در هوش مصنوعی لبه، بخشی از تحلیل ویدئو نزدیک محل تولید تصویر انجام میشود، مثلاً روی دوربین یا رایانه‌ای داخل همان شبکه. در پردازش ابری، تصویر یا دادهٔ انتخاب‌شده برای تحلیل به سرویس بیرونی می‌رسد. انتخاب به زمان پاسخ، کیفیت ارتباط، سیاست نگهداری تصویر و توان پردازش محل بستگی دارد.
مسیر داده را مشخص کنید
برای شمارش عبور خودرو در یک ورودی، دوربین می‌تواند جریان را به رایانهٔ محلی بدهد و فقط زمان رویداد و شمارش به داشبورد برسد. اگر بررسی انسانی تصویر هم لازم است، تعیین کنید کلیپ کجا ذخیره و چه مدت نگه داشته میشود. حجم شبکه را با بیت‌ریت واقعی و تعداد دوربین‌ها تخمین بزنید. ارسال چند جریان پیوسته هزینه و نیاز ارتباطی متفاوتی با ارسال رویداد دارد.
| نیاز | پرسش طراحی |
|---|---|
| واکنش سریع | چه میزان تأخیر از دوربین تا اعلان قابل قبول است؟ |
| اینترنت ناپایدار | هنگام قطع ارتباط چه بخشی محلی ادامه می‌یابد؟ |
| نگهداری تصویر | کلیپ یا تصویر کامل کجا و تا چه مدت ذخیره میشود؟ |
| به‌روزرسانی مدل | بازگشت به نسخه قبلی در محل چگونه انجام میشود؟ |
یک آزمایش کوچک در محل واقعی اجرا کنید
یک ورودی را برای آزمایش انتخاب کنید. در روز، شب و ساعت شلوغ نتیجه را با شمارش انسانی مقایسه کنید. خطای جاافتادگی و هشدار اشتباه را جدا بشمارید. تأخیر را از لحظه ورود سوژه تا ثبت اعلان اندازه بگیرید. یک قطع کوتاه ارتباط را در شرایط کنترل‌شده شبیه‌سازی کنید و بررسی کنید رویدادها طبق طرح ذخیره یا پس از اتصال ارسال می‌شوند.
در خرید سخت‌افزار، فقط میانگین سرعت را نبینید. دما، بار هم‌زمان چند دوربین و مصرف واقعی نیز روی تصمیم اثر دارند. پیش از استقرار در چند محل، مسئول به‌روزرسانی، دسترسی به لاگ و روش بازگردانی را روشن کنید. جداسازی شبکهٔ تجهیزات و دوربین‌ها · چارچوب ارزیابی ریسک NIST