kamera. Wenn eine Erkennung daneben liegt - ein Busch, der nachts wie eine Person aussieht, eine Flagge, die die KI ständig als Vogel bezeichnet - kannst du Agent mitteilen, dass es lernen wird, ähnliche Erkennungen auf dieser Kamera in Zukunft zu unterdrücken. Alles läuft 100 % lokal: Keine Bilder oder Daten verlassen deine Maschine, und das Erkennungsmodell selbst wird nie verändert, daher ist es immer sicher anzuwenden und einfach zurückzusetzen.

Aktivierung

Bearbeite deine Kamera, gehe zur Registerkarte Objekterkennung und aktiviere Aus Feedback lernen. Agent lädt automatisch ein kleines Einbettungsmodell beim ersten Mal herunter, wenn es benötigt wird.

Feedback geben

Wenn Feedback aktiviert ist, speichern von der Objekterkennung erzeugte Alarme die Erkennungsergebnisse zusammen mit dem Alarmbild. Öffne einen Alarm im Fenster "Alarme" und du wirst Kästchen sehen, die über jede Erkennung mit einer "War das korrekt?"-Aufforderung gezeichnet sind:

• Korrekt: Bestätigt die Erkennung. Bestätigte Beispiele schützen ähnliche Erkennungen davor, jemals unterdrückt zu werden.
• Falsch: Lehnt die Erkennung ab. Agent lernt das Aussehen abgelehnter Erkennungen für diese Kamera und diesen Objekttyp. Nach einigen Ablehnungen ähnlich aussehender Erkennungen (mindestens 3) beginnt Agent, automatisch ähnliche falsche Alarme zu unterdrücken.

Du kannst eine Entscheidung jederzeit ändern oder entfernen, indem du die Schaltfläche erneut klickst.

Das "War das korrekt?"-Fenster wird zusammengeklappt - klicke auf seine Kopfzeile, um die Aufforderungen und Erkennungsüberlagerungen auszublenden oder anzuzeigen. Agent merkt sich deine Wahl (pro Browser), daher kannst du das Fenster zuklappen und nur saubere Alarmbilder sehen, wenn du mit der Leistung einer Kamera zufrieden bist. Das Zusammenklappen des Fensters stoppt das Lernen nicht - die Unterdrückung funktioniert weiter. Um das Lernen vollständig zu beenden, deaktiviere stattdessen Aus Feedback lernen auf der Kamera (beachte, dass dies auch die Unterdrückung stoppt).

Unterdrückte Alarme

Die Unterdrückung ist bewusst konservativ - eine Erkennung wird nur unterdrückt, wenn sie deutlich deinen abgelehnten Beispielen entspricht und keinem bestätigten entspricht. Wenn Agent das unterdrückt, was sonst ein Alarm gewesen wäre, speichert es stattdessen einen unterdrückten Alarm, so dass nichts jemals stillschweigend verschwindet. Klicke auf das Symbol in der Kopfzeile des Fensters "Alarme", um diese anzuzeigen oder auszublenden (das Symbol erscheint nur, wenn unterdrückte Alarme vorhanden sind; sie werden separat gespeichert und zählen nicht gegen deine normalen Alarme).

Wenn Agent etwas unterdrückt hat, das es nicht hätte tun sollen, öffne den unterdrückten Alarm und markiere die Erkennung als Korrekt - dies hebt die Unterdrückung für ähnliche Erkennungen sofort auf.

So funktioniert es

Agent verwendet ein universelles Vision-Modell, um einen kompakten mathematischen "Fingerabdruck" jeder Erkennung zu erstellen. Deine Entscheidungen katalogisieren diese Fingerabdrücke als bestätigte oder abgelehnte Beispiele pro Kamera und Objekttyp. Zukünftige Erkennungen werden nach Ähnlichkeit mit deinen Beispielen verglichen - der gleiche Ansatz, der von der Gesichtserkennung verwendet wird. Dein gewähltes Erkennungsmodell und seine Klassen bleiben unverändert.

