2021-2023是沉澱的幾年，經濟不景氣，各行各業都不太好混，所以這幾年也沒有太多心思花在csdn上為各大網友寫一些技術文章，2024年初，也算是給自己留下一點歲月的足跡吧，所以把這段時間精心研究的東西寫出來供大家交流，順帶也看看是否有機會遇到能幫助到其他技術公司或朋友，在交流中實現雙贏，有需要的朋友可以威信(么捌零叄捌捌伍陸柒零貳，威信與電畫同號)，具體合作方式具體交流。
先給大家演示一下安全帽的使用案例（以安全帽為例）
https://www.bilibili.com/video/BV1Dm411o7PX/?aid=413672301&ci...
開發背景
從事安防多年，但基本都是從事音影片的編解碼工作，很少處理圖形影像相關演算法，原因如下：
（1）圖形影像相關演算法如車牌識別識別、人臉識別等如果是自己研發，涉及到高等數學等及圖形影像處理等高深的支援，開發難度較大；
（2）前n年基本沒有開源的、簡易的不需要熟悉底層演算法的AI識別框架，很難將生活中涉及的AI識別或機器學習的相關演算法變成現實；
主要基於以上兩點，導致AI相關的演算法落地很難、實現很難、應用更難！
然後，基於百度paddle和yolo的開源框架出現了，這使得AI識別難度大大下降，應用門檻大大降低，然而paddle則是面向伺服器，對硬體要求較高，部署也相對複雜，很難將普遍應用到生活中，所以經過多番調研yolo則是我們最好的選擇。
選擇yolo有如下優勢
（1）開源且識別效率非常高，僅需一次識別即可完成所有物件的分類識別。
（2）可以應用到伺服器中，也可以應用到小型硬體中，本文部署的硬體就支援windows/ubun,支援jetson nano、jetson orin nano等3款中高低檔硬體（約5000元、3000元、1000元）
（3）開源技術論壇和資料較多
（4）支援使用python，支援跨平臺部署（一套程式碼，多套環境部署）
在安防領域，基於音影片的基礎操作已經基本上沒有任何難度（看影片、直播、錄影等），但基於音影片的AI應用卻很難，但隨著技術的成熟，這些應用也變得越來越多，結合生活實際需求的場景就有很多，例如
（1）非法闖入：夜間無人值守或重要地點進出監控
（2）摔倒檢測：關愛老人，老人摔倒檢測或打架鬥毆跌倒檢測，可用於社群、監獄、廣場、學校等場所。
（3）明火識別：嚴禁煙火的第三方識別火焰，防止火宅，可用於森林、車間、化工產等場所。
（4）煙霧排放：同明火場景。
（5）越界檢測：越過指定邊界，產生報警，一般用於行人識別與闖入檢測，結合影片區域檢測。可用於無人值守場景。
（6）睡崗檢測：工作期間睡覺檢測，避免安全事故發生。
（7）離崗檢測：工作期間離開崗位檢測，避免安全事故發生。
（8）人群聚眾：檢測人員聚集，避免打群架、避免踩踏事件發生。
（9）攀高檢測：檢測人員是否進行攀爬，避免安全事故發生。
（10）打架鬥毆：檢測人員是否打架，可用於學校、公共場所。
（11）人臉抓拍：人臉資料抓拍，可推送給人臉識別服務進行1&1識別及陌生人識別。
（12）遮擋檢測：檢測攝像機是否被人為遮擋或被損壞。協調運維人員進行維護。
（13）垃圾滿溢：檢測垃圾桶垃圾是否滿溢，協助環衛人員智慧排程環衛車輛，節省人力和物力。
（14）佔道經營：檢測是否有佔用道路非法經營，協助城管管理，減輕工作量。
（15）安全帽識別：工地安全帽識別，提高工地安全。
（16）反光衣識別：工地反光衣識別，防止非工作人員闖入工地區域。
（17）電動車進電梯：檢測電動車進出電梯，防止火災發生。
（18）口罩檢測：明廚亮灶，檢測食品從業人員是否佩戴口罩。
（19）蟲害識別：智慧農業，透過AI識別蟲害，智慧指導農戶作業。
（20）動物識別：公共場所，不允許動物進出場所。
（21）電梯超員檢測：電梯人員是否超載工作。
（22）河邊垂釣檢測：嚴禁垂釣河邊檢測人員是否有釣魚或捕魚行為。
（23）河邊游泳檢測：嚴禁游泳河邊檢測人員是否有下水游泳行為。
（24）人數統計：人數統計或客流統計，透過AI方式統計繪製市場的客流熱力圖。
（25）抽菸檢測：明廚亮灶，檢測從業人員是否有吸菸行為。
（25）泥頭車識別：街道泥頭車隨意、掉土的事件。
（27）打電話識別：檢測開車是否有打電話行為。
（28）機動車/非機動車識別：機動車和非機動車識別。
（29）車流量統計：識別車輛及統計車流量
以上是我總結的貼近生活，很有可能在生活中非常實用的場景，這些演算法都是可以透過資料採集進行一一訓練的。
技術實現
開發環境：pycharm
開發語言：python、vue2.0、pytorch、vision
部署環境：
（1）windows-conda、jetson-nano：conda（低配）、
（2）jetson orin nano：python、cuda、cudnn（sdk）（中高配）
（3）orange PI（正在適配中）
硬體選型：
（1）低配jetson naco（b01替換版本），ubuntu，價格1312元（含外殼），0.5tops，分析實時影片約4路；一張圖約200ms~300ms耗時；
