AI (人工智慧): 伺服器

Agent DVR 與 AI 伺服器完全整合，如 DeepStack AI、CodeProject AI、PlateRecognizer.com、Claude、Gemini、OpenAI (ChatGPT) 以及本地 LLM（如 Ollama、vLLM 和 LM Studio），可新增智慧警示過濾、物件辨識、場景辨識和智慧事件控制。

除了 DeepStack 和 CodeProject AI 之外，您也可以使用其他支援相同 API 的 AI 伺服器：

物件辨識 & 電腦視覺

• https://codeproject.github.io/ - 跨平台 GPU/CPU 型 AI 處理伺服器
• https://docs.platerecognizer.com/ - 車牌辨識伺服器（網路型 API）
• https://github.com/runningman84/docker-coral-rest-server - RPi（或 Linux/Mac）上的 Tensorflow-lite 模型，搭配 Coral USB 晶片加速
• https://github.com/robmarkcole/coral-pi-rest-server/ - 經由 Flask 應用程式在 Coral USB 加速器上的 Tensorflow-lite 模型
• https://xnorpx.github.io/blue-onyx/ - Blue Onyx 物件偵測服務

雲端 AI 服務

• https://platform.openai.com/ - OpenAI API (ChatGPT、GPT-4 Vision)，用於影像分析和聊天
• https://console.anthropic.com/ - Anthropic Claude API，用於進階推理和影像理解
• https://ai.google.dev/ - Google Gemini API，提供多模態 AI 功能
• https://docs.anthropic.com/ - Claude API 文件
• https://platform.openai.com/docs/ - OpenAI API 文件
• https://ai.google.dev/gemini-api/docs - Gemini API 文件

本地 AI 伺服器 (LLM)

• https://ollama.com/ - Ollama：在本地執行大型語言模型
• https://docs.vllm.ai/ - vLLM：高吞吐量 LLM 推論和服務
• https://lmstudio.ai/ - LM Studio：本地 LLM 的易用桌面應用程式
• https://github.com/ollama/ollama - Ollama GitHub 儲存庫
• https://github.com/vllm-project/vllm - vLLM GitHub 儲存庫

自訂 AI 模型讓您擴展 Agent DVR 的物件辨識超越內建選項，例如辨識野生動物、送貨車輛或任何訓練模型可以找到的東西。若要將您自己的模型檔案新增至 Agent DVR，請前往伺服器設定 > AI 設定，然後在AI 模型下按一下物件辨識。Agent 隨附兩個已針對 Agent DVR 進行效能調整的預先建置模型。

在您設定模型之前，您需要將其新增至 Agent DVR 的模型資料夾（請參閱建置 AI 模型）。這通常位於Agent/Media/Models/ONNX（路徑可能因作業系統而異）。如果您不確定，新增模型頁面上會顯示完整路徑。Agent 使用.onnx模型。您可以使用 Python 工具將其他 AI 模型格式轉換為 ONNX。

建置並複製模型後，將其新增至 Agent 很簡單 - 按一下以新增模型：

• 名稱：為您的模型命名 - 這可以是任何您喜歡的名稱。
• 說明：模型功能的選擇性說明。
• 模型檔案：選擇您複製到資料夾中的模型檔案名稱。
• 標籤清單：輸入模型尋找的標籤（或「類別」）清單，格式為 CSV，不含引號（空格會自動修剪）。
• 佈局：選擇您的模型是 NCHW 還是 NHWC。如果您不確定，大多數模型都是 NCHW。
• 通道順序：選擇您的模型是否需要 RGB 或 BGR 格式的影像。大多數模型使用 RGB。如果您的模型是單通道（灰階），此設定會被忽略。
• 標準化：選擇在將資料用於模型之前應如何標準化。大多數模型使用重新調整 (0-1)，即將像素值除以 255。
• 影像填補：這控制影像是應該拉伸到輸入尺寸還是用黑色條紋填補。通常填補影像對精確度更好。
• 具有 NMS：如果您的模型已在內部執行非最大值抑制，請勾選此項。否則 Agent 會自行執行 NMS。NMS 控制結果矩形的篩選方式。
• 預設 NMS：設定 NMS 的重疊限制器（預設為 45% 重疊）。

