摄像机和AI：如何计算人员、区域和路线

视频分析比本系列中的所有其他技术具有巨大优势：摄像机已经在现场。 这创造了市场上最诱人的报价—"我们将连接到您的相机并提供分析"，没有安装，没有电缆，没有标签。

有时这正是它的工作原理。 有时他们不这样做，拒绝的原因不在于算法，而在于物理学：在字体上方的蒸汽中，在水面上的眩光中，在全景玻璃窗的对比中，以及你不能在更衣室里放相机的事实。

这篇文章是关于现代视频分析如何在内部工作，"神经网络计数"这个词背后有什么数字，以及相机完美解决的任务和出售给它的任务之间的界限在哪里，但

输送机：组成任何系统的四个阶段

任何人的视频分析系统都是四个步骤的序列，每个步骤都有自己的局限性，自己的成本和自己的准确性。

1. 检测。 每一帧都有人。 结果是围绕轮廓的框架。

2. 跟踪。 帧之间链接帧：这是同一个人从左走到右。 结果是同一相机内的轨迹。

3. 重新识别。 离开一个摄像机的视野并出现在另一个摄像机中的人被识别为同一个人。 结果是通过对象的直通路由。

4. 度量。 轨迹变成数字：已经过去了这么多，已经延迟了这么多，区域就像这样加载。

至关重要的是，复杂性和脆弱性随着每一步而增长，不是线性的，而是跨越式的。 第一步是已解决的任务。 第二个在合理的密度下工作得很好。 第三个是整个行业的最薄弱点，它正在作为主要价值出售。 第四个不是技术，而是管理：这是项目最常死亡的地方， 系列中的单独文章 致力于此。

检测：哪些模型以及它们的数字意味着什么

YOLO系列仍然是实时检测的行业标准。 2026年1月，YOLO26版本发布，有以下评论。 主要竞争对手是变压器探测器，主要是RF-DETR。

在COCO参考集上打开比较给出了下面的图片:

模型	准确性(地图)	每帧时间	参数	许可证
RF-DETR介质	54,7	4.4毫秒	超过3000万	Apache2.0
约洛26米	53,1	4.7毫秒	—	AGPL-3.0
约洛26n	比RF-DETR Nano低约7.5mAP	1.7毫秒	约240万	AGPL-3.0

这张表得出了三个实际的结论，没有一个是关于准确性的。

首先，许可证可能比模型花费更多。 YOLO26在AGPL-3.0下分布。 这意味着，对于没有单独商业许可证的商业用途，需要开放衍生作品的源代码。 对于为您安装系统的承包商来说，这是一个许可证纯度的问题，而对于您来说，这是一个如果您不购买许可证，您的系统会发生什么情况的问题。 直接向供应商提出问题：使用哪种型号，在哪种许可下，以及是否有商业协议。 RF-DETR在主要版本中分布在Apache2.0下，这更简单;但最大的版本有不同的许可证。

其次，变压器需要图形处理器。 具有超过三千万个参数的RF-DETR在处理器上没有实际的执行路径;较低版本的YOLO26具有大约两百五十万个参数，并在廉价的硬件上运行。 这不会决定准确性，而是服务器部分的成本和每个盒子的相机数量。

第三：Coco上的地图不是你的指标。 COCO是一组来自互联网的照片，有八十类对象。 你的任务是一个类（人），从上面，在一对，在泳衣，背光。 地图数字对于相互比较模型很有用，并且在您的网站上预测准确性是无用的。 唯一诚实的预测是视频上的测量。

任务的单独类。 帧检测不是唯一的方法。 当帧中有很多人并且它们彼此重叠时，检测变得毫无意义，并且使用密集人群计数模型：它们根据密度图估计人数，而不突出显示每个。 对于跌倒和确定一个人是否躺下，使用姿势评估-模型找到骨架的关键点。 这对一个 关于关键事件的文章.