（2）中配jetson orin nano，ubuntu，價格3200元上下，20tops，分析實時影片約8路；一張圖約100ms耗時；
（3）高配jetson orin nano，Ubuntu，價格在5200元上下，70-100tops，分析實時影片約16路；一張圖約30ms耗時；
（4）國產華為晶片orange PI，4G，16核心，價格在1000元左右，分析影片預估在16路；（正在適配中，硬體一片難求）
產品效果
為此，我開發了一個AI盒子框架，這個框架可以動態新增訓練好的模型、動態新增需要分析的網路攝像機、動態為每一路攝像機新增不同的分析場景（演算法）、動態配置AI盒子引數、動態重啟AI盒子等功能；
AI盒子提供了
（1）登入AI盒子
AI盒子登入頁面提供使用者名稱和密碼模式登入，登入後可以修改初始密碼。
為適配不同的地方需求，AI盒子最新版本，支援中文簡體版本、英文版本和中文繁體版本。
（2）系統首頁
AI盒子主要提供裝置管理、報警管理、錄影管理、模型配置以及系統設定功能。
（3）裝置管理
可以動態新增需要分析的裝置，此處的裝置為網路裝置，AI盒子透過裝置的rtsp標準協議從攝像機獲取影片流，然後進行抽幀分析，抽幀間隔可以動態進行配置。
可以控制裝置進行AI抽幀的分析時間段控制，如早上08:00開始分析，到晚上23:00截止。
可以配置裝置分析的區域，區域支援多邊形繪製（區域入侵）、繪製邊界線段（周界檢測）
一個裝置抽幀的圖片，可以做不同場景的演算法分析，例如一個攝像機可以同時分析明火煙霧檢測、攀爬檢測，也可以分析更多的演算法（當然，演算法越多，耗時就增加，不過對於在1-3秒內能實時響應就已經是非常適用了，可以忽略）
當分析場景檢測到超過設定置信度的預警時，會儲存到AI盒子中，AI盒子會將報警非同步推送到配置的第三方平臺中，可以在AI盒子中儲存n天
如果AI盒子開啟報警錄影功能，AI盒子會自動錄取事件發生的前3秒以及後3秒，總共6秒錄影，這些錄影也會被推送給第三方平臺
（6）錄影管理
此外AI盒子支援影片轉發（rtmp）、手動抓拍、遠端錄影功能，錄影後可以儲存在AI盒子，當推送給第三方平臺後會自動從本地移除
（7）模型管理
AI盒子提供模型載入、識別、上報等完整框架，並不固化整個流程，所以對AI盒子而已，演算法、裝置、場景都是靈活可以配置的，支援動態的模型新增功能，我們可以將訓練好的模型動態新增到AI盒子中
模型可以包括所有分析，哪些是屬於正常的（不會報警的）,哪些屬於異常的（顯示紅框，可能要報警的）
（8）系統配置
AI盒子支援系統配置，配置專案包括AI盒子編碼（推送到第三方，區別多個盒子）、報警儲存天數、併發分析數量控制、識別後是否顯示標籤、是否支援報警聯動錄影、是否凌晨自動重啟、報警第三方平臺介紹地址、長連線控制地址。
（9）GPIO及modbus聯動
此外，AI盒子支援自身引腳聯動或t透過外接modbus協議進行對接，以下為AI盒子定製的一個倉庫物料領取場景：
A、人透過人臉機刷臉開門進入物料倉庫（人臉機器聯動門磁）
B、門禁從常開（1狀態）變為斷點開門狀態（0），AI盒子檢測到人員進入，開始聯動攝像機進行錄影；
C、人員進入倉庫後領取物料，拿去完成之後將物料放置到物料臺，然後按牆壁上的拍照IO開關；
D、AI盒子檢測到AI開關後，聯動攝像機影片進行物料實物抓拍，可以抓圖多張；
E、人員拍照後拿取物料並離開物料倉庫，門磁從開門（0）狀態恢復為常閉狀態（0）；
F、AI盒子檢測到關門訊號，停止聯動錄影，並將從門禁到出門的錄影+物料拍照打包儲存併傳送給第三方平臺；
這樣，一個人從進門領取物料開始錄影==>物料拍照==>停止錄影整個過程留影留像，保留了整個過程的證據。如果是非法闖入則自動透過AI預警進行報警錄影，產生非法闖入預警，如果正常人臉刷臉進入則不會產生非法報警。
原始碼預覽
（1）服務啟動
"""===========匯入安裝的python庫==========="""
import sys
from pathlib import Path
from box.box import Box
from utils.general import check_requirements
# 獲取當前檔案路徑
FILE = Path(__file__).resolve()
# 獲取當前檔案父目錄-YOLOv5根目錄
ROOT = FILE.parents[0]
# 獲取絕對路徑
PARENT = ROOT
# 將根目錄新增到系統path中
if str(ROOT) not in sys.path:
sys.path.append(str(ROOT))
# 程式啟動入口
if __name__ == '__main__':
# 檢查請求引數
check_requirements(ROOT / 'requirements.txt', exclude=('tensorboard', 'thop'))
# 建立AI盒子
box = Box()
# 初始化盒子
box.init()
