「大家好，我是熊猫，你的NAS领航员。NAS不只是存储那么简单，数码也可以是生活，关注我，给你的生活加点'技'趣！」
引言今天要介绍的容器项目大有来头，他可以对接支持onvif协议的摄像头，或者支持RTSP流的网络摄像头，而单纯的对接肯定没意思，毕竟各大NAS厂商自己就有视频监控工具。但它内置了很多大模型，通过内置的这些大模型，能实现对视频流的AI分析，从而实现告警的作用，这一切都在你NAS本地上执行，所以这个容器项目我也愿称之为NAS性能杀手，今天咱们要介绍的便是「思通数科——AI视频卫士」。
首先还是简单介绍一下，AI视频卫士是一个多功能AI实时监控系统，支持多种设备混合接入，包括：无人机、行车记录仪，收银机、监控摄像头、Pad、手机和电脑摄像头。系统具备高度灵活性，能够针对监控目标和范围提供实时预警。此外，系统内置低代码算法模型快速训练平台（付费版），简化了算法开发流程。用户还可以便捷地通过文字或图像搜索监控录像中的人脸、物体、标牌、车牌和语音对话。
在开源版本中，作者提供了20种免费模型供我们使用，例如配戴安全帽、人体跌倒识别、电动车监测、大货车监测、房门关开监测、灭火器正常、地面积水、口罩识别、安全手套识别、玩手机识别、睡觉识别、吸烟监测、非机动车识别、表情识别、占道经营识别、智能电网守卫、宠物牵绳识别、轮椅识别、婴儿车识别、交通事故识别。
以下是坐着给到的项目特性：
视频直播画面：系统首页展示当前监控摄像头下的实时监测画面，用户可以点击全屏查看。监控画面切换：用户可以通过下拉框选择不同摄像头和分组，查看不同监控画面。实时数据展示：首页左侧栏展示最新的实时预警数据，用户可以点击查看详情。摄像头点位统计：管理员可以看到摄像头的生效、失效状态和总数。预警统计与走势：展示监控场景中预警次数最多的情况，以及不同时间范围内的预警类型统计。添加监测任务：允许用户添加多个参数，并将任务分配给单个或多个摄像头。任务状态管理：用户可以对监控任务进行开启、停止或定时监控等操作。事件列表：展示最新的报警信息，支持分类、分组和分时间段检索。停用与更新：允许用户停止当前算法并提醒相关监测任务，联网时自动检测更新。检索视频：通过关键词、摄像头点位、时间范围检索视频内容。部署项目的部署稍微有点麻烦，不过聪明的你们应该能一看就会，毕竟虽然麻烦，都步骤都并不难。首先，我们需要准备好六个镜像，分别是redis、rabbitmq、mysql、minio、elasticsearch以及ai_video镜像。六个镜像加起来总体积达到了接近10GB，非常离谱。
不过作者非常贴心的给到了五个本地镜像包，并上传到了百度网盘供大家使用，这一点还是非常贴心的，这里熊猫也贴上地址，将其中的文件全部下载放到NAS中即可。网盘链接：https://pan.baidu.com/s/14tgK26G3bxibjhsT5jG25A提取码：kglr。
这时候有小聪明就会问了，那还有一个镜像。很抱歉，剩下的一个镜像还是需要我们自行下载，且它也是体积最大的那个，不过好在作者又贴心的给我们加了加速地址，所以下载速度其实非常不错。这里贴一个docker pull命令：docker pull crpi-q4f4vwdmprv5egrk.cn-hangzhou.personal.cr.aliyuncs.com/yssanyue/ai_video:v1.4
镜像下载之后，我们还需要给镜像起一个别名，这时候就需要用到SSH端口了。打开NAS的SSH端口，用工具连接上NAS之后，咱们输入sudo -i获取root权限，随后输入命令docker tag crpi-q4f4vwdmprv5egrk.cn-hangzhou.personal.cr.aliyuncs.com/yssanyue/ai_video:v1.4 ai_video:v1.4将刚刚下载的镜像改名为「ai_video」
熊猫今天用到的为绿联的DXP4800，多次更新之后绿联的UGOS Pro系统越来越好用了，且目前支持Docker-compose堆栈的方式来创建容器项目，加上N100的性能也还不错，所以今天就用到了绿联。这里咱们打开Docker，来到项目界面。
可以看到熊猫是已经启动了容器项目了，在创建yml文件之前，我们需要准备一些文件以及文件夹，其中文件需要到作者给到的地址去下载，这里贴一个地址。我们需要下载volumes.zip中的文件，并将其解压之后提取其中的nginx.conf、application.yml以及config.yaml三个文件。https://gitee.com/stonedtx/stonedtaiv/tree/master/docker
这时候创建docker-compose.yml文件，文件内容如下，映射路径和端口记得根据自身NAS设备进行更改。
services: mysql: container_name: mysql image: mysql:8.0.38 ports: - "3307:3306" environment: MYSQL_ROOT_PASSWORD: config5566 MYSQL_DATABASE: yys_aivideo MYSQL_USER: user MYSQL_PASSWORD: config5566 volumes: - /volume1/docker/aivideo/mysql-data:/var/lib/mysql healthcheck: test: ["CMD-SHELL", "mysqladmin ping -h localhost -u root -pconfig5566"] interval: 30s timeout: 10s retries: 5 networks: - videonetworks redis: container_name: redis image: redis:7.2 ports: - "6381:6379" volumes: - /volume1/docker/aivideo/redis-data:/data healthcheck: test: ["CMD", "redis-cli", "ping"] interval: 30s timeout: 10s retries: 3 networks: - videonetworks