免费为Blue Iris提供车牌识别、人脸识别和物体检测 - 完整演示

【目录】

1. 引言
2. 安装Blue Iris和code project AI
3. 添加不同品牌的摄像头
4. 运动侦测设置和AI识别设置
5. 人脸识别的设置和使用
6. 车牌识别的设置和使用
7. 保存和分享识别结果
8. 其他注意事项
9. 结论

📷 引言

近两年来，我第一次制作了一段关于在Blue Iris中添加免费本地AI计算机视觉的视频。自那时以来，该软件在功能和易用性方面取得了巨大的改进。于是今天我打算进行一个完整的设置演示，包括安装Blue Iris和code project AI、最佳实践和常规设置、如何添加来自不同制造商的摄像头、使用AI计算机视觉设置运动侦测、训练AI识别熟悉的面孔，并最后展示如何完全免费进行本地车牌识别。鉴于本视频内容较长，如果你只对特定部分感兴趣，可以使用章节标记快速跳转。

请注意，Blue Iris本身并非免费软件。Blue Iris是一种仅适用于Windows的软件NVR，需要支付一次性许可费70美元。购买许可后，可以永久使用，并享有一年的免费软件更新。如果希望继续获得最新的更新，一年后可以选择支付35美元的年度订阅费。code project AI部分是一个自托管的本地免费开源人工智能服务器，可以作为Windows服务或Docker容器运行。可以将其与任何软件NVR一起使用，但本视频中将演示如何与Blue Iris一起使用。Blue Iris提供15天的免费试用期，你可以在试用期内安装并测试，然后决定是否购买，相信你会发现它至少比其他免费选项好用70倍。此外，你不需要配置一台昂贵的游戏电脑来运行Blue Iris。我个人使用的服务器是一台旧戴尔的第六代英特尔i7-6700，它可以处理14个带有计算机视觉功能的摄像头，并充当我的Plex服务器和家庭助理服务器。我在描述中提供了我推荐的硬件链接，但通常来说，你需要选择第六代或更高的英特尔处理器、至少16GB的内存、一个Nvidia显卡、快速的固态硬盘用于程序驱动、一个适用于监控的旋转硬盘用于存储录像。

🏠 安装Blue Iris和code project AI

首先，你可以直接从Blue Iris的官方网站免费下载Blue Iris 5版本安装程序。安装完成后，启动Blue Iris，会提示你输入许可密钥或继续15天的免费试用。选择继续试用之后，点击设置中的齿轮图标，进入设置界面。给你的服务器起个名称，然后点击检查更新按钮，确保你安装的是最新版本。

在设置页面的底部，你可以看到下载code project AI的链接，点击该链接并按照提示安装。这会安装code project AI服务器，该服务器内置了计算机视觉模型，因此下载过程可能需要一些时间。你会看到一个命令提示符窗口弹出并执行一系列命令，等待它执行完毕后窗口会自动关闭。

回到Blue Iris的关于页面，你会看到选择AI选项卡，确保使用code project AI被勾选上。这时它应该会检测到code project AI已在运行，你可以通过点击链接打开AI仪表板来确认。回到Blue Iris，选择在启动时自动启动和关闭code project AI服务，我推荐使用自定义模型而不是默认的对象识别模型。如果你想使用车牌识别功能，还需要在AI仪表板的安装模块选项卡中安装License Plate Reader模块。如果你拥有Nvidia GPU，你可以在这里指定code project AI使用CPU还是GPU进行计算。此外，你还可以将code project AI运行在Docker容器中，但这超出了本视频的范围。

你还可以忽略其他选项卡中对于你个人来说不太重要的设置，然后点击确定。此时，Blue Iris会提示你重新启动计算机，但请等到code project AI服务器安装完成后再重启。

当你重新启动计算机后，再次打开Blue Iris，你应该可以看到Blue Iris和code project AI正在作为后台服务运行。在Blue Iris的AI设置中，你可以看到自定义模型列表已经填充，如果进入AI仪表板，你应该可以看到三个模块正在运行，并且可以查看它们是否使用GPU进行计算。