Zurücksetzen

Um alles zu entfernen, das eine Kamera gelernt hat, klicke auf Lernfortschritt löschen auf der Registerkarte Objekterkennung der Kamera und bestätige - unterdrückte Alarme werden wieder alarmieren. Das gelernte Feedback wird in FeedbackDB.json im XML-Ordner von Agent gespeichert; der clearfeedback-API-Befehl ist ebenfalls verfügbar (optional mit den Parametern cameraid und label). Das gelernte Feedback (und gelernte Gesichter) ist in dem Serverkonfigurationsexport/-import enthalten, daher werden deine Trainings zusammen mit deinen Einstellungen auf einen neuen Computer übertragen.

Lernen zwischen Kameras kopieren

Du kannst das gelernte Feedback einer Kamera mit Einstellungen kopieren auf andere Kameras kopieren - aktiviere Lernen (unter Objekterkennung) in der Abschnittsliste. Dies ersetzt das Lernen der Zielkameras mit einer Kopie des Lernens der Quellkamera. Es ist am nützlichsten für Kameras, die die gleiche oder eine ähnliche Szene abdecken - gelernte Beispiele basieren auf Erscheinungsbild, daher hilft Feedback über einen Busch auf einer Kamera nur einer anderen Kamera, die etwas Ähnliches wie diesen Busch sehen kann.

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

Das folgende Beispiel verwendet das YOLO26s-Modell über Ultralytics. YOLO26s ist ein kleineres, universelles Modell mit einem guten Verhältnis zwischen Geschwindigkeit und Genauigkeit.

Voraussetzungen

• Python 3.10 oder neuer
• pip in PATH verfügbar
• Internetverbindung
• ca. 1-2 GB freier Speicherplatz

Schritt 1 - Ultralytics installieren

pip install ultralytics

Schritt 2 - YOLO26s-Modell herunterladen

Ultralytics lädt die vortrainierten Gewichte beim ersten Verwenden automatisch herunter:

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

Schritt 3 - Zu ONNX konvertieren

Nach dem Herunterladen exportieren Sie das Modell 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 - ONNX-Datei suchen

Die exportierte Datei yolo26s.onnx wird in Ihrem Arbeitsverzeichnis oder im Ordner

runs/export

Schritt 5 - In Agent DVR kopieren

Verschieben Sie die ONNX-Datei in den ONNX-Modellordner von Agent DVR (auf dem Agent-Server), zum Beispiel:

Agent\Media\Models\ONNX\

Schritt 6 - Modell in Agent DVR hinzufügen

1. Gehen Sie zu Server-Einstellungen > KI-Einstellungen > KI-Modelle.
2. Klicken Sie auf Objekterkennung und fügen Sie ein neues Modell hinzu.
3. Geben Sie einen Namen ein, z. B. yolo26s, und wählen Sie die Datei .onnx aus der Dropdown-Liste aus.
4. Lassen Sie die übrigen Optionen auf den Standardwerten und klicken Sie auf OK.
5. Bearbeiten Sie Ihre Kamera, öffnen Sie die Registerkarte Objekterkennung, stellen Sie Server auf Intern ein, und wählen Sie Ihr neues Modell aus.

Agent DVR unterstützt die Gesichtserkennung in Echtzeit mit KI, die lokal auf Ihrer eigenen Hardware ausgeführt wird. Verwenden Sie diese, um zu erkennen, wer an der Tür ist, und lösen Sie verschiedene Aktionen für erkannte und unbekannte Gesichter aus. Sie benötigen eine Lizenz (oder ein aktives Abonnement), um diese Funktion zu nutzen. Siehe KI-Server zum Konfigurieren von Agent für die Verwendung externer KI-Server.

