AI视频监控配置入门：从摄像头接入到告警验证

AI视频监控配置的核心是把摄像头视频流接入分析平台，再设置识别规则并验证告警是否正常触发。
本文以常见的RTSP摄像头和开源分析工具为例，讲解从零开始的配置流程，适合刚接触视频监控的运维人员参考。

配置前需要确认的三件事

动手之前先确认以下条件，能避免大部分中途卡住的情况。

• 摄像头支持RTSP：大多数网络摄像头都支持，地址格式类似 rtsp://用户名:密码@IP:554/stream1，具体路径需查看摄像头说明书或管理后台。
• 分析服务器已就绪：一台能运行Docker的Linux服务器，建议至少4核8G内存，并预留足够磁盘空间存放录像或截图。
• 网络互通：分析服务器能ping通摄像头IP，且摄像头未开启IP白名单限制。

可以用 ping 摄像头IP 和 ffplay rtsp://... 快速验证连通性和视频流是否可拉取。

接入摄像头视频流

以Docker方式启动分析服务为例，先拉取镜像并创建配置目录：

mkdir -p /opt/ai-monitor/config
cd /opt/ai-monitor
docker run -d --name ai-monitor \
  -p 5000:5000 \
  -v /opt/ai-monitor/config:/config \
  --restart unless-stopped \
  your-monitor-image:latest

启动后访问 http://服务器IP:5000 进入管理界面。
在“摄像头管理”中添加设备，填写RTSP地址、名称和分组。
保存后平台会尝试拉流，状态显示“在线”即接入成功。
如果显示离线，优先检查RTSP地址中的用户名密码是否包含特殊字符，必要时进行URL编码。

设置AI识别规则与告警

摄像头在线后，进入“分析规则”页面创建规则。
常见配置项包括：

• 检测区域：在画面中框选需要监控的区域，减少无关区域的误报。
• 检测类型：如人员入侵、车辆检测、越界检测等，按实际场景勾选。
• 灵敏度：建议从中间值开始，观察一天后再微调，过高容易误报，过低会漏报。
• 告警方式：支持邮件、Webhook或企业微信机器人，填写对应的地址和密钥。

保存规则后，平台会对视频流进行实时分析。
首次配置建议先只启用一条规则，确认告警链路通畅后再批量添加。

验证配置是否真正生效

配置完成不等于生效，需要做一次主动验证。

1. 在检测区域内走动或放置目标物体，观察管理界面是否出现告警记录。
2. 检查告警通知是否到达邮箱或Webhook地址，可查看服务日志：docker logs -f ai-monitor。
3. 如果告警未触发，先确认规则是否处于“启用”状态，再检查检测区域是否覆盖目标出现的位置。
4. 若告警频繁误报，适当缩小检测区域或降低灵敏度，然后重新观察。

验证通过后，建议保留一周的告警日志，方便后续调整规则时对比效果。

容易踩坑的几个地方

• RTSP地址密码含特殊符号：@、#、: 等字符会导致解析失败，需进行URL编码。
• 摄像头编码格式不兼容：部分摄像头默认H.265，分析服务可能只支持H.264，需在摄像头后台切换编码格式。
• 服务器时间不同步：告警时间错乱会影响排查，建议开启NTP同步。
• 防火墙未放行端口：管理界面打不开时，检查服务器安全组和本机防火墙是否放行5000端口。

常见疑问

问：没有公网IP能否配置AI视频监控？
可以。分析服务器和摄像头在同一局域网即可，告警通知通过服务器出网发送，不需要摄像头直接暴露公网。

问：多个摄像头会不会导致服务器卡顿？
取决于分辨率和分析帧率。建议先从一路摄像头测试，观察CPU和内存占用，再逐步增加。

问：告警截图保存在哪里？
通常在配置目录下的 snapshots 或 alerts 子目录，具体路径可在规则设置中查看或修改。

按照以上步骤完成AI视频监控配置后，建议先小范围运行几天，根据告警记录调整检测区域和灵敏度，再逐步扩展到更多摄像头。
遇到异常时，优先回看日志和摄像头在线状态，大部分问题都能快速定位。