# 啟動AI盒子
box.start()
# 等待盒子退出
box.join()
# 停止AI盒子
box.stop()（2）websocket協議
# 報警推送實現
class SocketService(threading.Thread):
# 建構函式
def __init__(self):
# 重寫父類方法
threading.Thread.__init__(self)
# 套介面
self.ws = None
self.connected = False
self.do_run = True
# 資料接收
self.msg_thread = None
# 影片數量
self.count = 0
# 影片回撥
self.video_back = None
pass
# 停止服務
def stop(self):
self.do_run = False
# 關閉套介面
if self.ws is not None:
self.ws.close()
# 等待接收退出
if self.msg_thread is not None:
if self.msg_thread.is_alive():
self.msg_thread.join()
pass
# 設定命令回撥
def set_video_back(self, call):
self.video_back = call
# 響應結果
def send_result(self, url, cmdId, state, desc, data=None, file_path=None):
try:
if url is None or cmdId is None:
return
# 請求字典
dict_info = {}
# 追加檔案
if file_path is not None:
# 讀取檔案內容
file = open(file_path, "rb")
name = os.path.basename(file_path)
dict_info['file'] = (name, file, 'application/octet-stream')
# 追加資料
if data is not None:
dict_info['data'] = data
# multipart編碼
encoder = MultipartEncoder(
fields=dict_info
)
# 請求頭部
headers = {'Content-Type': encoder.content_type}
# 傳送到第三方
result_url = (url + "?boxId=" + SystemConfig.ID + "&cmdId=" + cmdId +
"&state=" + str(state) + "&desc=" + desc)
response = requests.post(result_url, json=data, headers=headers)
if response.status_code != 200:
return False
# 處理返回結果
result = response.json()
# 處理返回結果
if result['error'] != 0:
error = result['error']
LOGGER.error(f'upload box {SystemConfig.ID} command result failed, reason: {error}')
return False
# 返回成功結果
return True
except Exception as e:
LOGGER.error(f'upload alarm error {e}')
pass
# 報警推送
def run(self) -> None:
# 開始時間
last_time = datetime.datetime.now()
while not Global.restart and self.do_run:
try:
# 查詢通訊地址
result_url = SystemConfig.ALARM_URL
if SystemConfig.ALARM_URL is not None:
if not result_url.endswith("/"):
result_url += "/"
result_url += "result"
# 系統重啟
if Global.restart:
break
# 連線伺服器
if not self.connected:
if SystemConfig.SOCKET_URL is None or SystemConfig.SOCKET_URL == '':
time.sleep(1)
continue
try:
# 連線服務
self.ws = create_connection(SystemConfig.SOCKET_URL)
self.connected = self.ws.connected
# 連線成功
if self.ws.connected:
