园区、工厂、学校都装了监控，但画面只能回放，出事了才去翻录像。想升级成AI自动预警，第一反应是"把摄像头全换成智能的"——拆旧、布线、施工、停业，成本高周期长。其实大部分存量监控不用换，加一台边缘计算盒就能实现周界入侵、烟火识别、离岗检测、人群聚集等AI分析。
升级前先分清误报的三种来源：一是画面本身的限制（逆光、夜间噪点、目标过小或过远），二是规则配置过松（把树枝晃动当入侵、把灯光变化当烟火），三是样本不匹配（算法没在类似场景下验证过）。误报率高的改造项目，多半不是算法不行，而是这三类问题没在立项阶段厘清。关于改造预算怎么估算、询价时该问哪些口径，可参考「视频监控AI改造多少钱：常见问题、检查重点与适用边界」（瑞铭百科）；涉及算力、网络与断网补传的规划，可参考「AI视频分析边缘部署指南：算力、网络与断网补传如何规划」（瑞铭百科）。
一、存量监控为什么不用全换
传统监控升级要拆前端设备、重新布线、停机施工，一个园区改下来动辄几十万。而边缘计算盒方案是"利旧"思路：原有摄像头不动、原有布线不动、原有NVR和上墙系统不动，只在机房或弱电井加一台盒子，接入摄像头的视频流就能做AI分析。
| 对比项 | 全换AI摄像头 | 边缘计算盒利旧改造 |
|---|---|---|
| 前端摄像头 | 全部更换 | 原有摄像头继续用 |
| 布线施工 | 重新穿线、开槽 | 不动原有线路 |
| 业务影响 | 施工期间监控中断 | 在线叠加，不影响原有监控 |
| 改造成本 | 高（设备+施工） | 明显低于全换方案（具体以勘测报价为准） |
| 算法扩展 | 受摄像头硬件限制 | 云端/平台灵活切换算法 |
| 改造周期 | 数周 | 通常几天内完成部署 |
两种方式的取舍要点在于：全换方案适合本来就计划重建的点位和新建项目；利旧方案适合已有监控体系稳定、只想在现有画面上叠加AI能力的存量场景。改造不是"选一个做完"，而是按点位情况组合使用。
二、画面条件决定算法可用性
同一台盒子、同一套算法，在不同点位上的表现可能差异很大，差距主要来自画面条件。立项前应逐点检查四类条件：
- 分辨率与码流：目标在画面中的像素尺寸是否够大。人脸抓拍、车牌识别对分辨率要求高；周界入侵、区域闯入对像素要求相对宽松。
- 光照与逆光：夜间是否有补光、出入口是否逆光。夜间弱光场景需确认摄像头的低照度能力和补光灯配置。
- 角度与遮挡：机位角度是否俯视、是否有树木或车辆遮挡。角度不当的算法可用性会明显下降。
- 网络与带宽：盒子接入路数所需的码流带宽是否足够，断网时是否支持本地缓存与补传。
画面条件不达标的点位，优先调整机位、补光或更换镜头，而不是盲目上算法。判断"这个点位能不能改造"，用典型时段视频样例实测一遍，比看参数表可靠得多。
三、点位分级：不是所有点位都需要AI
改造前先给点位分级，把预算花在最需要实时告警的位置。通常分为三类：
- A类重点区域：周界围墙、危险品库房、消防通道、主要出入口——需要实时告警与处置闭环，优先改造。
- B类秩序管理：物料堆放区、停车场、人流密集区——告警用于秩序提醒与事后追溯。
- C类仅记录：普通过道、非核心区域——保持原有录像能力即可，不接入AI分析。
园区场景的点位构成与整体方案说明，可参考智慧园区栏目的整体方案页；本篇只讲点位分级方法本身。
四、样本怎么取、怎么标
算法上线前要用现场真实样本做验证，样本的质量直接决定验收结果。采样应覆盖：不同时段（白天、夜间、黄昏）、不同天气（晴天、阴雨、逆光）、不同目标形态（单人、多人、车辆、遮挡目标）。如果现场采样困难，可用该点位的历史录像片段代替，但标注要明确"与实时画面可能存在的差异"。