📷 添加不同品牌的摄像头

接下来，我们将讲解如何添加三个常见的消费级IP摄像头品牌，包括RealLink、Hikvision和Dollar。如果你使用其他品牌的摄像头，操作方法应该类似。

首先，右键点击主界面的任意位置，选择添加摄像头，并为摄像头取一个名称和短名称（不含空格）。从基本选项中启用运动侦测和直接存储到磁盘录像，并根据摄像头是否具备音频功能，选择在此处启用音频或稍后在设置中启用音频。

对于DaHua品牌的摄像头或其他具有类似界面的OEM品牌（如Empire Tech、Amcrest和Lorex等），只需输入摄像头的IP地址、登录名和密码，并点击查找/检查。系统会立即显示Ondvift服务可用的消息，并自动填充主流设置。

对于海康威视或其他具有类似界面的OEM品牌（如安川米立思等），你需要启用Anvif，并选择网络高级设置整合配置文件。勾选开启网络视频接口，并添加一个用户，保存设置后返回Blue Iris，输入摄像头的IP地址、用户名和刚刚创建的密码，并点击查找/检查。系统会显示Onvif消息并自动填充主流设置。

对于RealLink品牌的摄像头，你需要使用1x内部帧间距进行设置，更重要的是，你需要启用固定帧速率模式。如果你的RealLink摄像头没有这些选项，很可能与Blue Iris不完全兼容，你应该检查RealLink网站是否有固件更新。在网络选项中，点击服务器设置，开启RTSP和ONVIF，并记下Anvif端口，通常为8000。在Blue Iris中，输入摄像头的IP地址、用户名和密码，然后将Anvif端口改为8000。点击查找/检查，其他字段应该会自动填充。最后，取消勾选“发送RTSP保活视频”，这样可以避免某些RealLink摄像头每隔30至40秒重新连接一次并最终离线。

此外，请注意，在图像格式中选择最大帧速率略高于摄像头的帧速率，并禁用实时叠加，以减少系统资源的使用。如果摄像头有麦克风，可以在音频选项卡中启用音频。否则，点击触发选项卡。首先是触发源的设置，它决定何时触发运动侦测。你可以根据需要调整最小对象大小和最小对比度变化。在这一步之后，你可能希望退出运动侦测配置并点击确定，以加载摄像头的实时图像。在摄像头加载后，你可以右键点击摄像头，选择设置，并返回到触发选项卡。在运动侦测下点击，将会显示实时图像，并实时反馈运动侦测结果，你可以调整最小对象大小和最小对比度来控制运动侦测的灵敏度。同时，设置较低的触发持续时间，因为我们将使用AI对象识别进一步验证每个运动事件。在这种情况下，对象识别并不是特别重要，但可以与运动区域结合使用，实现特定的方向行为，例如只跟踪走向我的门口的人，而不是其他方向的人。

如果你不想使用Blue Iris的运动侦测功能，有些摄像头可以使用摄像头自身的运动侦测。在这种情况下，你需要选择“使用摄像头的数字输入或运动报警”选项，并在视频选项卡中确保勾选“获取ONVIF触发事件”。

最后，根据触发后要执行的操作进行设置。例如，我们要使用人工智能进行验证运动，因此选择Code project AI，并在AI上方的"Objects"框中选择你希望AI进行识别的对象。默认情况下，它会识别人、车辆、卡车、公交车、自行车和船只，但你可以编辑此列表以识别更多训练过的对象。定制模型是一个重要的部分，因为我们在初始的AI设置中选择了定制模型。如果你将其留空，系统将针对每个自定义模型检查图像，并选择生成最高置信度的模型。然而，这样会花费更长的时间，同时也会消耗更多的计算资源。因此，我建议只选择一个或两个模型。例如，我将使用ipcam-combined模型。置信度是指AI模型对图像匹配对象的确定程度。通常我会将置信度调整到75%以上，但你可以根据具体情况将其提高到80%或85%。接下来，是分析触发后一段时间内的图像数量。我们选择3个图像，间隔500毫秒，以便总共分析1.5秒。我们希望在触发后分析尽可能多的图像，但也不要过度，这里的设置对于普通用途应该足够。然后，选择是否进行触发后动作、是否在分析前取消当前警报、是否在警报图像上烧录标签、使用主流进行分析、保存计算机视觉细节、检测和忽略静态图像。为了避免生成过长的片段，可以设置触发间隔时间，在此期间如果没有新的触发事件，片段将会中断。我们还可以设置最大触发持续时间，默认为120秒。接下来是录像选项卡，你可以选择仅在触发时录像、仅在触发时录像并不通知、持续录像、持续录像加触发录像、持续录像加警报录像中的一个选项。在这里，我推荐使用“持续录像加警报录像”的选项，这样在触发时才会切换到高分辨率录像。我使用了2秒的缓冲时间，因为计算机视觉分析图像需要1.5秒，而分析一次可能需要0.5秒。我选择了“合并录像”，这样可以更容易导出片段，并将时间设置为1小时或10 GB。最后就是警报选项，你可以选择哪些运动事件触发哪些操作，并可以选择特定的AI检测对象，例如仅记录人和车辆，但在人的情况下跳过警报等。