Bearbeiten Sie zunächst Ihre Kamera und gehen Sie zur Registerkarte Gesichtserkennung. Wählen Sie oben Ihren KI-Server aus. Der Standard ist Intern, also Agent DVRs integrierte KI. Wenn Sie einen KI-Server verwenden möchten, fügen Sie ihn unter Server-Einstellungen - KI-Einstellungen - KI-Server hinzu und wählen Sie ihn hier aus.

Die folgenden Details beziehen sich auf die Konfiguration von Agent DVR mit seiner schnellen integrierten KI.

• Modus: Wählen Sie aus, wann die KI Bilder aus Ihrem Video verarbeiten soll. Wenn Sie Intervall wählen, verwendet Agent das Feld Verarbeitungsrate unten, um Ihren Video-Feed kontinuierlich zu analysieren.
• Overlay konfigurieren: Richten Sie die Darstellung von Echtzeitergebnissen im Live-Video ein: aktivieren Sie das Overlay, zeigen Sie Bezeichnungen und Konfidenz an, legen Sie Linienbreite und Farben fest oder verschwimmen Sie Gesichter. Das Overlay eignet sich hervorragend zum Optimieren des Konfidenzgrenzwerts.
• GPU verwenden: Aktivieren Sie dies, um Ihre GPU anstelle der CPU zu verwenden.
• Gerät: Wählen Sie das Gerät aus, auf dem das Modell ausgeführt werden soll.
• Verarbeitungsrate: Dies wird nur verwendet, wenn Modus auf Intervall gesetzt ist - es steuert die Rate, mit der Bilder an das Modell gesendet werden. Geben Sie 1 für 1 Bild pro Sekunde ein, 20 für 20 Bilder pro Sekunde oder 0,1 für 1 Bild alle 10 Sekunden.
• Konfidenz: Dies filtert die Ergebnisse aus dem Modell. Erhöhen Sie diesen Wert, um falsch positive Ergebnisse zu reduzieren, aber beachten Sie, dass dies auch dazu führen kann, dass Personen übersehen werden.
• Ecken prüfen: Weitere Informationen finden Sie unter Eckenprüfung.

Sie können wählen, welches Gesichtserkennungsmodell Agent unter Server-Einstellungen - KI-Einstellungen - KI-Modelle - Gesichtserkennung verwendet.

Zu erkennende Gesichter

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 aus 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

Informationen zu Fotos finden Sie unter Fotos.

Agent DVR unterstützt die Echtzeit-Kennzeichenerkennung, die lokal auf Ihrer eigenen Hardware ausgeführt wird. Nutzen Sie sie, um jedes Fahrzeug zu protokollieren, das auf einer Auffahrt oder einem Parkplatz einfährt, und lösen Sie Aktionen aus, z. B. das Öffnen eines Tors, wenn ein bekanntes Kennzeichen erkannt wird. Sie benötigen eine Lizenz (oder ein aktives Abonnement), um diese Funktion zu nutzen. Siehe KI-Server zum Konfigurieren von Agent für die Verwendung externer KI-Server.

Bearbeiten Sie zunächst Ihre Kamera und wechseln Sie zur Registerkarte LPR. Wählen Sie oben Ihren KI-Server aus. Standard ist Intern, Agent DVRs integrierte KI. Wenn Sie einen KI-Server verwenden möchten, fügen Sie ihn unter Server-Einstellungen - KI-Einstellungen - KI-Server hinzu und wählen Sie ihn dann hier aus.

