过去几年，我见过太多"AI 监控项目"从满怀期待到束之高阁——算法买了，服务器上了，最后一个季度也没告警几次。问题几乎从不出在算法本身，而是这七步里有某一步被跳过了。
步骤一：先把业务问题翻译成技术问题
客户说"我们想上 AI 监控"，这不是需求，这是想买的东西。真正的需求长这样：
- "夜里围墙有人翻进来，我们要在 30 秒内知道，并且知道是哪一段围墙。"
- "中控室值班员晚上容易打瞌睡，我们要在他离岗超过 10 分钟时通知班组长。"
- "装卸区经常有车堵住消防通道，我们要自动记录并生成台账。"
区别在哪？前者没有验收标准，后者有。业务问题翻译成技术问题的过程，本质上就是确定检测对象、触发条件、响应动作和时间要求这四件事。
步骤二：判断每个点位的算法可行性
同一个算法，装在不同位置效果可能差 40%。判断可行性主要看四个因素：
- 目标像素占比：这是最关键的一条。人形检测要求目标在画面中至少占 30×60 像素，安全帽识别要求头部至少占 40×40 像素，人脸识别要求人脸至少占 80×80 像素。达不到这个标准，算法再强也没用。所以选点位时必须算清楚摄像机到目标区域的距离和镜头焦距。
- 光照条件：完全无光需要红外补光；需要看颜色（比如识别反光衣颜色）就必须有可见光或全彩摄像机；逆光位置容易过曝，需要考虑宽动态（WDR）性能。
- 遮挡情况：树、雨棚、货物堆、经常停靠的车辆都可能形成动态遮挡。
- 天气影响：户外点位的雨雪、雾霾会影响效果，需要评估全年可利用天数。
这四项评估做完，你会得到一份"哪些点位适合上什么算法"的对照表。很多项目就是在这个阶段把一半的算法需求砍掉了——不是因为做不了，而是性价比不划算。
步骤三：算力规划，先算清楚再买设备
算力不足会导致两个后果：一是算法跑不满帧率，快速移动的目标被漏掉；二是 CPU/GPU 长期高负载，设备发热死机。算力规划的基本方法：
- 先统计每个算法需要的算力（以主流 GPU 为例，人形检测约 1/64 卡，安全帽识别约 1/32 卡，人脸识别约 1/16 卡）。
- 把所有点位的算法需求加起来，得到总需求。
- 预留 30% 余量应对后续新增，再乘以 1.2 的安全系数。
然后决定采用哪种架构：
- 边缘计算：算法盒子就近部署，视频不出局域网，带宽占用低，适合点位分散、网络条件差的场景。缺点是单点算力有限，运维相对分散。
- 中心计算：所有视频汇聚到机房统一分析，算力集中、运维简单、易于扩展。缺点是对网络带宽和机房条件要求高。
- 混合架构：核心区域用中心计算，边缘偏远区域用边缘盒子。这是大型项目最常用的方式。
步骤四：现场标定，这一步决定误报率
标定是纯人工活儿，也是最容易被敷衍的一步。要标定的内容包括：
- 检测区域（ROI）：用多边形精确框定需要检测的范围。比如周界警戒不能把整个画面都算进去，要把画面里的马路、人行道排除掉，否则每次有人路过都告警。
- 目标尺寸阈值：设置最小检测目标像素，过滤掉鸟、猫、飘动的塑料袋。
- 灵敏度与持续时间：比如"目标在警戒区内停留超过 3 秒才告警"，可以过滤掉快速穿过画面的人影。
- 干扰源排除：识别并屏蔽掉灯光频闪、树影晃动、水面反光等固定干扰源。
- 分级告警策略：哪些告警推手机、哪些只记录在平台、哪些触发声光报警，都要明确定义。
一个负责任的供应商，会在标定阶段花上 1 - 3 天时间做这件事。如果对方说"配置一下就能用"，那基本可以预期后续的误报折磨。
步骤五：联调与压力测试
单路测试通过不代表系统可用。必须做多路并发测试，验证：
- 所有算法同时运行时，服务器 CPU/GPU 占用是否在 70% 以下；
- 告警从触发到送达手机的时间是否在承诺范围内；
- 连续运行 48 小时以上，观察是否有内存泄漏导致的性能衰减；
- 断电重启后，所有算法配置是否能正确恢复。
步骤六：30 天误报治理期
这一条必须写进合同。算法上线初期，误报率通常会比目标值高 2 - 3 倍，因为现场总有一些你在勘察阶段没发现的干扰因素。治理期的做法是：
- 每天导出误报告警清单，逐条分析原因；
- 按原因分类：光照变化、天气、动物、遮挡物移动、参数过敏感……
- 针对每一类原因采取对应措施：调整 ROI、修改阈值、增加过滤条件、或者干脆换个点位；
- 每周汇总一次误报趋势，直到稳定在目标值以内。
这个过程通常需要 3 - 4 周。没有耐心的项目，往往在第二周就放弃了，然后系统就慢慢没人用了。
步骤七：验收与持续优化
验收要做到三件事：指标可测、过程可查、责任可追。
- 连续运行 7 天，统计检出率、误报率、告警响应时长三项指标；
- 准备标准测试动作（比如由工作人员按预案翻越围墙 20 次），实测检出率；
- 出具盖章的验收报告，附上原始统计数据。
上线之后，建议每半年做一次算法复盘。因为现场环境会变——树木长大了、货架改位置了、新增了建筑——原本标定好的区域可能需要重新调整。这也是为什么我们给 AI 算法提供 1 年免费调优。
一句话总结
AI 监控能不能落地，技术只占三成，方法占七成。把这七步走扎实，即使算法一般，效果也不会差；跳过其中几步，即使买了最好的算法，也只能在演示的时候看起来很美。
