GBHub AI 智能检测功能

让每一帧监控画面都拥有思考能力一、为什么需要 AI 智能检测传统视频监控面临三大痛点被动监看值班人员盯着几十上百路画面疲劳导致漏看事后追溯事发后翻录像错过最佳处置时机人力成本高7×24 小时值守一个监控室至少 3~5 人轮班AI 检测的价值让系统自动看画面主动发现异常并告警。人不用盯屏幕异常自己报警。二、GBHub AI 检测能力2.1 目标检测基于 YOLO 深度学习模型对监控截图实时推理开箱即用内置 COCO 80 类模型识别人员、车辆、物品等通用目标自定义训练支持训练专用模型如安全帽、反光衣、烟火、车牌等换模型零改动类别名从 ONNX metadata 自动读取替换文件即可2.2 检测类别分类类别人员person车辆car、truck、bus、motorcycle、bicycle物品backpack、handbag、suitcase、umbrella自定义安全帽、反光衣、烟火、车牌、人脸需训练2.3 智能告警四类规则自由组合精准匹配业务需求规则说明示例类别规则指定类别出现即告警检测到未戴安全帽 → 告警数量规则目标数量达到阈值告警人员 ≥ 5 人 → 聚集告警时段规则指定时段内检测到目标告警夜间 22:00~06:00 检测到人 → 告警区域规则重点区域任何目标告警禁区检测到任何目标 → 告警2.4 智能去重同通道 同原因在配置窗口内只告警一次避免连续检测导致告警刷屏。可配置去重窗口60 秒 / 5 分钟 / 30 分钟不同原因独立计数未戴安全帽和人员聚集互不干扰三、典型应用场景3.1 工地安全痛点工人不戴安全帽管理人员无法实时监督方案训练安全帽检测模型检测到未戴安全帽立即告警效果违规行为实时发现管理效率提升 10 倍告警自动推送无需人工盯屏违规记录自动存档便于事后追溯3.2 园区周界痛点夜间无人值守入侵行为无法及时发现方案配置夜间时段规则 重点区域规则效果夜间检测到人/车立即告警重点区域任何异常都触发告警无人值守也能保障安全3.3 人员聚集痛点广场、车站等区域人员聚集存在安全隐患方案配置数量阈值规则如 person ≥ 5效果人数达到阈值自动预警提前介入避免踩踏风险数据可统计辅助管理决策3.4 烟火预警痛点火灾发生才发现响应时间不足方案训练烟火检测模型第一时间发现火情效果烟雾和火焰实时识别响应时间从分钟级降到秒级大幅减少火灾损失3.5 更多场景场景检测目标交通监控车辆类型、违停、逆行出入口管理人员、车辆通行统计工业生产人员状态、设备运转商业零售客流统计、行为分析森林防火烟雾、火点识别四、部署方案4.1 硬件要求配置适用场景4 核 CPU / 8GB小规模50 路以内8 核 CPU / 16GB中等规模200 路以内16 核 GPU大规模500 路以上4.2 部署步骤编译安装CPU / GPU 版本可选准备模型使用内置或自定义训练配置环境变量Redis、模型路径、告警规则启动服务systemd 托管创建定时任务截图频率全程零改动业务代码。4.3 扩容加节点零配置拷贝/opt/ai-server/到新机器修改.env指向同一个 Redissystemctl start ai-server新节点自动加入消费者组开始处理任务。五、成本对比5.1 传统方案项目成本监控室人员3 人 × 8 万/年 24 万/年AI 平台授权10 万 /年定制开发5~20 万首年总成本40 万5.2 GBHub AI 方案项目成本软件授权1000 元/服务器部署服务免费远程协助自定义模型自主训练开源工具首年总成本1000 元起成本降低 99%。六、与竞品对比维度GBHub传统 AI 平台授权费用AI版 1000 元/服务器5~20 万/年部署方式本地 / 私有云通常要求上云数据隐私完全私有部分数据上传模型定制自由训练受厂商限制二次开发完全开放通常不开放扩展性水平扩展需额外付费告警规则4 类自由组合固定模板七、快速体验在线演示地址https://mgr.automate.org.cn用户名admin密码admin123获取支持微信prcloud服务时间工作日 9:00 - 21:00购买流程联系我们 → 确认服务器信息远程部署 → 安装软件包配置环境接入设备 → 配置摄像机开始使用从联系到上线最快 1 天。八、技术亮点8.1 换模型零改动训练安全帽模型的完整流程第一步训练模型yolo train datahelmet.yaml modelyolo26n.pt第二步导出 ONNXyolo export modelbest.pt formatonnx第三步替换模型文件cp best.onnx /opt/ai-server/models/helmet.onnx第四步修改配置文件AI_MODEL_PATH/opt/ai-server/models/helmet.onnx AI_CALLBACK_CLASSESno_helmet第五步重启服务systemctl restart ai-serverRust 代码零改动。类别名从 ONNX metadata 自动读取。8.2 规则动态配置改告警规则只重启 mgr不重启 AI。原来是检测到人就告警AI_ALARM_ALWAYS_CLASSESperson改成5 人以上才告警AI_ALARM_COUNT_RULESperson:5修改后重启 mgrsystemctl restart gbhub-mgr8.3 分布式消费Redis 消费者组保证每条任务只被一个节点消费处理成功才 ACK失败自动重试节点崩溃后任务被其他节点认领加节点零配置减节点无残留。九、客户案例案例一某建筑集团需求20 个工地300 摄像头监管安全帽佩戴方案训练安全帽模型 数量规则告警效果违规行为从事后发现变成实时预警安全管理员从 15 人减到 3 人月度违规次数下降 70%案例二某工业园区需求园区周界夜间防范减少安保人力方案夜间时段规则 重点区域规则效果夜间无人值守入侵实时告警保安从 8 人减到 2 人入侵响应时间从 5 分钟降到 30 秒案例三某商业综合体需求广场人员聚集预警避免踩踏方案数量规则person ≥ 5 去重窗口 5 分钟效果人员聚集自动预警提前介入疏散大促期间零事故十、常见问题Q支持哪些设备AGB/T 28181-2016/2022/35114 标准海康、大华、宇视等主流厂商。Q需要 GPU 吗ACPU 也能跑单张 100msGPU 更快 20ms。可混合部署。Q检测准确率如何A通用目标人、车mAP50 0.9自定义模型安全帽500 张训练数据可达 mAP50 0.85。Q告警太频繁怎么办A调大去重窗口、提高数量阈值、提高置信度阈值。四类规则可任意组合。Q能自定义检测目标吗A可以。用开源工具Ultralytics训练模型导出 ONNX替换文件即可。Q数据安全吗A完全私有部署。模型、数据、告警全在本地不上传云端。十一、立即开始步骤操作1. 体验访问 https://mgr.automate.org.cnadmin/admin1232. 咨询添加微信 prcloud3. 购买AI版 1000 元/服务器含远程部署4. 上线最快 1 天完成部署附技术参数项目参数检测模型YOLOv8 / v11 / v26输入尺寸640×640可配置推理速度CPU 100msGPU 20ms支持类别内置 80 类 自定义告警规则4 类类别/数量/时段/区域去重窗口60s ~ 1800s 可配并发能力单节点支持 1000 路水平扩展无限节点存储SQLite 本地 GreptimeDB 分布式部署系统CentOS 7/8、Ubuntu 18.04GBHub· 国标视频平台 · AI 智能检测让监控更智能让安全更简单