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

• Modus: Wählen Sie aus, wann die KI Bilder aus Ihrem Video verarbeiten soll. Wenn Sie Intervall wählen, verwendet Agent das Feld Verarbeitungsrate unten, um Ihren Video-Feed kontinuierlich zu analysieren.
• Overlay konfigurieren: Stellen Sie das Zeichnen von Echtzeitergebnissen auf Live-Video ein: aktivieren Sie das Overlay, zeigen Sie Bezeichnungen und Konfidenz an, stellen Sie Linienbreite und Farben ein oder verschwimmen Sie erkannte Kennzeichen. Das Overlay eignet sich hervorragend zur Optimierung des Konfidenzlimits.
• GPU verwenden: Aktivieren Sie dieses Kontrollkästchen, um Ihre GPU statt CPU zu verwenden. Beachten Sie, dass dies derzeit nur unter Windows oder macOS funktioniert, da GPU-Treiber und Laufzeit-Unterstützung vorhanden sind. Linux fällt derzeit auf CPU zurück.
• Gerät: Wählen Sie das Gerät aus, auf dem das Modell ausgeführt werden soll.
• Verarbeitungsrate: Dies wird nur verwendet, wenn Modus auf Intervall gesetzt ist - es steuert die Rate, mit der Bilder an das Modell gesendet werden. Geben Sie 1 für 1 Bild pro Sekunde ein, 20 für 20 Bilder pro Sekunde oder 0,1 für 1 Bild alle 10 Sekunden.
• Konfidenz: Dies filtert die Ergebnisse des Modells. Erhöhen Sie diesen Wert, um falsch positive Ergebnisse zu reduzieren, aber beachten Sie, dass er möglicherweise auch Objekte übersieht.
• Ecken prüfen: Weitere Informationen finden Sie unter Eckenprüfung.

Zu suchende Kennzeichen

• Kennzeichen: Geben Sie eine kommagetrennte Liste von Kennzeichen oder eine URL zu einer CSV-Datei mit Kennzeichen ein. Agent DVR erzeugt Ereignisse Kennzeichen erkannt und Kennzeichen nicht erkannt für diese Kennzeichen, die Aktionen auslösen können.
• Neuaktualisierungsintervall: Stellen Sie die Häufigkeit zum Neu laden der Kennzeichenliste von der URL ein.
• Normalisieren: Passen Sie häufig falsch erkannte Kennzeichen an, um die Übereinstimmung zu verbessern.

Aktionen

LPR erzeugt Ereignisse KI: Kennzeichen erkannt und KI: Kennzeichen nicht erkannt zur Verwendung in Aktionen.

Fotos

Informationen zu Fotos finden Sie unter Fotos.

Die Alarmfilterung kombiniert Bewegungserkennung mit KI, sodass Sie nur benachrichtigt werden, wenn etwas Wichtiges erkannt wird, wie eine Person auf der Veranda, anstelle von bewegten Ästen oder vorbeifahrenden Scheinwerfern. Dies ist der effektivste Weg, falsche Alarme zu verringern. Führen Sie diese Schritte aus, um die Alarmfilterung in Agent DVR einzurichten:

• Konfigurieren und aktivieren Sie einen Bewegungserkennung. Verwenden Sie für minimale CPU-Auslastung den Einfacher Detektor. Stellen Sie sicher, dass mindestens eine Zone definiert ist, um den Bereich abzudecken, den Sie überwachen möchten.
• Stellen Sie auf der Registerkarte Alarme den Modus auf Nur Aktionen ein und aktivieren Sie Alarme.
• Stellen Sie auf der Registerkarte Aufnahme den Modus auf Alarme ein (wenn Sie Aufnahmen wünschen).
• Aktivieren Sie Objekterkennung auf der Registerkarte Objekterkennung. Stellen Sie den Modus auf Bewegung erkannt ein, wählen Sie ein Modell aus, und klicken Sie auf Find, um Objekte für die Erkennung auszuwählen, wie Person, Hund, Auto usw.
• Gehen Sie zu Aktionen im Registerkartenmenü und fügen Sie eine Aktion für das Ereignis KI: Objekt gefunden hinzu.

  Wählen Sie Zonen aus, um anzugeben, wo Objekte erkannt werden sollen, wie unterschiedliche Zonen für Ihre Auffahrt und die Straße. Wenn Sie beispielsweise die Zone Auffahrt auswählen, wird ein Alarm nur ausgelöst, wenn dort ein Auto erkannt wird.