新增模型後，您的裝置的物件辨識標籤中將可以使用該模型。如果遇到問題，您可以返回模型設定並進行變更。Agent 也支援重新載入模型檔案，因此您可以在其執行時將其覆蓋為新版本。

若要設定 AI 伺服器，請點擊 Agent DVR 主介面右上角的圖示。然後點擊「組態」下的「設定」，從下拉式選單中選擇「AI 設定」，並點擊「AI 伺服器」。

Agent DVR 與 CodeProject.AI 整合，提供各種 AI 功能，包括物件辨識、人臉辨識、ALPR (自動車牌辨識) 和超解析度 (增強)。也支援將 PlateRecognizer.com 作為 ALPR 供應商。CodeProject.AI 是開放原始碼、免費且相容於大多數平台。

首先，為您的平台安裝 AI 伺服器，然後點擊「AI 伺服器」再點擊「新增」，將 Agent DVR 連線到該伺服器。

您可以視需要為 Agent DVR 新增多個 AI 伺服器。Agent DVR 中的攝影機可以設定為針對每個功能使用不同的 AI 伺服器，或者您可以為所有工作項目清單使用一個 AI 伺服器。

設定您的伺服器

• 名稱：為您的伺服器命名，例如「貓咪捕捉器」。
• AI 伺服器 URL：輸入您的 AI 伺服器的 URL，例如 http://localhost:32168/
• API 金鑰：輸入您的金鑰 (如已設定，此為選用項目)。
• 逾時時間：伺服器要求的逾時時間 (以秒為單位)。
• 重試延遲時間：重試對該伺服器的失敗要求之前等待的時間 (以秒為單位)。

點擊「確定」以儲存您的設定。

若要設定 OpenAI ("ChatGPT") 以回答有關您影片串流中發生情況的問題，請瀏覽至伺服器設定 - AI 設定，並在詢問 AI 下選擇「OpenAI」。

• 網址 (URL)：輸入服務的網址。預設值為「https://api.openai.com/v1/responses」。
• OpenAI API 金鑰：在向 OpenAI 註冊後，前往API 金鑰頁面並產生新的金鑰密文。將此金鑰複製並貼入指定欄位。
• 模型：指定要使用的模型。預設值為 gpt-5.4-mini。OpenAI 可能會在稍後移除或變更此項。
• 最大權杖數：這會設定每個要求的最大權杖使用量。如果遇到問題，請在 /logs.html 查看日誌，因為這可能與權杖使用量相關。

設定 OpenAI 後，請參閱詢問 AI 以了解如何使用它來回答有關您攝影機串流中發生情況的一般問題。

若要設定 Claude AI 來回答您影片串流中發生的事情，請導航至伺服器設定 - AI 設定，並在詢問 AI 下選擇「Claude」。

• 網址 (URL)：輸入服務的網址。預設值為「https://api.anthropic.com/v1/messages」。
• Claude API 金鑰：註冊 Claude 後，請訪問 API 金鑰頁面並建立新的金鑰密文。複製此金鑰並將其貼入欄位中。
• 版本：指定要使用的 API 版本。預設值為 2023-06-01。此版本可能會在某個時刻被 Anthropic 移除或變更。
• 模型：指定要使用的模型。書寫聲時的預設值為 claude-sonnet-4-6（Claude Sonnet 4.6）。
• 最大權杖數：此選項控制每個請求的最大金鑰花費。如果遇到問題，請查看 /logs.html 的日誌，因為可能與金鑰花費有關。

設定 Claude 後，請參閱 詢問 AI 了解如何使用它來識別攝影機串流中的一般情況。

若要設定 Gemini 以回答有關您的影片饋送中發生情況的問題，請瀏覽至伺服器設定 - AI 設定，並在詢問 AI 下選擇「Gemini」。

• 網址 (URL)：輸入服務的網址。預設值為「https://generativelanguage.googleapis.com」。
• Gemini API 金鑰：註冊 Gemini 後，請造訪 API 金鑰頁面並建立新的金鑰密文。複製此金鑰並貼到欄位中。
• 版本：指定要使用的 API 版本。預設值為 v1beta。Google 可能會隨時移除或變更此項目。
• 模型：指定要使用的模型。在書寫聲時的預設值為 gemini-2.5-flash。輸入 API 金鑰後，Agent 將列出您帳戶可用的視覺模型。
• 最大權杖數：此選項控制每個請求的最大金鑰花費。如果遇到問題，請查看 /logs.html 的日誌，因為可能與金鑰花費有關。