跟踪：ByteTrack，BoT-SORT，OC-SORT以及它们的指标意味着什么

跟踪器链接帧之间的检测。 主要的开放解决方案是ByteTrack，OC-SORT，BoT-SORT及其带有外观模型的变体。

这里最有用的不是广告声明，而是对室内区域进行新鲜的比较分析。 在2026年IndoorCrowd的工作中，探测器和跟踪器的组合 是 测试，结果如下:

• RT-DETR-L搭配OC-SORT-56.2MOTA，整体效果最佳;
• RT-DETR-L与BoT-SORT-55.5MOTA和71.6IDF1;
• BoT-SORT与任何探测器一致优于ByteTrack。;
• 在速度方面：RT-DETR-L约为每秒32帧，而YOLOv8n约为120帧。

这些指标在实践中意味着什么。 MOTA回答了"系统总共有多少人没有注意到，发明和混淆"的问题。 IDF1回答了"在一个人身上保持相同ID的系统有多稳定"的问题。

对于管理报告，它翻译为:

• 低莫塔-得分是在撒谎，你不能相信下载;
• 低IDF1分数可能是正确的，但停留时间和路线是谎言：一个人被算作三个，因为赛道打破了三次。

关键是：56MOTA不是"系统工作在56％"，但它也不是95％。 这是现代视频分析的一个诚实的水平在一个封闭的房间与人，这意味着数据适合比较周期和识别趋势，但不适用于会计与收银机的准确性。 任何在拥挤的房间里承诺99％路线的供应商都承诺公开研究中没有的东西。

关于速度的一个单独的警告：每秒32帧与120帧的差异是一台服务器上摄像机数量的四倍，即硬件成本的差异。 因此，选择模型不是"谁更准确"的选择，而是曲线上的一个点"准确性与服务器价格"的选择。

重新识别：最脆弱的承诺

要收集客人通过设施的路线，您需要在不同的相机上识别一个人。 这是一个单独的模型，构建"外观指纹"并比较打印。

任务从根本上比跟踪更困难：角度不同，照明不同，人转身，时间过去了。 如果他也换了衣服，任务就会发生质的变化，在科学文献中，这是在一个单独的方向上突出显示的。

来自这个方向的数字应该被承诺通过路线的每个人都知道。 在一个 2026年2月 论文声称在LTCC参考集上达到最先进的水平，根据Rank-1指标，结果为58.8％，根据mAP为25.4％。 排名-1是正确的人首先出现在类似名单上的案件的比例。 也就是说， 2026年科学文章的最佳结果：在十个中有四种情况下，第一个候选人是不正确的。

现在让我们将其应用于我们的对象。

热复合体和水上公园是最糟糕的情况。 重新识别主要基于服装：颜色，款式，包包，鞋子。 水上乐园里没有衣服。 所有的客人都穿着泳衣，湿的，皮革和织物的配色方案相似，有些配有毛巾，有些没有。 模型失去其主要特征。 这不是供应商质量的问题：它是该方法操作的物理缺乏信息。

健身俱乐部是一个普通的例子. 有衣服，但它们单调：黑色紧身裤和灰色T恤。 能见度低。

购物中心和博物馆是最好的例子。 各种外衣，包，婴儿车。 这是端到端跟踪效果最好的地方，这就是美丽的演示来自哪里。

一个实际的结论。 如果你需要一个客人的路线通过热综合体，你需要收集它不是通过视频，而是通过一个 手镯：阅读点上的标记给出了路线的准确，无可争议的链接。 此任务中的视频是获得不可靠结果的昂贵方式。 对于一个购物中心来说，图片是相反的：没有腕带，视频是唯一的方式，调整为真正的准确性。

铁：什么重要，在哪里

有三种架构选择，在它们之间进行选择是金钱和延迟的问题。

在相机上。 一些现代相机认为检测和简单分析是一个集成的处理器。 另外：您不需要服务器和通道，当网络断开连接时，分析就会存在。 减：模型受到相机功能的限制，很难改变它们。