LOGGER.info(f'@connect websocket success: {SystemConfig.SOCKET_URL}')
# 連線資訊
box = {
'id': SystemConfig.ID,
'ip': Global.ip,
'port': Global.port,
'cmd': 'connect'
}
# 傳送連線
self.ws.send(json.dumps(box))
# 更新心跳時間
last_time = datetime.datetime.now()
# 同步盒子資料
self.sync_server_data()
pass
except Exception as e2:
LOGGER.error(f'websocket connect error:{e2}')
self.connected = False
pass
# 連結失敗等待
if not self.connected:
time.sleep(3)
continue（3）系統配置
# 系統全域性配置
import uuid
from box.util import SystemUtil
# 全域性配置
class Global:
# 資料庫配置
dbIp = '127.0.0.1'
dbPort = 3306
dbUser = 'root'
dbPwd = 'root'
dbName = 'box3'
# web配置
ip = '127.0.0.1'
port = 5700
# 系統重啟標誌
restart = False
# 啟用串列埠訊號讀取
enableIO = False
# linux-裝置名
LUX_IO_NAME = '/dev/ttyCH341USB0'
# win-裝置名
WIN_IO_NAME = 'COM13'
# 初始化
def __init__(self):
pass
# 獲取本機ip
@staticmethod
def local_ip():
try:
if Global.ip == '127.0.0.1':
Global.ip = SystemUtil.get_local_ip()
except Exception as e:
print(f'get local ip error {e}')
# 系統配置
class SystemConfig:
# 盒子當前編碼
ID = str(uuid.uuid1()).replace("-", "")
# 系統登入賬號
ADMIN = 'admin'
# 系統賬號密碼
PASSWORD = 'dd123456'
# 系統併發分析數
PATROL_NUM = 4
# 報警儲存天數
SAVE_DAYS = 1
# 是否顯示標籤
SHOW_LABEL = 1
# 是否報警錄影
ALARM_RECORD = 1
# 是否定時重啟
AUTO_RESTART = 1
# 報警推送地址
ALARM_URL = ''
# 長連線地址
SOCKET_URL = ''
（4）檔案清理
import threading
import os
import time
from threading import Lock
from box.config import Global
from utils.general import LOGGER
# 檔案非同步清理
class FileClear(threading.Thread):
# 待清理檔案列表
files = []
# 全域性檔案列表鎖
lock = Lock()
# 建構函式
def __init__(self):
# 重寫父類方法
threading.Thread.__init__(self)
pass
# 新增清理檔案
@classmethod
def push(cls, file):
if file is None:
return
cls.lock.acquire()
try:
cls.files.append(file)
except Exception as e:
LOGGER.warning(f'add clear file error {e}')
finally:
cls.lock.release()
pass
# 報警推送
def run(self) -> None:
# 系統未重啟
while not Global.restart:
try:
# 系統重啟
if Global.restart:
break
# 嘗試清理
try:
# 獲取檔案大鎖
self.lock.acquire()
# 當前系統無任務
if len(self.files) <= 0:
# 釋放檔案大鎖
self.lock.release()
# 睡眠等待1秒
time.sleep(1)
continue
# 刪除所有檔案-忽略異常
for file in self.files:
try:
os.remove(file)
except Exception as e1:
LOGGER.warning(f'{e1}')
