附录:reComputer 上的 AI NVR

为什么需要这一附录

主线的 10 节课程围绕一个清晰的学习主轴设计:

  • 基础知识
  • 方法
  • 任务
  • 训练
  • 部署
  • Jetson 系统概念
  • 前沿展望

AI NVR 项目极具价值,但它最适合作为学习者完成主线学习之后的延伸内容。这就是为什么它出现在附录中,而不是作为主体十节课中的一节。

项目目标

在 reComputer 上构建一个 AI NVR 工作流,集成以下功能:

  • 摄像头接入
  • 实时推理
  • 跟踪
  • 事件逻辑
  • 录制与存储
  • 面向运维人员的可视化

本项目汇集了哪些内容

本附录之所以有用,是因为它把多个早前章节的理念结合到一起:

  • 4.2:图像与视频输入
  • 4.5:目标检测、跟踪等视觉任务
  • 4.6:模型使用与评估
  • 4.7:部署格式与优化
  • 4.8:流水线思维
  • 4.9:DeepStream 与 Jetson 服务

推荐架构

  • VST 用于流接入与视频处理
  • DeepStream Perception 用于推理
  • Analytics 用于 ROI、计数或越线逻辑
  • Redis 用于元数据
  • Ingress 用于服务访问

最小化项目流程

  1. 准备 Jetson 基线环境
  2. 验证 JPS 服务
  3. 添加一路或多路摄像头流
  4. 启动推理
  5. 确认跟踪或事件逻辑
  6. 检查录像和存储行为
  7. 验证运维人员的使用体验

服务启动示例

bash
sudo systemctl start jetson-redis
sudo systemctl start jetson-ingress
sudo systemctl start jetson-vst

思考问题

  1. 项目的哪些部分依赖于模型质量,哪些部分依赖于系统设计?
  2. 在真实部署中,最先出问题的会是什么:模型、流、存储,还是运维流程?
  3. 你会如何把这一附录扩展为一个生产试点?

总结

本附录为学习者提供了一个具体的项目,把课程中的理论与系统实践联系起来。它并不是课程的核心,但对于希望看到一个完整边缘视觉应用如何整合到一起的学习者来说,是一个强大的延伸。

参考资料