AI: Server

Agent DVR si integra completamente con server AI come DeepStack AI, CodeProject AI, PlateRecognizer.com, Claude, Gemini, OpenAI (ChatGPT) e LLM locali come Ollama, vLLM e LM Studio per aggiungere filtraggio intelligente degli avvisi, riconoscimento degli oggetti, riconoscimento delle scene e controllo intelligente degli eventi.

Oltre a DeepStack e CodeProject AI, puoi utilizzare anche altri server AI che supportano la stessa API:

Riconoscimento degli Oggetti & Visione Artificiale

• https://codeproject.github.io/ - Server di elaborazione AI basato su GPU/CPU multipiattaforma
• https://docs.platerecognizer.com/ - Server di riconoscimento delle targhe (API basata sul web)
• https://github.com/runningman84/docker-coral-rest-server - Modelli Tensorflow-lite su un RPi (o Linux/Mac) con accelerazione da stick USB Coral
• https://github.com/robmarkcole/coral-pi-rest-server/ - Modelli Tensorflow-lite su un acceleratore USB Coral tramite un'app Flask
• https://github.com/xnorpx/blue-candle - Server di riconoscimento degli oggetti super piccolo

Servizi AI Cloud

• https://platform.openai.com/ - API OpenAI (ChatGPT, GPT-4 Vision) per analisi delle immagini e chat
• https://console.anthropic.com/ - API Anthropic Claude per ragionamento avanzato e comprensione delle immagini
• https://ai.google.dev/ - API Google Gemini per capacità AI multimodali
• https://docs.anthropic.com/ - Documentazione API Claude
• https://platform.openai.com/docs/ - Documentazione API OpenAI
• https://ai.google.dev/gemini-api/docs - Documentazione API Gemini

Server AI Locali (LLMs)

• https://ollama.com/ - Ollama: Esegui modelli di linguaggio di grandi dimensioni localmente
• https://docs.vllm.ai/ - vLLM: Inferenza e servizio LLM ad alta capacità
• https://lmstudio.ai/ - LM Studio: App desktop facile da usare per LLM locali
• https://github.com/ollama/ollama - Repository GitHub di Ollama
• https://github.com/vllm-project/vllm - Repository GitHub di vLLM

I modelli AI personalizzati ti permettono di estendere il rilevamento degli oggetti di Agent DVR oltre le opzioni integrate, ad esempio per riconoscere animali selvatici, veicoli di consegna o qualsiasi altra cosa che un modello addestrato possa trovare. Per aggiungere i tuoi file modello in Agent DVR, vai a Server Settings > AI Settings e fai clic su Object Recognition sotto AI Models. Agent viene fornito con due modelli pre-compilati che sono stati ottimizzati per Agent DVR.

Prima di configurare un modello, dovrai aggiungerlo alla cartella Models di Agent DVR (vedi building AI models). Si trova solitamente in Agent/Media/Models/ONNX (il percorso può variare a seconda del sistema operativo). Il percorso completo viene visualizzato sulla pagina Add Model se non sei sicuro. Agent utilizza modelli .onnx. Puoi convertire altri formati di modelli AI in ONNX usando strumenti Python.

Una volta creato e copiato il modello, aggiungerlo a Agent è facile - fai clic per aggiungere un modello:

• Name: Dai un nome al tuo modello - può essere quello che desideri.
• Description: Una descrizione facoltativa di cosa fa il modello.
• Model File: Seleziona il nome del file modello che hai copiato nella cartella.
• Labels: Inserisci un elenco di etichette (o "classi") che il tuo modello cerca in formato CSV senza virgolette (gli spazi vengono automaticamente rimossi).
• Layout: Seleziona se il tuo modello è NCHW o NHWC. La maggior parte dei modelli è NCHW se non sei sicuro.
• Channel Order: Seleziona se il tuo modello vuole immagini in RGB o BGR. La maggior parte dei modelli usa RGB. Se il tuo modello è a canale singolo (scala di grigi) questo verrà ignorato.
• Normalize: Seleziona come i dati devono essere normalizzati prima di essere utilizzati nel tuo modello. La maggior parte dei modelli usa Rescaling (0-1), che divide i valori dei pixel per 255.
• Pad Image: Questo controlla se l'immagine deve essere allungata alle dimensioni di input o riempita con barre nere. Solitamente è meglio riempire le immagini per la precisione.
• Has NMS: Selezionalo se il tuo modello esegue già Non-Maximum Suppression internamente. In caso contrario, Agent eseguirà NMS stesso. NMS controlla come vengono filtrati i rettangoli dei risultati.
• Default NMS: Imposta il limitatore di sovrapposizione per NMS (il valore predefinito è sovrapposizione del 45%).

