Pular para o conteúdo principal

Viseron no reComputer

Introdução​

Viseron é um software de NVR e Visão Computacional com IA, auto-hospedado e apenas local, implementado em Python. O objetivo do Viseron é ser fácil de configurar e usar, e ao mesmo tempo poderoso e flexível. Ele é projetado para ser executado em uma rede local, sem dependências externas e sem necessidade de serviços em nuvem.

Pré-requisitos​

Requisitos de Hardware​

reComputer AI R2130reComputer AI Industrial R2145
Adquira agora 🖱️
Adquira agora 🖱️

Requisitos de Software​

Atualizar o sistema​

Use o seguinte comando para executar.

sudo apt update
sudo apt upgrade -y

Baixar docker e docker compose​

Use o seguinte comando para instalar o docker.

wget https://get.docker.com -O get-docker.sh
chmod +x 
sudo sh get-docker.sh
sudo systemctl start docker
sudo systemctl enable docker
docker --version

O resultado é mostrado abaixo:

pir

Use o seguinte comando para instalar o docker compose.

sudo curl -L "https://github.com/docker/compose/releases/download/$(curl -s https://api.github.com/repos/docker/compose/releases/latest | jq -r .tag_name)/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose
sudo chmod +x /usr/local/bin/docker-compose
docker-compose --version

O resultado é mostrado abaixo:

pir

Baixar Viseron​

Criar pastas​

Use o seguinte comando para criar pastas

cd ~
mkdir -p viseron_data/{timelapse,thumbnails,snapshots,segments,models,event_clips,config}

Baixar Modelo​

Use o seguinte comando para baixar o modelo hef para o dispositivo hailo8.

cd ~/viseron_data/models
wget https://hailo-model-zoo.s3.eu-west-2.amazonaws.com/ModelZoo/Compiled/v2.16.0/hailo8/yolov8n.hef

Criar docker-compose.yaml​

Use o seguinte comando para criar docker-compose.yaml.

cd ~ && nano docker-compose.yaml
services:
  viseron:
    image: roflcoopter/viseron:latest
    container_name: viseron
    shm_size: "1024mb"
    volumes:
      - /home/ain/viseron_data/segments:/segments
      - /home/ain/viseron_data/snapshots:/snapshots
      - /home/ain/viseron_data/thumbnails:/thumbnails
      - /home/ain/viseron_data/event_clips:/event_clips
      - /home/ain/viseron_data/timelapse:/timelapse
      - /home/ain/viseron_data/config:/config
      - /etc/localtime:/etc/localtime:ro
      - /home/ain/viseron_data/models:/models
    ports:
      - 8888:8888
    devices:
      - /dev/hailo0

Configurar Viseron​

Executar Viseron​

Use o seguinte comando para executar o viseron

cd ~
docker compose up

pir

Abrir porta​

Abra a porta 8888, você verá um resultado como abaixo:

pir

Configurar​

Siga as etapas abaixo para configurar o Viseron e substitua as informações de configuração de acordo com o endereço da sua câmera.

pir

# Viseron Configuration Example - Resolving Hailo component and camera identifier mismatch
# Core concept: All components use the same camera identifier "cam_front"

# 1. Camera Configuration (FFmpeg Component)
# This is the foundation for all detection features. Ensure the identifier here is correctly referenced by other components.
ffmpeg:
  camera:
    cam_front:  # 🔑 Key identifier: other components must reference this name
      name: "Front Door"  # Camera display name (customizable)
      host: 10.1.1.200  # IP address of the camera
      port: 554            # RTSP port (usually 554)
      path: /cam/realmonitor?channel=1&subtype=1  # RTSP stream path (replace with your camera's actual path)
      username: admin
      password: passw0rd
      fps: 6  # Set the video stream frame rate
      recorder:
        idle_timeout: 1    # Idle timeout setting
        codec: h264        # Recording codec

# 2. Hailo Object Detector Configuration
# This component uses Hailo-8 AI acceleration hardware for object detection and must point to a configured camera.
hailo:
  object_detector:
    model_path: /models/yolov8n.hef  # 🔑 Important: Replace with the path to your HEF model file
    # Add the following line based on your Hailo hardware version (e.g., hailo8 or hailo8l)
    # hailo_arch: hailo8
    cameras:
      cam_front:  # ⬅️ Must exactly match the identifier defined in the ffmpeg section above
        fps: 2  # Detection frame rate (higher consumes more resources)
        scan_on_motion_only: false  # Set to true to perform AI detection only when motion is detected
        labels:
          - label: person  # Detect the "person" class
            confidence: 0.7  # Confidence threshold
            trigger_event_recording: true  # Trigger event recording when detected
          - label: car  # You can add other classes to detect
            confidence: 0.7

# 3. Motion Detector Configuration (MOG2 Component)
# Can provide pre-triggering for Hailo AI detection to save computational resources.
mog2:
  motion_detector:
    cameras:
      cam_front:  # ⬅️ Use the same consistent identifier
        fps: 2  # Motion detection frame rate

# 4. NVR (Network Video Recorder) Configuration
# Binds all the above components together and manages recording.
nvr:
  cam_front:  # ⬅️ Use the same consistent identifier
    motion_detector:  # Enable motion detection
      enabled: true
    object_detector:   # Enable object detection
      enabled: true
      interval: 0.5    # Object detection trigger interval

# (Optional) Logger level adjustment, can be set to 'debug' for troubleshooting
logger:
  default_level: info

Executar​

Siga as etapas abaixo para executar o software.

pir

Resultado​

Depois de configurar tudo, podemos visualizar a transmissão ao vivo da câmera atual. Definimos o fps para 2, portanto o vídeo pode parecer um pouco travado.

pir

Suporte Técnico & Discussão de Produto​

Obrigado por escolher nossos produtos! Estamos aqui para fornecer diferentes tipos de suporte para garantir que sua experiência com nossos produtos seja a mais tranquila possível. Oferecemos vários canais de comunicação para atender a diferentes preferências e necessidades.

Loading Comments...