Gemini 設定完成後，請參閱詢問 AI 以了解如何用它來識別攝影機饋送中的一般情況。

您可以使用自己的本機 LLM 伺服器（例如 vLLM、Ollama 和 LM Studio）來描述 Agent DVR 從您的攝影機在警示事件中擷取的影像，並回答關於您影片串流中正在發生什麼的問題。請參閱 描述和 詢問 AI。

若要設定本機 AI 伺服器，請前往伺服器設定 - AI 設定，然後點擊您想要使用的 LLM（Ollama、vLLM 或 LM Studio）旁的設定按鈕。

• URL：指定您的 LLM 伺服器執行所在的端點。預設值 URL 為：
  • Ollama：

    http://localhost:11434/api/chat

  • vLLM：

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

  • LM Studio：

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

• API 金鑰：如果您的 LLM 伺服器需要驗證，請在此輸入 API 金鑰。大多數本機伺服器不需要此項，除非特別設定。
• 模型：選擇具備視覺功能的模型以用於影像分析。您必須已在您的 LLM 伺服器中下載並載入此模型。Agent 建議一些受歡迎的選項，包括：
  • Qwen VL 模型（高效能）
  • Gemma 4（大小範圍良好）
  • Llama 3.2 Vision（Meta）
  • Mistral Small 3.1
  • moondream（非常小型，適合低階硬體，僅限 Ollama）
• 溫度：控制回應中的創意性與準確性（0.0-1.0）。較低的值（0.3-0.4）會產生更多實際、一致的描述。較高的值（0.6-0.8）會產生更多樣化、創意性的回應。建議值：0.4 用於安全攝影機分析。
• 最大權杖數：AI 回應中的最大字數/權杖數。較高的值允許更詳細的描述，但產生時間更長。建議值：300-500 用於詳細影像分析，150-250 用於簡短描述。
• top_p：通過限制詞彙選擇來控制回應多樣性（0.0-1.0）。較低的值使用更常見的單詞，較高的值允許更多樣的詞彙。建議值：0.9 以取得準確性和自然語言的良好平衡。
• top_k：限制模型從最可能的前 K 個下一個單詞中選擇。較低的值（20-40）會產生更專注的回應，較高的值（80-100）允許更多變化。建議值：50 用於可靠的影像描述。

若要在 Agent DVR 中設定 LPR (ANPR 或牌照辨識)，請前往伺服器設定 - AI 設定，並在 Plate Recognizer 下輸入詳情。前往 Plate Recognizer 註冊免費試用。無須信用卡。

• 網址 (URL)：輸入服務的網址。預設值為 "https://api.platerecognizer.com/v1/plate-reader/"，或如果自行代管執行個體，可使用您自己的伺服器。
• 金鑰：註冊 Plate Recognizer 後，前往 帳戶頁面並複製 API 金鑰。
• 區域：保留空白使用預設值，或輸入 區域的逗號分隔清單。
• 設定：如需要，請從 文件輸入其他組態值。

DoubleTake 是一個開放源始平台，提供統一的 API 用於處理臉部辨識，使用：

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

您需要安裝並設定 DoubleTake 搭配您偏好的臉部辨識選項。

DoubleTake 設定完成後，開啟 Agent DVR 並前往伺服器設定 - AI 設定，然後點擊 DoubleTake 旁邊的設定按鈕。

輸入您的 DoubleTake 伺服器網址 (URL)（例如 http://localhost:3000/）和您的密碼（如果已設定）。

點擊確定，然後編輯攝影機並前往臉部辨識。將 AI 伺服器選項設定為 DoubleTake，並視需要設定臉部辨識。