Una volta aggiunto il tuo modello, sarà disponibile per l'uso nella scheda Object Recognition del tuo dispositivo. Se hai problemi, puoi tornare alla configurazione del modello e apportare modifiche. Agent supporta anche il ricaricamento del file modello, quindi puoi sovrascriverlo con una nuova versione mentre è in esecuzione.

Per configurare i server di intelligenza artificiale, fai clic sull'icona in alto a destra dell'interfaccia principale di Agent DVR. Quindi fai clic su Impostazioni in Configurazione, seleziona Impostazioni intelligenza artificiale dal menu a discesa e fai clic su Server di intelligenza artificiale.

Agent DVR si integra con CodeProject.AI per varie funzioni di intelligenza artificiale, incluso il riconoscimento degli oggetti, il riconoscimento dei volti, ALPR (Automatic License Plate Recognition) e la super risoluzione (migliora). PlateRecognizer.com è supportato anche come provider ALPR. CodeProject.AI è open source, gratuito e compatibile con la maggior parte delle piattaforme.

Per iniziare, installa un server di intelligenza artificiale per la tua piattaforma e connetti Agent DVR ad esso facendo clic su Server di intelligenza artificiale e quindi su Aggiungi.

Puoi aggiungere a Agent DVR quanti server di intelligenza artificiale sono necessari. Le fotocamere in Agent DVR possono essere configurate per utilizzare diversi server di intelligenza artificiale per ogni funzione, oppure puoi utilizzare un server di intelligenza artificiale per tutti i compiti.

Configurazione del server

• Nome: Assegna un nome al tuo server, ad esempio Cat Catcher.
• URL server intelligenza artificiale: Inserisci l'URL del tuo server di intelligenza artificiale, ad esempio http://localhost:32168/
• Chiave API: Inserisci la tua chiave se configurata (facoltativo).
• Timeout: Il timeout in secondi per le richieste al server.
• Ritardo riprova: Il tempo in secondi prima di riprovare una richiesta non riuscita a questo server.

Fai clic su OK per salvare le impostazioni.

Per configurare OpenAI ("ChatGPT") per rispondere a domande su ciò che accade nel tuo feed video, vai a Impostazioni Server - Impostazioni AI e seleziona "OpenAI" sotto Chiedi a AI.

• URL: Inserisci l'URL per il servizio. Il valore predefinito è "https://api.openai.com/v1/responses".
• Chiave API OpenAI: Dopo esserti registrato su OpenAI, vai alla Pagina Chiavi API e genera una nuova chiave segreta. Copia e incolla questa chiave nel campo specificato.
• Model: Specifica il modello da utilizzare. Il valore predefinito è gpt-5.4-mini. OpenAI potrebbe rimuovere o modificare questo in seguito.
• Token Massimi: Imposta l'uso massimo di token per richiesta. Se riscontri problemi, controlla i log su /logs.html poiché potrebbero essere legati all'uso dei token.

Una volta configurato OpenAI, consulta Chiedi ad AI per istruzioni su come utilizzarlo per rispondere a domande generali su ciò che sta accadendo nel feed della tua telecamera.

Per configurare Claude AI in modo che risponda a domande su ciò che accade nel tuo flusso video, vai alle Impostazioni Server - AI Settings e seleziona "Claude" in Ask AI.

• URL: Inserisci l'URL del servizio. Il valore predefinito è "https://api.anthropic.com/v1/messages".
• Claude API Key: Dopo esserti registrato per Claude, visita la pagina API Keys e crea una nuova chiave segreta. Copia e incolla questa chiave nel campo.
• Version: Specifica la versione API da utilizzare. Il valore predefinito è 2023-06-01. Questa potrebbe essere rimossa o modificata in futuro da Anthropic.
• Model: Specifica il modello da utilizzare. Il valore predefinito al momento della stesura è claude-sonnet-4-6 (Claude Sonnet 4.6).
• Max Tokens: Questo controlla il consumo massimo di token per richiesta. Controlla i log in /logs.html se hai problemi poiché potrebbe essere correlato al consumo di token.

Una volta configurato Claude, consulta Ask AI per informazioni su come usarlo per riconoscere scenari generali nel tuo flusso telecamera.

Per configurare Gemini per rispondere a domande su quello che sta accadendo nel tuo feed video, vai a Impostazioni Server - Impostazioni AI e seleziona "Gemini" sotto Ask AI.

• URL: Inserisci l'URL del servizio. L'impostazione predefinita è "https://generativelanguage.googleapis.com".
• Gemini API Key: Dopo aver effettuato l'iscrizione a Gemini, visita la pagina delle chiavi API e crea una nuova chiave segreta. Copia e incolla questa chiave nel campo.
• Version: Specifica la versione API da utilizzare. L'impostazione predefinita è v1beta. Questa potrebbe essere rimossa o modificata in qualsiasi momento da Google.
• Model: Specifica il modello da utilizzare. L'impostazione predefinita al momento della stesura è gemini-2.5-flash. Una volta inserita una chiave API, Agent elencherà i modelli vision disponibili per il tuo account.
• Max Tokens: Questo controlla il consumo massimo di token per richiesta. Controlla i log in /logs.html se hai problemi poiché potrebbe essere correlato al consumo di token.