pass
pass
# 清空資料
self.files.clear()
# 釋放檔案大鎖
self.lock.release()
time.sleep(0.1)
except Exception as e:
# 釋放檔案大鎖
self.lock.release()
LOGGER.warning(f'clear file error {e}')
pass
except Exception as e:
LOGGER.warning(f'clear file error: {e}')
由於功能較多，此處不在一一贅述，有需要合作的請聯絡我(威信:么捌零叄捌捌伍陸柒零貳，威信與電畫同號)，我們們在進一步溝通。
功能介紹
AI盒子是基於yolov5框架開發的一套AI識別框架，可以支援多模型、多裝置、多場景（演算法）識別，支援http協議（同一個區域網）通訊、支援websocket協議（不同區域網）通訊，支援影片取流識別，支援介面圖片AI識別、支援媒體影片轉發（影片播放）等功能。
AI盒子是獨立的個體，可以單獨部署（外接顯示器，透過瀏覽器即可實時檢視報警、實時播放報警），AI盒子也可以整合外部平臺，透過AI盒子對接介面（包括http協議、websocket協議），將報警及錄影等資訊推送至第三方平臺。
具體功能介紹如下所示
（1）系統配置
可以配置AI盒子的基本配置，包括AI盒子的編碼（多個盒子時對接外部使用）、錄影及報警儲存天數、併發AI分析裝置路數、AI預警是否顯示預警標籤、是否12點自動重啟（用不上，異常情況下處理）、第三方報警推送地址、第三方平臺信令下發連線地址（服務端下發指令到AI盒子，如模型下發、裝置下發、場景下發、裝置重啟、系統配置等）。這些配置都可以實時配置實時生效，不需要重啟。
（2）模型管理
可以透過AI盒子自帶的web端管理介面管理AI盒子中的模型，也可以透過AI盒子對接協議管理AI盒子模型，AI提供與模型無關的處理框架，訓練的模型分類根據實際填寫即可
（3）裝置管理
AI盒子主要透過rtsp協議（標準）分析裝置影片流（海康、大華等都可以），透過影片流幀取樣的方式（取樣幀頻率可以動態配置）分析對應裝置的圖片流，並且支援指定時間段內進行分析（如工作時間或下班時間進行AI分析），實現裝置動態管理、動態配置，除支援分析影片流之外，當然AI盒子也提供了圖片分析介面（可以第三方透過介面投遞圖片並進行分析）並返回結果
（4）場景管理
AI分析的每一個裝置（影片流）都可以配置多個場景，如一個攝像機同時支援火焰識別、安全帽識別、摔倒檢測、打架鬥毆等多個場景，由於AI盒子是框架，攝像機配置哪些場景都是可以動態靈活配置的。
（5）錄影管理
AI具有裝置遠端錄影動能，當AI盒子啟動影片轉發之後，可以透過websocket介面控制AI盒子進行手動錄影，AI會臨時儲存錄影資訊在本地，當伺服器正常時會自動將錄影資訊推送給第三方平臺，然後清理本地的臨時錄影。
AI盒子也提供了web管理頁面對這些錄影進行管理，包括查詢、錄影播放、錄影清理等功能
（6）協議支援
AI盒子支援透過Http協議管理AI盒子配置、模型、裝置、場景等（如AI的WEB端），也可以透過websocket協議下發和操作AI盒子，實現與AI和的多協議互動。
Http協議程式碼案例
# 登入盒子
@app.route("/user/login", methods=["POST"])
def login():
# 獲取使用者資訊json物件
user_data = request.json
# 獲取post的form表單賬號密碼
username = user_data['username']
password = user_data['password']
# 賬號密碼無效
if username is None or password is None:
return jsonify({"error": -1, "description": "賬號或密碼無效！"})
# 賬號資訊校驗
if username != SystemConfig.ADMIN:
return jsonify({"error": -1, "description": "使用者名稱或密碼錯誤！"})
# 使用者密碼校驗
if password != SystemConfig.PASSWORD:
return jsonify({"error": -1, "description": "使用者或密碼不正確！"})
# 使用者密碼正確
md5 = get_md5(username + ":" + password)
# map字典轉json
return jsonify({"error": 0, "description": "success", "value": md5})
# 更新密碼
@app.route("/user/setPwd", methods=["PUT"])
def set_pwd():
# 校驗使用者令牌
result = check_token()