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

Agent DVR führt die KI-Objekterkennung bei Bewegungserkennung durch. Wenn ein angegebenes Objekt in einer ausgewählten Zone erkannt wird, wird eine Aktion ausgelöst, um einen Alarm auszulösen. Wenn keine Zone ausgewählt ist, werden Alarme für jede Zone ausgelöst.

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

Für kontinuierliche KI-Objekterkennung ohne Bewegungserkennungsauslöser stellen Sie den Modus bei Objekterkennung auf Intervall ein. Überwachen Sie die Auswirkungen auf Ihre Hardwareressourcen und passen Sie sie nach Bedarf an.

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

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

• Stellen Sie sicher, dass die Einstellung Suchen mit einer der verfügbaren Optionen übereinstimmt.
• Überprüfen Sie, dass der Hauptalarmschalter oben links in Agent DVR ein geschlossenes Schloss anzeigt, was auf aktive Alarme hinweist.
• Bestätigen Sie, dass der Aufnahmemodus auf Alarm eingestellt ist und nicht auf Erkennen.
• Stellen Sie sicher, dass der Alarmmodus auf Nur Aktionen eingestellt ist.
• Versuchen Sie, den Konfidenzmesswert unter Objekterkennung zu senken.
• Überprüfen Sie /logs.html auf Fehlermeldungen, die möglicherweise auf Serverprobleme oder Netzwerksperrungen 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 GPU-Probleme hinweisen. Überprüfen Sie die GPU-Treiber oder wechseln Sie zu einem CPU-basierten KI-Modul.

Agent DVR nutzt KI-Server (OpenAI/ Claude/ Gemini/ lokale LLMs wie Ollama, LM Studio, vLLM usw.), um menschenlesbare Fragen zu den Bildern Ihrer Kameras zu beantworten. Dies kann dann Ereignisse erzeugen, Alarme auslösen oder als Filter für Bewegungsalarme fungieren. Sie müssen die Einstellungen in Server-Einstellungen - KI-Einstellungen - Ask AI abschließen.

Sie können die Protokolle unter /logs.html auf dem lokalen Server überprüfen, um zu sehen, wann Anforderungen gesendet werden. Stellen Sie Server-Einstellungen - Protokollierung - Protokoll-Level auf Info ein.

• Aktiviert: Umschalter zum Aktivieren oder Deaktivieren des KI-Prozesses.
• Anbieter: Wählen Sie, welchen KI-Anbieter Sie zum Verarbeiten von Bildern verwenden möchten. Der Anbieter muss in den Servereinstellungen - KI-Einstellungen konfiguriert werden. Wenn Sie Standard auswählen, wird der erste konfigurierte Anbieter verwendet.
• Modus: Wählen Sie den Auslöser für den KI-Prozess. Auslösen nur über API, indem Sie dies auf Keine setzen und triggerAskAI aufrufen
• Bewegungsdurchleitung: Falls der KI-Server ausfällt und Alarme filtert, ermöglicht dies Alarmen, ohne Filterung durchzuleiten.
• Snapshot-URI verwenden: Verwenden Sie einen hochauflösenden Frame von Ihrer Kamera statt des aktuellen Live-Stream-Frames.
• Größenänderungsmodus: Ändern Sie die Größe von Bildern vor dem Senden an den KI-Server, um die Last zu reduzieren und die Antwortzeiten zu verbessern.
• Overlay konfigurieren: Richten Sie das Zeichnen von KI-Ergebnissen im Live-Videostrom ein.
• Anforderungsintervall: Stellen Sie die minimale Zeit zwischen Serveranforderungen ein.
• Detailmodus: Wählen Sie niedrig oder hoch für Bilddetails. Niedrig ist günstiger als Hoch und ausreichend für die meisten Szenarien.
• Video verwenden: Senden Sie einen kurzen Videoclip statt eines Bildes (nur Gemini). Stellen Sie die Dauer in Sekunden ein und aktivieren Sie Audio einschließen, um Ton zusammen mit dem Video zu senden.

