Le serveur de calcul en périphérie Libellule AI est un terminal intelligent de détection et de reconnaissance vidéo, léger, intelligent et déployable en périphérie, développé en interne. Ce système s'adresse au domaine de la vidéo et de la surveillance ; il intègre un puissant moteur d'algorithmes d'IA et permet de déployer de manière flexible divers algorithmes de reconnaissance depuis le cloud. Il se positionne comme un produit matériel et logiciel tout-en-un destiné aux applications de sécurité au sens large. Puce IA + framework IA + algorithmes IA travaillent ensemble pour fournir un support de puissance de calcul IA à la fois puissant et flexible, prendre en charge l'analyse intelligente de flux vidéo multi-canaux et mettre rapidement en œuvre des applications IA telles que la reconnaissance faciale, la reconnaissance de plaques d'immatriculation, la gestion des personnes et des véhicules, la surveillance de périmètre, les alertes incendie/fumée, etc. (réalisées par déploiement cloud), offrant aux utilisateurs une solution intelligente au rapport qualité-prix avantageux, largement utilisée dans les parcs, campus, chantiers, communautés et autres scénarios de sécurité au sens large.

1. Serveur standard 1U pour salle informatique, facilitant une installation et une mise en œuvre rapides ;

2. Un seul serveur prend en charge 32 flux vidéo et peut exécuter en parallèle 32 types de reconnaissance par algorithmes d'IA ;

3. Prise en charge du protocole universel RTSP et des formats H264/H265 ;

4. Possibilité d'effectuer la détection sur le réseau local où se trouvent le NVR ou les caméras, afin de réduire la charge du serveur et les coûts de trafic ;

5. Prise en charge de messages d'alerte de détection légers, poussés aux utilisateurs en temps réel ;

6. Les équipements de détection sont raccordés de manière unifiée à la gestion cloud pour consulter leur état et leur attribuer des tâches de détection ;

7. Les modèles d'IA sont gérés de manière unifiée dans le cloud, ce qui facilite leur affectation flexible et une utilisation rationnelle des ressources ;

8. Prise en charge de la consultation directe des vidéos de surveillance, pour une interaction entre la surveillance des risques et la vidéosurveillance ;

9. Moteur d'algorithmes d'IA intégré, associé au cloud pour un déploiement illimité et flexible d'algorithmes d'IA répondant à tout besoin métier futur ;

10. Modèles d'IA légers, pour une vitesse de calcul rapide ;

11. Architecture exclusive d'interconnexion immédiate « périphérie-cloud », qui permet le partage des ressources entre la périphérie et le cloud, dépassant les limites de ressources côté périphérie et réalisant un partage des ressources à l'échelle du système ;

12. Fourniture de nombreuses interfaces de protocole API RESTful, facilitant le développement d'intégrations par des tiers et l'intégration rapide dans les activités ;

13. Le système prend en charge le déploiement en cloud public comme en cloud privé, selon l'évolution des besoins métier.

Le serveur de calcul en périphérie Libellule AI se raccorde directement aux caméras d'enregistrement réseau ; il récupère les flux vidéo sur le réseau local et effectue l'analyse intelligente sur le terminal, puis envoie les résultats de détection au cloud, ce qui réduit les coûts de bande passante réseau des utilisateurs. Flexible, pratique et facile à déployer, le processus métier est le suivant :

1. Le serveur de détection et le NVR des caméras de surveillance sont placés sur le même réseau local, et les flux sont tirés directement depuis le NVR ;

2. Le serveur de détection se raccorde automatiquement au serveur de gestion des tâches, reçoit la gestion et l'attribution des tâches ;

3. Le serveur de détection envoie en temps réel les événements de détection au serveur de file d'attente des messages, pour une écoute en temps réel par la plateforme d'information utilisateur ;

4. Le serveur de détection peut générer des vidéos de résultats et les pousser vers le serveur de streaming, pour consultation par la plateforme d'information utilisateur ;

5. Le serveur de gestion des tâches fournit une plateforme Web aux utilisateurs et met à disposition de la plateforme d'information utilisateur des interfaces de requête des journaux de messages et des captures d'écran des infractions ;

6. Le serveur de streaming assure la distribution des flux vidéo des résultats de détection ;

7. Le serveur de file d'attente des messages assure la distribution des événements de détection en temps réel.

1. Parc intelligent : à partir des données d'accès standardisées des équipements/systèmes intelligents du parc, et en combinant l'intelligence artificielle, le big data, le calcul et d'autres technologies, mettre en place une plateforme de gestion opérationnelle globale des scénarios tels que les personnes, les véhicules, l'énergie, la sécurité, les actifs et l'environnement du parc. Cela permet d'améliorer l'efficacité de la gestion opérationnelle, d'élever la qualité des services du parc, d'accroître le niveau de sécurité du parc et de maximiser la valeur de ses différents systèmes intelligents.