es: container_name: es image: elasticsearch:8.14.3 environment: - cluster.name=docker-cluster - bootstrap.memory_lock=true - "ES_JAVA_OPTS=-Xms2g -Xmx2g" - xpack.security.enabled=false - discovery.type=single-node ports: - "9222:9200" - "9333:9300" healthcheck: test: ["CMD-SHELL", "curl -f http://localhost:9200/_cluster/health || exit 1"] interval: 30s timeout: 10s retries: 3 networks: - videonetworks minio: container_name: minio image: minio/minio:latest ports: - "9005:9000" - "9010:9001" environment: MINIO_ACCESS_KEY: admin MINIO_SECRET_KEY: admin123 command: server /data --console-address ":9001" healthcheck: test: ["CMD", "curl", "-f", "http://localhost:9000/minio/health/live"] interval: 30s timeout: 10s retries: 3 volumes: - /volume1/docker/aivideo/minio-data:/data networks: - videonetworks rabbitmq: container_name: rabbitmq image: rabbitmq:4.0 ports: - "15673:15672" # 映射 RabbitMQ 管理界面 - "5673:5672" # 映射 RabbitMQ 消息队列 environment: RABBITMQ_DEFAULT_USER: admin RABBITMQ_DEFAULT_PASS: admin123 command: > bash -c "rabbitmq-plugins enable rabbitmq_management && rabbitmq-server" healthcheck: test: ["CMD-SHELL", "rabbitmq-diagnostics -q ping"] interval: 30s timeout: 10s retries: 3 volumes: - /volume1/docker/aivideo/rabbitmq-data:/var/lib/rabbitmq networks: - videonetworks app: container_name: app image: ai_video:v1.4 ports: - "35310:35300" volumes: - /volume1/docker/aivideo/config/nginx.conf:/etc/nginx/nginx.conf - /volume1/docker/aivideo/config/application.yml:/opt/aivideo/java-service/application.yml - /volume1/docker/aivideo/config/config.yaml:/opt/aivideo/python-service/config/config.yaml # links: # - mysql:mysql # - redis:redis # - es:es # - minio:minio # - rabbitmq:rabbitmq networks: - videonetworks depends_on: - mysql - redis - es - minio - rabbitmq networks: videonetworks: driver: bridge
创建好之后如果你的NAS支持docker-compose堆栈，那直接将文件或者代码丢进去就可以了，如果不支持，也可以通过创建yml文件，再SSH的方式获取root之后再输入docker-compose up -d的命令来启动项目。
成功启动之后会拉起六个容器，如果其中app容器日志出现这样的内容，就代表项目启动成功了。
这时候我们输入NASip:35310/vis/就可以进入登录界面了，默认账号为admin，密码为Stonedt,123。
熊猫这里已经将我家里的监控加到了里面，所以在数据看板这里能看到摄像头数量1，同时右边能看到该摄像头的实时监控画面。
功能很好理解，首先来到视频接入这里添加摄像头或者网络摄像头。现在左边的设备列表这里添加分组，建好分组之后可以直接点击右边方框中的+号添加设备。
这里熊猫先将添加的摄像头删除，在设备支持上，首先你要知道你的设备是否支持RTSP流视频（onvif协议都支持），如果不支持那就不能添加。如果直接，咱们直接输入摄像头的RTSP流地址，点击测试，有画面就可以直接提交。
这时候咱们就完成摄像头添加了，如何实现AI检测呢？切换到检测任务这一栏，选择右边的添加任务，输入任务名称、设置优先级、选择监控点以及监控场景（一次只能选择三个模型），最后选择检测日期和实时监控，状态选择启动就可以了。
任务的检测会一直进行，这时候你就会看到你的NAS开始高强度负载了，熊猫这里加了六个模型，N100直接干到了99%的占用，8G的内存也基本告急。
理论上如果你的NAS足够强，那么可以添加足够多的模型进去。不过N100应该不行，所以熊猫也就没有过多尝试了。不过AI检测实测在较为清晰和近距离的情况下的确可用，如果检测目标太远或者很糊，那么依然检测不到。
总结很牛的项目，最牛的还是作者，完成度如此之高的项目居然选择了开源，虽说作者是靠卖模型盈利，不过实际感觉个人或者店面使用，免费的模型也足够用了。给作者点赞！！！
