能不能利旧
先看这四个条件

实验室要上 AI 安全监控，第一个问题几乎都是"原来的摄像头还能不能用"。答案不是简单的能或不能，而是按点位逐个判断。同一栋楼里，走廊的球机可能直接能用，危化品柜前的旧枪机可能必须换，而气瓶间的死角则无论如何都要新增。

下面四个约束，是判断能不能利旧的硬指标。建议在方案阶段就逐个点位标注，避免预算批完、设备装完才发现效果不达标。

一分辨率与画质：决定"看不看得清"

AI 识别的不是画面，是画面里的像素。要让算法判断"这个人有没有穿实验服"，实验服在画面里至少需要占一定像素面积。经验上：

• 1080P（200 万）：适合 3-5 米内的近距离识别，如门口、实验台前、柜前。
• 720P（100 万）：只适合 2-3 米内的近距离场景，远距离识别实验服、护目镜这类细节会很吃力。
• D1 / CIF 等标清：基本不具备细节识别能力，可用于"有没有人经过"这类粗粒度判断，不适合着装与操作行为识别。

除分辨率外还要看画质：逆光、夜间照度不足、镜头脏污、广角畸变严重，都会让同一分辨率的实际效果差很多。最有效的判断方式不是看参数，而是调取一段真实录像做回放测试——把要识别的目标框出来，看看能不能稳定区分。

二码流与帧率：决定"取不取得到"

很多存量摄像头是"能看但不能取"：只接了同轴或私有协议，录像存在本地 NVR 里，没有开放 RTSP 或 GB/T 28181 输出。这种情况下即使画质够，也需要先解决取流问题。

需要确认三件事：

• 协议：是否支持 RTSP / RTMP / GB/T 28181；是否被 NVR 私有封装锁死。
• 并发：同一路视频被 NVR 录像、被平台预览、再被 AI 分析同时拉取，设备是否能承受。老设备常见问题是多拉一路就掉帧。
• 帧率：行为识别（如未穿实验服、离岗、攀爬）建议 15 帧以上；单纯的人形检测 5-10 帧即可。帧率不足会让"快速经过"的目标被漏掉。

如果设备老旧但画质尚可，通常的折中方案是在 NVR 侧取子码流给 AI 分析、主码流留给录像，既不影响存储，也不额外占用设备带宽。

三安装角度与视野：决定"看不看得见"

这是存量改造中最容易被低估的一项。原来的摄像头是为了"看得广、看得全"装的，通常位置高、角度俯视、视野覆盖整间实验室。而 AI 识别往往需要相对正面的视角、合适的人体高度和稳定的背景。

典型的不可用情况：

• 装在 4 米以上天花板正中，俯视角度过大，只能看到头顶，无法判断着装。
• 正对窗户或强光源，白天逆光成剪影。
• 视野内有频繁移动的物体（如门口人流、窗帘、旋转设备），造成持续误报。
• 关键区域（如危化品柜操作面）被货架、通风柜遮挡。

这些问题有些能通过调整支架角度、加装补光解决，有些只能新增点位。建议在勘察时用手机在同一位置拍一张照片，按实际视角判断，而不是只看平面图。

四网络与算力位置：决定"跑不跑得动"

AI 分析需要算力，算力放在哪儿直接影响网络改造量和后期运维。

部署方式	适合场景	优点	需要注意
边缘盒子（就近分析）	单栋楼、点位集中、内网隔离	视频不出楼，带宽压力小	每台盒子覆盖路数有限，扩容需加设备
中心服务器（机房集中）	多栋楼、点位分散、统一运维	算力可共享，管理集中	需要把视频流汇聚到机房，网络要评估
云侧分析	无内网限制、点位少、临时项目	上线快，无需采购算力	视频出校，需评估合规与带宽成本

高校与科研院所的实验室普遍对视频出校敏感，实践中以边缘 + 中心混合居多：重点房间就近分析，公共区域汇聚到机房统一处理。

五可利旧 / 需更换 / 必须新增

把四个约束合起来，可以落到一张判定表上。勘察时逐点位填，比笼统说"大部分能利旧"更有说服力。

点位类型	典型条件	建议	原因
实验室门口	1080P、正对出入口、有补光	可直接利旧	识别目标大、视角正、背景稳定
走廊 / 通道	1080P 以上、支持 RTSP	可直接利旧	用于人员通行与区域管控，要求较低
实验台操作面	720P、俯视 60° 以上	调整支架或更换	俯视过大无法判断着装与操作
危化品柜前	标清、逆光、视野被挡	建议更换	需要看清取用动作与双人操作
气瓶间 / 死角	无覆盖	必须新增	原有视野无法覆盖，属高风险区域
夜间无人区域	低照度、无红外	新增或加补光	夜间画面噪点大，识别不可用

六误报治理：比识别率更影响使用

很多项目上线后出现的问题不是"识别不出来"，而是"告警太多没人看"。一天几百条告警，值班人员很快就会习惯性忽略，系统等于失效。

可用的治理手段有三层：

• 空间过滤：为每个点位画检测区域，只对区域内目标生效；把走廊、窗户、门口等易误报区域排除。
• 时间与频次控制：同一目标持续违规时合并为一条告警并记录持续时间，而不是每帧都推；设置最短告警间隔。
• 分级与二次确认：高风险（明火、烟雾、闯入）即时推送；低风险（未穿实验服）先进入待确认列表，由值班人员确认后再升级。

上线初期建议保留一周的"只记录不推送"观察期，用真实数据调阈值和区域，再逐步开启推送。直接全量推送，往往会在一周内把使用者的耐心消耗完。

怎么验收才算靠谱

不建议用"准确率 95%"这类笼统指标验收。更可行的做法是：

• 选取 3-5 个代表性点位，各取连续 24 小时的真实录像做回放测试。
• 人工标注该时段内实际发生的违规事件数量，与系统识别结果比对，分别统计漏报数和误报数。
• 明确验收口径：例如"漏报不超过实际事件的 10%，单个点位日均误报不超过 5 条"。
• 把告警从产生到值班人员确认的平均响应时间一并纳入，这决定了系统是否真的在被使用。

七常见问题