AI 分析

SaaS 目前以 queue_analysis 為核心，支援快照、滾動統計、洞察與屬性記錄。

分析架構

SaaS 的 AI 分析架構採用分散式設計：

視頻設備 → Core API → Kafka → 計算節點 → 分析結果
                ↓
           結果存儲/告警觸發

工作流程

1. 串流接收: 計算節點從視頻設備拉取 RTSP 串流
2. 影格處理: 將視頻解碼為影格進行處理
3. 模型推論: 使用 GPU 加速的 AI 模型進行分析
4. 結果彙整: 將分析結果透過 Kafka 回傳
5. 事件處理: Core API 處理事件並觸發告警

輸出數據模型

• current：即時指標（inQueue, inService）
• rolling5Min / rolling30Min：滾動統計
• total：累計統計

資料會拆分寫入：

• scene_analytics_snapshots（快照）
• scene_analytics_rolling（滾動/累計）

進階分析能力

• Insights API (v0.8.0+)：提供 VLM 摘要與結構化輸出
• Attributes API (v0.10.0+)：獨立屬性記錄查詢
• Plan Gate：Attributes/Stats 需 LEVEL_02

相關端點

• 分析控制 API
• 數據查詢 API
• SSE API

資源分配

系統會自動將分析任務分配到可用的計算節點：

• 優先使用負載較低的節點
• 自動負載平衡
• 節點故障時自動轉移任務

效能指標

延遲 (Latency)

• 平均延遲: <50ms
• 99 百分位延遲: <100ms

吞吐量 (Throughput)

單一計算節點可處理：

• 1080p 視頻: 30 FPS
• 4K 視頻: 15 FPS

常見檢查

• 無數據：確認場景已啟動且設備在線。
• 時間偏移：查詢參數用 UTC，顯示轉設備當地時間。
• 無屬性結果：確認設備 plan 為 level_02。

下一步

• 告警系統 - 根據分析結果配置告警
• API 整合 - 透過 API 取得分析結果