在边缘，在一个单独的盒子里。 一个常见的选择是2026。 典型的解决方案是Nvidia Jetson Orin Nano和Hailo加速器。 根据公开的描述，Hailo-8提供了大约26TOPS，能耗约为2.5瓦—也就是说，在功率和热量的非常适中的预算上有几个高清流;回报是一个专门的编译器和一组更窄 当模型灵活性比价格更重要时，选择Jetson。

在服务器上或在云中。 重型模型：重新识别，人脸识别（具有法律保留），存档搜索，对象之间的相关性。 2026年的一个典型方案是在边缘进行检测，在服务器上进行检测。

对此添加了在项目结束时记住的内容：视频 档案库. 分析需要存储可用于分析事件和验证系统运行的记录。 这包括磁盘存储，存档深度计算和单独的预算线，以及服务器，不间断电源和PoE交换机。

多模态模型：从中真正有用的是什么

2026年讨论最多的话题是"理解"视频并回答有关它的问题的模型：Qwen3-VL（在Apache2.0下许可，即适用于商业用途），InternVL3和类似物。 甚至还有一个专门的视频监控评估套件-SurveillanceVQA-589k。

在报价中出现之前您需要了解的内容。

资源。 80亿个参数模型仅针对权重就需要大约17GB的全精度内存，并且在负载下，内存问题不是由错误表现出来，而是由超时表现出来。 这不是放置在入口面板中的东西。

延迟。 生成模型在几秒钟内响应。 这不适用于在线检测。

它真正起作用的地方。 通过档案搜索并分析事件："找到一个人爬过栅栏的碎片"，"显示何时在柜台有超过五个人的队列。"这节省了操作员的时间，并且不需要实时。 这是2026年该设施多模态模型的诚实应用;其他一切仍在演示中。

视频分析在我们的环境中崩溃的地方

文章中最实用的部分。 所有这些问题都是物理问题，而更换供应商并不能解决它们。

夫妻。 在热区和字体处，蒸汽扩散光。 相机看到牛奶，探测器没有找到人。 绕道：将相机带出蒸汽区，沿着溪流而不是横跨，选择蒸汽层上方的拍摄点，并切换到 其他物理学 在关键的地方-雷达或热传感器。

透镜上的凝结。 经典的原因是"该系统昨天工作，但今天没有。"绕过：密封外壳加热，去除相机到干燥区域，擦拭规定。

水面上的眩光和折射。 反射的太阳发出辉光，折射使身体在水下的形状变形。 这是水安全任务的关键问题，并在那里使用专门的系统-请参阅 关于关键事件的文章. 绕道:偏光滤镜,角度调整,水下相机.

的对位。 休闲区的全景玻璃窗几乎可以保证在窗户的背景下检测失败。 弯路：扩展摄像机的动态范围，角度变化，额外的照明。

密度。 在高峰时段的酒吧，人们相互重叠，轨道断裂，IDF1下降。 绕过：相机是从上到下，不是在一个角度;切换到密集的人群计数模型;一个 独立柜台 对于入口组，它不依赖于一般的视频分析。

孩子们。 框架中的孩子较小，通常由成年人部分隐藏，并且不可预测地移动。 成人行人训练的探测器失去了孩子。 问供应商一个直接的问题：如何对儿童的工作进行了测试，并要求他们在您的视频上展示。

黑暗和均匀。 哈曼，昏暗的光线区域，休闲区的半黑暗。 红外照明部分解决了这个问题：当配对时，它会发出辉光。

泳衣。 已经讨论过：它们剥夺了主要特征的重新识别。

结论不是视频效果不好。 结论是视频 在具有潮湿区域的对象处进行分析具有适用性地图，它需要在购买前绘制：大堂，接待处，入口组，走廊，娱乐区，咖啡厅-它运作良好;热区，游泳池，淋浴，更衣室-从"坏"到"不可能"。

俄罗斯平台和一个合法矿场

国外平台大多已经离开俄罗斯市场或没有正式上市;根据 市场回顾，现有的俄罗斯平台是Macroscop，TRASSIR（DSSL），Axxon（ITV），SecurOS（ISS），NtechLab（FindFace），VisionLabs（LUNA），VOCORD，Tevian。