样本标注建议按检测任务逐类进行：周界入侵标"越界/未越界"，烟火识别标"火/烟/灯光干扰"，样本来源授权、切分与版本追溯的方法，可参考「AI模型训练数据治理指南：来源授权、样本划分与版本追溯」（瑞铭百科）。
五、边缘计算盒怎么工作
边缘计算盒通过ONVIF或RTSP协议接入现有摄像头的视频流，在本地完成AI推理，识别异常后输出告警事件到管理平台。整个过程在现场完成，不需要把视频传到云端，延迟低、断网也能用、视频不出园区更安全。
六、盒子怎么选
瑞铭安普提供三种边缘AI设备：8路AI视频分析盒适合小规模点位；DB-SH2 AI视频分析盒（17.6 TOPS）适合中等规模既有监控升级；YJ-BP多模态视频分析盒（32 TOPS，32路）适合园区级集中分析。新建点位则可直接选DC-PL2 AI相机，采集端直接分析。具体选哪种，取决于摄像头路数、算法种类和部署位置。
七、上线验收与运行期复核
改造不是装完就算结束，验收要围绕识别效果与处置闭环逐项确认：
- 识别效果：按点位、时段、天气抽测，记录准确率与误报率，与改造前的测试基线对比。
- 告警延迟：从事件发生到告警到达值班端的时间是否符合约定。
- 断网与补传：模拟断网后本地推理是否继续、恢复网络后事件是否补传。
- 处置闭环：告警是否进入工单、是否有人复核与归档，抽查若干条告警确认有处置记录。
告警接收、分级推送与处置记录的平台侧实现，由空间安全智能体平台承接；验收阶段建议把"告警是否按时到达值班端并完成闭环"作为通过条件之一。
八、常见误区与返工点
从实际改造经验看，最容易返工的有四类：一是跳过点位分级，全点位一起上，预算和调试量都超预期；二是用参数表代替现场验证，上线后才发现画面条件不匹配；三是只装盒子、不接处置流程，告警没人看等于没改；四是忽略带宽与存储规划，路数一多就卡顿。改造前把这些问题写进方案，返工成本会低很多。
九、小结
存量监控的AI升级，核心是"利旧"：原有摄像头与线路不动，用边缘计算盒把AI能力叠加到现有画面上。立项前先厘清误报来源、检查画面条件、给点位分级、用真实样本验证，再按路数和算法选盒子，上线后按验收清单复核并接入处置闭环。设备形态与接入方式的整体说明，可查看AI计算设备栏目。
瑞铭安普提供存量监控AI改造服务，从勘测、选型、部署到平台联调一站式交付。了解你的监控系统能加哪些AI能力、需要几台盒子，可在 rmanp.com 智能硬件栏目查看边缘计算盒规格，或直接联系我们做现场评估。
常见问题
存量监控不换摄像头，加一台边缘计算盒真的能AI升级吗？
能，但有前提。边缘计算盒通过ONVIF或RTSP协议接入现有摄像头的视频流，在本地完成AI推理，原有摄像头、布线、NVR和上墙系统都不动，适合已有监控体系稳定、只想在现有画面上叠加AI能力的存量场景。前提是摄像头支持RTSP或ONVIF协议、画面质量能满足算法要求、网络带宽足够。
边缘计算盒能做哪些识别？
常见的有周界入侵、烟火识别、离岗检测、人群聚集等。识别能力受画面条件影响：人脸抓拍、车牌识别对分辨率要求高，周界入侵、区域闯入对像素要求相对宽松；逆光、夜间弱光、角度与遮挡会明显降低算法可用性，这类点位要先调整机位、补光或更换镜头。
旧摄像头改造要花多少钱、多久？
改造成本明显低于全换方案，部署通常几天内完成，而全换方案往往需要数周；具体成本与周期以现场勘测与报价为准。改造前建议先给点位分级：A类重点区域优先做实时告警与处置闭环，C类仅记录点位不接入AI分析，把预算花在最需要的位置。
所有旧摄像头都能接边缘计算盒吗？
不是。需要逐点确认摄像头支持RTSP或ONVIF协议、画面质量能满足算法要求、网络带宽足够。改造前建议先用典型点位、典型时段的视频样例实测一遍算法效果，再批量推广，不要用参数表代替现场验证。