if result['error'] != 0:
return jsonify({"error": result['error'], "description": result['description']})
# 獲取使用者資訊
user_data = request.json
if user_data['oldPassword'] is None:
return jsonify({"error": -1, "description": "原密碼為空"})
if user_data['newPassword'] is None:
return jsonify({"error": -1, "description": "新密碼為空"})
if SystemConfig.PASSWORD != user_data['oldPassword']:
return jsonify({"error": -1, "description": "原密碼不正確"})
# 更新密碼
SystemConfig.PASSWORD = user_data['newPassword']
# 更新系統使用者
user_info = {"username": SystemConfig.ADMIN, "password": user_data['newPassword']}
config_mapper.update('ADMIN', json.dumps(user_info), 1)
# map字典轉json
return jsonify({"error": 0, "description": "success"})
# 重啟盒子
@app.route("/system/reboot", methods=["GET"])
def reboot():
# 停止web應用服務
print("reboot box...")
try:
# 獲取app停止函式
func = request.environ.get('werkzeug.server.shutdown')
if func is None:
raise RuntimeError('Not running with the Werkzeug Server')
# 停止app服務
func()
except Exception as e:
print(e)
# 設定為重啟標誌
Global.restart = True
# 等待5秒主程退出
time.sleep(5)
# posix:linux nt:windows
SystemUtil.reboot()
# 如果機器還未重啟先返回成功
return jsonify({"error": 0, "description": "success"})websocket協議程式碼
# 報警推送實現
class SocketService(threading.Thread):
# 建構函式
def __init__(self):
# 重寫父類方法
threading.Thread.__init__(self)
# 套介面
self.ws = None
self.connected = False
self.do_run = True
# 資料接收
self.msg_thread = None
# 影片數量
self.count = 0
# 影片回撥
self.video_back = None
pass
# 停止服務
def stop(self):
self.do_run = False
# 關閉套介面
if self.ws is not None:
self.ws.close()
# 等待接收退出
if self.msg_thread is not None:
if self.msg_thread.is_alive():
self.msg_thread.join()
pass
# 設定命令回撥
def set_video_back(self, call):
self.video_back = call
# 響應結果
def send_result(self, url, cmdId, state, desc, data=None, file_path=None):
try:
if url is None or cmdId is None:
return
# 請求字典
dict_info = {}
# 追加檔案
if file_path is not None:
# 讀取檔案內容
file = open(file_path, "rb")
name = os.path.basename(file_path)
dict_info['file'] = (name, file, 'application/octet-stream')
# 追加資料
if data is not None:
dict_info['data'] = data
# multipart編碼
encoder = MultipartEncoder(
fields=dict_info
