具有智能视频分析功能的开源NVR
与物联网紧密集成⚆ AI模型定制 ⚇
容器化部署
可运行在任何Docker主机上。针对AMD64 / nVidia GPU | Arm64 | 树莓派 | nVidia Jetson | 瑞芯微SoC 优化构建。
围绕实现高推理速度而设计
以安全风险为考量，以人和车为基础检测目标，通过海量的高质量数据集训练，覆盖更广的人/人脸、机动车/车牌场景。
多种检测器支持：TensorFlow‧OpenVino‧TensorRT‧RKNN
YOLO-NAS
由 Deci AI 开发的 YOLO-NAS 是一种开创性的目标检测基础模型。它是先进的神经架构搜索技术的产物，经过精心设计，解决了以往 YOLO 模型的局限性。YOLO-NAS 在量化支持和准确性-延迟权衡方面有了重大改进，是目标检测领域的一次重大飞跃。该模型在转换为 INT8 量化版本时，精度下降极小，比其他模型有显著提高。这些进步最终形成了一个卓越的架构，具有前所未有的目标检测能力和出色的性能。
我用自制数据集训练了适合在此应用中部署的 YOLO-NAS 模型。
在需要的时间和地点检测目标
充分利用多线程、强调实时性而不是处理每一帧，在单独的进程中运行目标检测以实现最大FPS，根据检测到的目标来进行录像存储，以最大程度地减少资源使用，并最大限度地提高性能。
REID
行人属性分析
衣着：颜色、帽子、眼镜、长短袖、裙子、鞋等
携戴：背包、挎包、手提包等
年龄段、性别等
车辆属性分析
已可识别200多种车型，并不断增加中
车牌号、品牌、车型、颜色、年份等
更广泛的场景持续训练中
安全风险感知
轻量级音频检测
可检测约500种音频类型
与目标检测相比，音频检测是相对轻量级的操作，因此在CPU上运行检测。
讲话 喋喋不休 演讲 叫喊 欢呼 窃窃私语 笑声 窃笑 哭泣 叹息 唱歌 合唱 吟唱 咒语 童声 合成歌唱 说唱 哼唱 呻吟 嘟哝 口哨 呼吸 喘息 打鼾 鼻息 咳嗽 清喉咙 打喷嚏 嗅闻 拖着脚步 脚步声 奔跑 咀嚼 咬 漱口 胃鸣 打嗝 呃嗝 放屁 打响指 鼓掌 心跳 心脏杂音 欢呼 掌声 人群 孩嬉
小狗叫 嗥叫 吠叫 汪汪叫 咆哮 狗呜咽 猫呼噜 喵喵 猫叫春
马蹄声 嘶鸣 牛哞 牛铃 猪哼 羊咩咩 公鸡打鸣 鸡咯咯声 火鸡咯咯声 鸭子嘎嘎叫 鹅叫
锤打 风钻 锯切 锉削 砂磨 钻
爆炸 枪声 连续齐射 炮火 烟花爆竹
鸣笛 嘟嘟声 汽车警报 打滑 轮胎尖叫 汽笛 汽车经过 倒车蜂鸣 交通噪声 火车汽笛 火车车轮吱吱作响 航空发动机 喷气发动机 直升机 牙钻 割草机 电锯 引擎爆震 引擎起动 怠速 加速
沙沙作响的树叶 风噪 雷暴 雷声 雨滴落地 溪流 瀑布 海浪 蒸汽潺潺作响 燃烧的噼啪声
各种乐器声 多种音乐类型 多种唱腔
物联网集成
支持通过MQTT协议接入物联网，也可使用插件与Home Assistant集成，以实现与继电器、照明、电器、UPS等的联动控制。
轻量级 Web 端｜HA 同步事件
Web端 UI 使用 Preact 框架，它足够小只有 3 kB，代码是应用的最大部分。Preact 速度很快，不仅仅是因为它的体积。由于简单且可预测的差异实现，它是最快的虚拟 DOM 库之一。
通过插件，可在Home Assistant中实时显示检测事件（含抓拍和录像）。
模型训练
辨识任意有形之物
机器视觉解决方案
监测任意安全攸关的场景
商务咨询
最初是为了找到一个模型自主可控、应用简单、易于与原安防系统集成的成套解决方案。这里整合了Github上多个开源项目，通过整合修改和训练针对性的AI模型后，实现了初衷。基础AI模型包括目标检测、人车重识别、车牌识别。改代码调试是件枯燥不易的事情，训练模型需要消耗很多电力！
有偿咨询，将提供整套代码、模型、配置指南。