面向安防、园区、市政场景的开源视频算法中台，提供算法模型统一管理、计算任务调度、多路视频实时检测及告警推送全链路能力。内置人车识别、安全帽检测等常用算法，支持Docker Compose一键部署，可自由二次开发接入自定义模型，适用于需快速落地视频智能分析的项目团队。
Tags:
https://www.gitcc.com/hzqgcc/alg-center
面向安防、园区、市政等场景的 视频算法中台
模型库
告警库
一、视频算法中台核心概念
这款开源视频算法中台是面向安防、园区、市政等场景打造的一体化视频智能分析管理平台，核心定位是对多路视频流进行统一接入、算法编排、实时智能检测，一站式完成算法模型集中管理、计算任务统一调度、告警结果沉淀推送全流程，解决传统视频智能分析场景下算法分散部署、运维成本高、系统联调复杂的痛点，给场景化视频智能应用落地提供轻量化的统一支撑底座。
你可以直接访问开源项目仓库获取完整工程资源：开源视频算法中台
二、平台核心功能
平台所有工程资源按前端/后端/脚本/模型分目录规整存放，功能覆盖视频智能分析全链路运维管控需求：
首页仪表盘：直观展示模型、运行任务、告警总量等核心运营指标，同时可视化呈现近月告警占比分布，支持快速查看最新告警列表，管理人员一眼就能掌握平台整体运行状态。 算法模型管理：支持自定义完成模型注册、启停管控，同时可灵活维护算法类型、对应标签信息，实现所有接入AI模型的全生命周期统一管理。 计算任务调度：支持将算法模型与对应客户项目进行绑定，一键启停推理计算任务，同时可以直接查看对应视频的原流地址和处理后计算流地址，快速完成任务的调试和状态核验。 告警中心：支持全量告警记录多维度查询，每条告警都关联对应的抓拍图片，同时自动绑定对应归属的任务、模型、客户信息，方便后续告警溯源和事件核查。 推送日志管理：完整记录所有HTTP回调请求的运行状态，自动标记推送成功/失败结果，方便快速排查推送链路的异常问题，保障告警消息能准确同步到第三方业务系统。 基础业务管控：完整覆盖客户接入管理、系统账号权限配置、业务字典维护（含全量算法类型定义）能力，适配多客户多角色的使用场景。
平台内置典型的标准运行链路：视频源接入后，由Java层完成计算任务编排，调用Python封装的YOLO系列推理算法完成实时检测，处理完成后通过FFmpeg推流到ZLMediaKit服务，Web端即可直接播放原流和实时计算流；检测产生的结构化告警数据存入MongoDB，抓拍的告警图片存入MinIO对象存储，支持可选通过RocketMQ或者HTTP接口的方式，将结果推送给第三方上层业务系统完成联动。目前原生已经内置支持人车识别、安全帽检测、烟雾烟火识别、道路裂缝检测、车牌识别、裸土砂石识别等常用检测算法，开箱即可投入使用。
三、典型落地场景
智慧安防场景：对接园区、工厂的现有监控摄像头，实时检测未佩戴安全帽、违规抽烟、无关人员闯入等风险事件，第一时间推送告警，替代传统人工巡检实现7*24小时全天候智能安防监控。 园区运维场景：实现园区多摄像头的统一智能分析，自动识别违规占道、车辆违停、杂物堆积等园区异常事件，自动生成运维工单，提升园区管理的响应效率。 市政管理场景：对接城市道路、公共区域的视频监控，实时识别道路裂缝、路面遗撒、裸土砂石未覆盖、烟火隐患等市政管理事件，辅助市政管理部门快速处置公共区域的各类隐患问题。
四、落地核心价值
大幅降低视频智能项目落地门槛：平台完整开源、开箱可用，不需要从零搭建整套视频流处理、算法调度、告警管理体系，依托Docker Compose一键即可完成部署，大幅缩短视频智能分析项目的交付周期。 统一管控降低运维成本：所有算法、计算任务、告警数据都集中在统一平台管理，避免多套分散系统的重复运维投入，管理员仅通过Web控制台就可以完成所有算法运维、项目联调操作，操作门槛极低。 高度适配定制化需求：完整开源的特性支持用户自由二次开发，可以灵活接入自研的自定义算法模型，适配不同细分场景的特殊视频检测需求，快速拓展平台的业务覆盖能力
https://www.gitcc.com/hzqgcc/alg-center
面向安防、园区、市政等场景的 视频算法中台
没有评论:
发表评论