😃 使用人脸识别

具备人脸识别功能的前门摄像头上添加人脸识别功能，首先前往AI设置页面，确保勾选了人脸识别，但不要点击人脸按钮。然后进入存储选项卡，点击Aux 1，给它命名（例如：doorbell faces），设置其大小为1GB，设置14天后删除。然后返回到摄像头，进入触发选项卡，点击AI，勾选保存未知人脸到门铃人脸文件夹。接下来，你只需在摄像头前走动几次，以不同角度快速采集多个面部图像。最好选择一些从未注册的面部图像，这样AI将会分析更多的图像。所有未知的人脸都被添加到门铃人脸文件夹中。接下来，转到code project AI的Web界面，点击AI浏览器，选择面部，输入你的姓名并在注册面部下选择文件夹中的所有文件，并进行面部注册。返回到Blue Iris，点击其中一个片段，右键点击并选择测试和调整，然后选择使用AI进行分析，检查其是否成功识别你。如果成功，你可以返回到摄像头的AI设置中，将你的姓名添加到确认列表中。现在，当你走到摄像头前时，你将得到一个提示，说明是Rob在门口，而不仅仅是一个未知人。你还可以使用新的警报搜索功能来搜索已注册的姓名，它只会显示相应的片段。如果有新的人来到你的门口，他们会被添加到未知人脸文件夹中，然后只需通过Web界面将其面部添加到AI程序中。这样，当他们再次出现在你的门口时，你就能够得到通知。人脸识别的效果会受到摄像头的限制，例如Zoom方式的摄像头（如视频门铃）效果会更好，而全景摄像头就不会如此清晰，不能从几英尺之外精确识别人脸。

🚗 使用车牌识别

下面我们来讲解如何设置和使用车牌识别功能。在车牌识别方面，事实上比较困难，我不能保证这些设置能够解决所有问题，但应该足够接近。首先，我们需要在摄像头设置中进行设置。在触发选项卡中，点击AI，然后在确认窗口中添加两个对象：day plate和night plate（用逗号隔开，无空格）。将这些对象复制并粘贴到自定义模型的“标记为车辆”字段中，如果你要使用车牌读取功能，还需要勾选“仅用于确认的车辆警报”。我将摄像头设置为每秒20帧，并且希望AI在有车辆标记的情况下仔细检查每一帧。这意味着，如果要使用1.5秒的总分析时长，每50毫秒进行一次分析，共分析30帧图像。这些是我最初的设置，它们基本上起作用了，但我会得到很多错误读取的车牌，甚至有时会检测到车辆，但没有尝试实际读取车牌。为了解决这个问题，我强烈建议取消勾选“隐藏取消的警报”选项，这样，如果有车辆经过但没有读取到车牌，你可以返回到Blue Iris的状态窗口，点击AI，然后打开警报详细信息以查看详情。你可以看到，根据我们的设置，它只在将事件标记为车辆（即在白天或黑夜标记中识别到了车牌）且置信度很高后才执行车牌识别。正是在这一点上，我开始遇到问题。白天时，我的白天车牌的置信度超过90%，但晚上只有60%到80%，因此在晚上根本无法获取到车牌的识别结果，如果将置信度设得太高，则白天有很多读取错误的情况。因此，解决方案是在Blue Iris中创建两个不同的配置文件。首先是白天配置，我们可以在确认窗口中删除night plate，并将置信度设为较高，我选择了92%。然后回到触发窗口，选择Profile 2，我们将降低触发的最小对象大小，并增加检测区域的大小。然后在人工智能中选择night plate，将置信度降低到70%。现在，需要配置Blue Iris在日出和日落时切换配置文件。输入你的位置信息，获取经纬度，并将其粘贴到Blue Iris中，然后在摄像头设置中的日程表选项卡中为每天的日出和日落绘制配置，点击与日出相关的图标，并勾选相对于日出的选框，然后添加选择预设1。同样，为日落时间也进行相同的操作，点击与日落相关的图标，并勾选相对于日落的选框，然后添加选择预设2。最后一步是解决白天和晚上焦点问题，由于我的摄像头可以使用Web命令调整几乎所有设置，因此我们首先使用Web界面获取到摄像头的焦点和变焦设置，然后手动设置焦点。在Blue Iris中，打开PTZ控制，选择自定义HTTP，编辑预设1，并粘贴白天的焦点和变焦命令，然后将预设2设置为晚上的焦点和变焦设置。在此过程中，我还添加了用于切换到白天配置和晚上配置的自定义命令，你也可以在排程选项卡中，为日出和日落添加事件项，使用自定义命令切换红外LED的开关。