在功能上，他们拥有流分析所需的东西。 例如，Macroscop提供访客计数与小时，天和月的报告和上传，交通强度和跟踪的热图;制造商宣布将其列入俄罗斯程序登记册（条目编号应在数字部的登记册中查

而现在一个重要的警告，是值得一读之前签订合同。

视频分析中的"计数独特访客"模块通常基于面部识别。 逻辑很清楚：为了不算一个人两次，你需要识别它们。 例如，Macroscop文档明确指出，相应的模块在面部识别的基础上工作，并允许您从数据库中排除面部，例如员工。

从俄罗斯立法的角度来看，这将"计数访客"的任务置于完全不同的类别：生物识别个人数据的处理，具有152-FZ和572-FZ的要求，统一生物识别系统的问题，单独 也就是说，规范中一个看似无害的项目（"计数唯一访问者"）可能会成为整个项目中最具约束力的部分。

怎么办呢。 单独的任务:

• 你需要一个流和下载-匿名剪影计数或 入口处的柜台，没有生物识别;
• 这是独特的访客和重复访问是需要的-这是忠诚计划的任务和 手镯或卡片，其中客人自己呈现标识符，而不是相机的任务。;
• 人脸识别只有在律师的帮助下有意识地进行，并且有一个深思熟虑的基础，并且理解为什么一个企业需要它来接受风险。

详细的分析可以在 系列法律文章.

如何进行视频分析

在这里，接受比无线电系统更容易，而且几乎从未这样做过。

标准是通过记录手动计数。 在高峰时间拍摄一小时的视频，在安静时间拍摄一小时，两个人通过记录手动计数人，并检查结果。 这是系统正在进行比较的事实。

什么是记录:

指标	如何计算	合理的指导方针
在输入计数的准确性	偏离人工计算	高峰时段2-5%以内
区内计数的准确性	同样的事情，对于具有间隔的帧	比在入口处更糟糕;固定，因为它是
轨道稳定性	每人破裂次数	越短，停留时间越可靠。
虚假对象	反射，人体模型，阴影	通过设置区域列出和消除
问题条件下的行为	蒸汽，反击，人群	每个区域的单独协议
为儿童工作	错过的百分比	它是在对象的真实视频上进行检查的

验收条件是按区域制定的,而不是按对象制定的. "在大堂和入口组，在高峰时段计数偏差不超过5％;在热区，该系统仅用于记录存在，计数的准确性未归一化。"这是一个诚实的声明，可以保护您和承包商。

与供应商交谈的清单

1. 什么模型用于检测、跟踪和重新识别?
2. 这些型号有哪些许可证，您是否有商业协议？
3. 在哪里进行计算：在相机上，在边缘，在服务器上，在云中？ 当连接断开时会发生什么？
4. 建议的硬件处理多少个线程，余量是多少？
5. 在我们类型的物体上通过手动测量确认的计算精度是多少？
6. 相反，在来自水的眩光中，系统如何成对表现？
7. 这项工作是否在儿童身上进行了测试，是否可以在我们的视频中显示结果？
8. 系统是否构建了端到端的路由，重新识别的基础是什么？
9. 是否有任何模块直接明确地使用人脸识别？
10. 存储哪些数据：视频，事件，匿名数字？ 存档的时间和数量？
11. 我们如何知道相机或分析是否停止工作？
12. 上传了哪些报告，我们的会计系统是否有API？
13. 你准备好对我们的相机进行飞行员并记录结果吗？

资料来源

资料来源

• IndoorCrowd:室内探测器和跟踪器的比较,2026
• 机器人分类, [医]旁观者, 深OC-排序 追踪者及其公布的结果
• 深度多目标跟踪概述 -方向的状态
• RF-DETR与YOLO26的比较 -数字和许可证（其中一个型号的供应商提供的材料）
• 换衣服时重新识别，2026 -LTCC套装的最新技术
• 监控卡-589K -一套评估视频监控多模态模型的方法
• 宏观：计算独特访客 —基于面部识别的模块（制造商的文档）
• 俄罗斯视频分析市场概况