2. Chantier intelligent : grâce aux divers dispositifs de surveillance installés sur les chantiers de construction, le système de reconnaissance et d'analyse par IA met en place un système de surveillance et de prévention intelligent, permettant une surveillance en temps réel et multidimensionnelle des personnes, des machines, des objets, des matériaux, des méthodes et de l'environnement ; il comble efficacement les lacunes des méthodes et technologies traditionnelles en matière de supervision, transforme la « supervision » passive en « surveillance » active, et permet véritablement la prévention en amont, la détection continue en cours d'activité et la gestion normalisée en aval, afin de parvenir à une gestion informatisée de la sécurité de la production sur les chantiers.

3. Communauté intelligente : appliquer le matériel et les logiciels aux scénarios de communauté intelligente pour répondre aux besoins d'accès par reconnaissance faciale, d'identification des inconnus, de détection des personnes qui rôdent, de gestion des entrées et sorties, etc., satisfaire aux exigences de supervision de la police et des services de quartier, améliorer l'efficacité de la gestion des personnes dans la communauté et accroître la satisfaction des propriétaires. Assurer également la surveillance et la gestion des personnes clés, notamment les personnes en infraction (fugitifs) et les personnes particulièrement suivies pour des motifs de pétition.

4. Campus sûr : le campus sûr par IA repose sur une plateforme cloud + des systèmes métier + des terminaux matériels intelligents de reconnaissance faciale par IA, et forme un service intelligent de bout en bout couvrant la prise de décision par big data, la prévention et le contrôle des risques de sécurité, le contrôle des portes d'entrée, le système de gestion des dortoirs, la consommation à la cantine, le système de panneaux de classe cloud, le bureau intelligent et bien d'autres applications. Il peut fournir aux autorités de tutelle de l'éducation, aux écoles, aux enseignants, aux élèves et aux parents une solution de campus sûr intelligente complète et tout-en-un.

5. Autres scénarios nécessitant une reconnaissance et une analyse par IA.

Q1 : Quelles sont les caractéristiques matérielles et les capacités de traitement du serveur de calcul en périphérie Libellule AI ?

R : Équipement standard en rack 1U ; une unité prend en charge jusqu'à 32 flux vidéo et peut exécuter simultanément 32 ensembles d'algorithmes d'IA. Compatible avec les encodages H.264 et H.265, il peut se raccorder directement aux caméras et NVR existants.

Q2 : Comment le serveur de calcul en périphérie Libellule AI s'intègre-t-il au système de surveillance existant ?

R : Il est déployé sur le même réseau local que les caméras et le NVR pour récupérer les flux vidéo, sans transmettre la vidéo brute vers le cloud, ce qui permet d'économiser efficacement la bande passante ; les événements d'alerte analysés sont ensuite envoyés à la plateforme métier.

Q3 : Quels algorithmes le serveur de périphérie Libellule AI prend-il en charge et comment sont-ils mis à jour ?

R : Il prend en charge la reconnaissance faciale, la reconnaissance de plaques d'immatriculation, la détection d'incendie/fumée, de franchissement de limite, etc. Les modèles d'IA sont gérés et distribués de manière unifiée depuis le cloud ; l'ajout ultérieur d'algorithmes ne nécessite aucune modification du matériel local, pour une adaptation flexible à l'évolution des activités.

Q4 : Le serveur de calcul en périphérie Libellule AI est-il facile à intégrer à une plateforme métier tierce ?

R : Il fournit une interface API RESTful et prend en charge deux modes de déploiement : cloud public et cloud privé. Les messages d'alerte, les captures d'écran et les enregistrements vidéo peuvent être exportés, ce qui facilite le développement d'intégration avec la plateforme existante du client.

Q5 : Quels sont les avantages de l'architecture périphérie-cloud du serveur de calcul en périphérie Libellule AI ?

R : L'analyse vidéo est réalisée côté périphérie, tandis que le cloud se charge de l'ordonnancement des tâches et de la gestion des modèles, ce qui permet une coordination des ressources des deux côtés. Même si le réseau externe est instable, les tâches locales d'analyse vidéo peuvent continuer à fonctionner.