KI-Messaging

• Nachricht: Geben Sie Ihre Frage für KI hier ein. Einige Beispiele:
  • Wenn Sie Feuer in diesem Bild sehen, antworten Sie mit FIRE. Wenn Sie einen Hund sehen, der auf einem Sofa sitzt, antworten Sie mit DOG. Wenn die Tür offen ist, antworten Sie mit DOOR. Wenn mehrere Bedingungen erfüllt sind, trennen Sie diese mit einem Komma
  • Wenn das Licht auf der Maschine auf der Werkbank rot ist, antworten Sie mit ALERT
  • Wenn ein Polizeiwagen in der Einfahrt geparkt ist, antworten Sie mit POLICE
  • Wenn Post oder Pakete auf dem Boden liegen, antworten Sie mit MAIL
  • Wenn es aussieht, als ob jemand in mein Haus eingebrochen hat, antworten Sie mit BREAKIN
• Suchen: Geben Sie die Tags ein, die Sie KI angewiesen haben zu antworten. Beispielsweise FIRE, DOG, DOOR
• Keine Wiederholung: Tags ignorieren, die beim letzten KI-Aufruf zurückgegeben wurden

Wie oben erwähnt können Sie mehrere Bedingungen in der Nachricht anfordern und Aktionen einrichten, um jedes Ergebnis zu verarbeiten.

Aktionen

Ask AI generiert KI: Ask AI Positives Ergebnis Ereignisse zur Verwendung in Aktionen.

Fotos

Informationen zu Fotos finden Sie unter Fotos. Beachten Sie, dass KI noch keine räumlichen Daten darüber zurückgibt, wo sich Dinge im Bild befinden, daher funktionieren Zuschneiden und statische Erkennung derzeit nicht.

KFZ-Kennzeichen-Erkennung (License Plate Recognition, auch bekannt als ALPR/ANPR) nutzt einen KI-Server, um Kennzeichen von Fahrzeugen in Ihren Video-Streams zu erkennen und zu lesen. Sie generiert Ereignisse, löst Alarme aus oder dient als Filter für Bewegungsalarme.

• Aktiviert: Umschalter zum Aktivieren oder Deaktivieren des KI-Prozesses.
• KI-Server: Wählen Sie aus Ihren konfigurierten Servern oder verwenden Sie die Standardoption. Agent DVR unterstützt KFZ-Kennzeichen-Erkennung über CodeProject.AI, PlateRecognizer.com, Gemini oder jeden OpenAI-kompatiblen Vision-LLM (wie vLLM, Ollama und LM Studio).
• Modus: Wählen Sie den Auslöser für den KI-Prozess. Lösen Sie nur über API aus, indem Sie dies auf "Keine" setzen und triggerLPR aufrufen.
• Snapshot-URI verwenden: Wählen Sie einen hochauflösenden Rahmen von Ihrer Kamera anstelle des aktuellen Live-Stream-Rahmens.
• Größenänderungsmodus: Ändern Sie die Größe von Bildern vor dem Senden an den KI-Server, um die Last zu reduzieren und die Antwortzeiten zu verbessern.
• Overlay konfigurieren: Richten Sie das Zeichnen von KI-Ergebnissen im Live-Videostrom ein.
• Anforderungsintervall: Legen Sie die Mindestzeit zwischen Server-Anforderungen fest, um die Last zu verringern.
• Konfidenz: Definieren Sie die Mindestkonfidenzstufe zur Erkennung eines Kennzeichens.
• Ecken prüfen: Weitere Informationen finden Sie unter Eckenprüfung.
• Kennzeichen: Geben Sie eine kommagetrennte Liste von Kennzeichen oder eine URL zu einer CSV-Datei mit Kennzeichen ein. Agent DVR erzeugt Ereignisse Kennzeichen erkannt und Kennzeichen nicht erkannt für diese Kennzeichen, die Aktionen auslösen können.
• Neuaktualisierungsintervall: Stellen Sie die Häufigkeit zum Neu laden der Kennzeichenliste von der URL ein.
• Normalisieren: Passen Sie häufig falsch erkannte Kennzeichen an, um die Übereinstimmung zu verbessern.
• Hersteller, Modell und Farbe: Aktivieren Sie dies nur, wenn Sie einen kostenpflichtigen Plan bei PlateRecognizer.com verwenden, der diese Funktionen unterstützt. Dies ist nicht im kostenlosen Plan enthalten. Details werden in {AIJSON} in Agent DVR Aktionen aufgeführt.