Una volta configurato Gemini, consulta Ask AI per informazioni su come utilizzarlo per riconoscere scenari generali nel tuo feed della fotocamera.

Puoi utilizzare i tuoi server LLM locali (come vLLM, Ollama e LM Studio) per descrivere le immagini che Agent DVR acquisisce dalle tue telecamere negli eventi di Avviso e rispondere a domande su ciò che sta accadendo nei tuoi flussi video. Vedi Descrivi Avvisi e Chiedi all'IA.

Per configurare un server AI locale, vai a Server Settings - AI Settings e fai clic sul pulsante Configure accanto all'LLM che desideri utilizzare (Ollama, vLLM o LM Studio).

• URL: Specifica l'endpoint dove è in esecuzione il tuo server LLM. Gli URL predefiniti sono:
  • Ollama:

    http://localhost:11434/api/chat

  • vLLM:

    http://localhost:8000/v1/chat/completions

  • LM Studio:

    http://localhost:1234/v1/chat/completions

• API Key: Se il tuo server LLM richiede autenticazione, inserisci qui la chiave API. La maggior parte dei server locali non lo richiede a meno che non sia specificatamente configurato.
• Model: Seleziona il modello con capacità di visione da utilizzare per l'analisi delle immagini. Devi aver già scaricato e caricato questo modello nel tuo server LLM. Agent suggerisce alcune opzioni popolari, tra cui:
  • Modelli Qwen VL (alte prestazioni)
  • Gemma 4 (buona gamma di dimensioni)
  • Llama 3.2 Vision (Meta)
  • Mistral Small 3.1
  • moondream (molto piccolo, buono per hardware low-end, solo Ollama)
• Temperature: Controlla la creatività rispetto alla precisione nelle risposte (0,0-1,0). Valori più bassi (0,3-0,4) producono descrizioni più fattuali e coerenti. Valori più alti (0,6-0,8) generano risposte più variate e creative. Consigliato: 0,4 per l'analisi delle telecamere di sicurezza.
• Max Tokens: Numero massimo di parole/token nella risposta dell'IA. Valori più alti consentono descrizioni più dettagliate ma richiedono più tempo per essere generate. Consigliato: 300-500 per analisi dettagliata delle immagini, 150-250 per descrizioni brevi.
• top_p: Controlla la diversità delle risposte limitando la selezione del vocabolario (0,0-1,0). Valori più bassi utilizzano parole più comuni, valori più alti consentono un vocabolario più variegato. Consigliato: 0,9 per un buon equilibrio tra precisione e linguaggio naturale.
• top_k: Limita il modello a scegliere tra le K parole successive più probabili. Valori più bassi (20-40) producono risposte più focalizzate, valori più alti (80-100) consentono più varietà. Consigliato: 50 per descrizioni di immagini affidabili.

Per configurare il riconoscimento della targa (ANPR o License Plate Recognition) in Agent DVR, vai su Impostazioni Server - Impostazioni AI e inserisci i dettagli sotto Plate Recognizer. Registrati per una prova gratuita su Plate Recognizer. Non è richiesta alcuna carta di credito.

• URL: Inserisci l'URL del servizio. Il valore predefinito è "https://api.platerecognizer.com/v1/plate-reader/", oppure utilizza il tuo server se stai ospitando la tua istanza.
• Token: Dopo esserti registrato su Plate Recognizer, visita la Pagina dell'Account e copia il Token API.
• Regioni: Lascia vuoto per il valore predefinito o inserisci un elenco CSV di regioni.
• Configurazione: Inserisci valori di configurazione aggiuntivi dalla documentazione se necessario.

DoubleTake è una piattaforma open source che fornisce un'API unificata per l'elaborazione del riconoscimento facciale utilizzando:

• CompreFace
• Amazon Rekognition
• DeepStack
• CodeProject.AI Server
• Facebox

Dovrai installare e configurare DoubleTake con le tue opzioni di riconoscimento facciale preferite.

Una volta configurato DoubleTake, apri Agent DVR e vai a Impostazioni server - Impostazioni AI e fai clic sul pulsante Configura accanto a DoubleTake.

Inserisci l'URL del tuo server doubletake (ad es. http://localhost:3000/) e la tua password se configurata.

Fai clic su OK, quindi modifica una fotocamera e vai a Riconoscimento facciale. Imposta l'opzione Server AI su DoubleTake e configura il riconoscimento facciale secondo necessità.