)
# 請求頭部
headers = {'Content-Type': encoder.content_type}
# 傳送到第三方
result_url = (url + "?boxId=" + SystemConfig.ID + "&cmdId=" + cmdId +
"&state=" + str(state) + "&desc=" + desc)
response = requests.post(result_url, json=data, headers=headers)
if response.status_code != 200:
return False
# 處理返回結果
result = response.json()
# 處理返回結果
if result['error'] != 0:
error = result['error']
LOGGER.error(f'upload box {SystemConfig.ID} command result failed, reason: {error}')
return False
# 返回成功結果
return True
except Exception as e:
LOGGER.error(f'upload alarm error {e}')
pass（7）影片轉發
AI盒子具有影片轉發功能，如AI盒子一般是最靠近攝像機的硬體（從伺服器資源、頻寬和延時、效率等多方面考慮），所以AI盒子是可以訪問攝像機的，如果平臺是雲端的或者服務端與AI盒子或攝像機不在同一個區域網，那麼這樣就很有可能平臺無法播放攝像機影片（除非使用海康的平臺-ehome協議或螢石雲協議播放，或大華的自動註冊協議播放），為了能透過AI盒子檢視攝像機的影片，AI盒子就整合了這個功能，透過AI盒子就可以將影片轉發到rtmp伺服器，可以使用srs進行部署，使得影片播放支援rtmp、http-flv、webrtc、hls等協議。
（8）報警預覽
AI盒子是獨立的個體，我們透過AI盒子的WEB端即可實時檢視報警資訊，當報警發生時候，AI盒子即可接收到報警資訊，如下所示
（9）語音播報
web端支援tts預警語音播報功能，當開啟報警預覽時，接收到報警後，瀏覽器端就會播放對應的報警語音，只需要檢視一個小音響即可實現安保語音通知功能。
（10）web管理
AI盒子提供以上所有功能的web端管理功能。
（11）GPIO聯動錄影
AI盒子可以透過硬體連線的釋放實現對AI盒子聯動接入的攝像機進行實時錄影，也可以進行抓拍，這個場景主要用於倉庫物料管理系統的解決方案：
當人員透過人臉機正常刷臉進入倉庫時，人臉機聯動門磁開門，AI盒子透過APIO訊號監測門磁開啟聯動關聯攝像機開始錄影；當人員進入倉庫後，領取物料，將物料放置到物料臺，按IO開關進行實物拍照（可以按多次），AI盒子透過訊號監測聯動關聯攝像機進行抓拍，人員攜帶物料走出倉庫，關閉門禁，AI盒子透過檢測停止關聯攝像機的聯動錄影；
當人員透過非人臉方式非法闖入倉庫時，AI盒子透過區域入侵、人形識別等演算法進行抓拍、錄影，並將報警資訊實時推送給後臺管理員（第三發平臺或web端），管理員安排安保人員介入預警事件，保證公司財產安全；
實現場景如下所示
演示影片如下所示
[video(video-KK8JfD3o-1709279734315)(type-bilibili)(url-https://player.bilibili.com/player.html?aid=1101073367)(image-https://img-blog.csdnimg.cn/img_convert/f243737adc106ec363f3c...)(title-倉庫領料系統解決方案)]
第三方平臺進出倉庫記錄以及錄影資訊
（12）遠端錄影
同GPIO聯動錄影之外，AI盒子 也支援手動遠端錄影和停止錄影功能，介面如下所示
（13）遠端抓拍
如圖上所示，AI盒子也支援播放影片的同時進行實時抓拍。
（14）報警推送
AI可透過介面將報警推送到第三方平臺，如下所示
（15）錄影推送
如上所示，推送的報警包含錄影資訊
（16）區域配置
AI盒子可以配置檢測影片範圍的某一部分割槽域，可以配置區域內檢測，也可以配置邊界檢測，當檢測物體跨過邊界觸發報警
（17）檔案清理
AI盒子會定期清理報警資訊、報警錄影資訊、聯動錄影資訊等；
（18）資源國際化（多語言支援）
支援簡體中文、繁體中文、英文3中語言
（19）報警管理
AI盒子可以管理產生的報警資訊、報警錄影等資訊
以上是AI盒子具備的所有功能，由於盒子由python+vue框架開發，支援ubuntu、windows，支援CPU和 GPU，已經經過jetson nano、jetson orin nx高中低3種型號的適配，歡迎有需要的朋友請來電溝通交流(么捌零叄捌捌伍陸柒零貳，威信與電畫同號)，如果需要實物演示效果，可以提供遠端連線或實時影片檢視，目前產品已經經過3個版本（輪詢版本、實時版本、國際化版本），非常成熟，已經在專案中使用。