Aktionen

LPR erzeugt Ereignisse KI: Kennzeichen erkannt und KI: Kennzeichen nicht erkannt zur Verwendung in Aktionen.

Fotos

Weitere Informationen zu Fotos finden Sie unter Fotos.

ALPR-Datenbank verwenden

Sie können eine Integration mit ALPR-Database.com einrichten, um Ihre Kennzeichen zu speichern. Siehe Agent DVR mit ALPR-Database für Anweisungen.

Die Gesichtserkennung nutzt einen KI-Server (empfohlen: CodeProject.AI), um bestimmte Gesichter in Videoströmen zu erkennen. Sie kann Ereignisse erzeugen, Alarme auslösen oder als Filter für Bewegungsalarme fungieren. Gesichter können mit Ihrer Kamera hinzugefügt, bearbeitet oder gelöscht werden oder durch das Hochladen von Bildern. Siehe Gesichter bearbeiten in diesem Reiter für weitere Informationen.

• Aktiviert: Umschalter zum Aktivieren oder Deaktivieren des KI-Prozesses.
• KI-Server: Wählen Sie einen Ihrer konfigurierten Server aus, 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 triggerFace aufrufen
• Snapshot-URI verwenden: Wählen Sie einen hochauflösenden Rahmen von Ihrer Kamera anstelle des aktuellen Live-Stream-Rahmens.
• Größenänderungsmodus: Ändern Sie die Größe von Bildern vor dem Senden an den KI-Server, um die Last zu reduzieren und die Antwortzeiten zu verbessern.
• Overlay konfigurieren: Richten Sie das Zeichnen von KI-Ergebnissen im Live-Videostrom ein.
• Anforderungsintervall: Legen Sie die Mindestzeit zwischen Server-Anforderungen fest, um die Last zu verringern.
• Konfidenz: Legen Sie die Mindestkonfidenz fest, um ein Gesicht zu erkennen.
• Ecken prüfen: Weitere Informationen finden Sie unter Eckenprüfung.
• Gesichter bearbeiten: Laden Sie Bilder in die Serverdatenbank zur Erkennung hoch. Stellen Sie sicher, dass in jedem Bild nur ein Gesicht sichtbar und eindeutig definiert ist.

Aktionen

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

Fotos

Weitere Informationen zu Fotos finden Sie unter Fotos.

Um die Sprache für Bezeichnungen und Markierungen in Bildüberlagerungen zu ändern, gehen Sie zu Servermenü - Einstellungen - Allgemein - Standardsprache.

Agent DVR generiert Ereignisse durch KI-Prozesse, die Aktionen auslösen können. Beispielsweise generiert die Objekterkennung die Ereignisse „Objekt gefunden" und „Objekt nicht gefunden". Jedes KI-System in Agent DVR erzeugt einzigartige Ereignisse.

Diese Ereignisse können verschiedene Aktionen auslösen, wie das Auslösen von Alarmen, das Aufrufen von URLs mit Objektbezeichnungen, das Ausführen von Programmen oder das Veröffentlichen von Nachrichten auf MQTT-Servern. Verwenden Sie Tags {AI} für Bezeichnungen oder {AIJSON} für die vollständige JSON-Antwort vom KI-Server in Aktionen.