需要注意的是，在使用车牌识别时，你需要为任何不想进行车牌识别的摄像头添加模型"alpr:0"。虽然保持模型开启不会有任何问题，但它会消耗掉GPU的计算周期，可能会降低整体的对象识别速度。完成这些设置后，下一个显而易见的问题是，你将如何处理所有这些车牌号码。一种选择是在警报窗口搜索特定的车牌号码，这样会显示该车辆经过的每一个事件。另一种选择是将这些信息传递给家庭自动化平台，如Home Assistant，使用MQTT。为此，你需要在Blue Iris设置中的数字和物联网(IoT)部分设置好你的MQTT服务器。如果你不知道什么是MQTT服务器，我强烈推荐查看有关Home Assistant和Node-RED的视频教程。一旦你设置好MQTT服务器，只需输入你的凭据，点击测试，然后确定。然后在特定的车牌识别摄像头的触发选项卡中，点击立即操作，选择添加Web请求或MQTT，并将下拉菜单切换为MQTT主题，可以自定义主题名称（如：plates）。在有效载荷中，使用一些Json代码提取警报的重要部分，包括车牌、日期和时间。或者，如果你只想发送车牌号码，只需键入"plate"即可。

📚 保存和分享识别结果

你可以通过导航到Blue Iris的警报窗口，右键点击特定的警报，选择测试并调整，然后选择使用AI进行分析来查看AI识别的结果。你可以查看ipcam-combined模型在识别我是人并且置信度为77%时所用的时间，这超过了我们的阈值，因为它是一个正面识别。你还可以看到500毫秒后连续的AI分析自动被取消了。你还可以看到之前的一个触发前半秒被跳过，因为在初始的AI设置中我没有选择Leading Edge运动。在这个窗口中，你还可以看到它没有检测到任何车牌，并且检测到的人脸是未知的。如果你没有启用车牌识别或人脸识别，你不会看到这两个结果。如果一切正常，你可以编辑此摄像头的名称以反映其实际用途，然后使用克隆摄像头选项添加其他摄像头，所有设置将完全相同。这对于一般用途非常方便。

✅ 其他注意事项

到目前为止，视频演示了Blue Iris和Code project AI的安装、摄像头的添加和AI的设置，以实现独特的功能，如人脸识别和车牌识别。但还有一些其他注意事项：

• 请确保符合当地法律要求，了解是否允许使用该功能，有些地方对于车牌识别、人脸识别等进行了限制。请自行调查当地法律规定，以决定是否可以使用这些功能。
• 运动侦测和AI识别的效果会受到摄像头的限制，建议选择合适的摄像头以获取最佳效果。
• 本视频中使用的设置适用于2023年4月的版本，未来可能会有一些变化。请确保密切关注官方更新并及时了解最新的设置和配置。
• 本视频中涉及的设置和功能较多，请根据自己的需求和实际情况进行调整和变更。

🎉 结论

在本视频中，我们通过Blue Iris和Code project AI的安装和配置，以及设置不同品牌的摄像头和AI识别功能，实现了免费本地的AI计算机视觉功能。人脸识别和车牌识别是其中的两个重点，通过合理的调整和配置，我们可以准确地识别特定的人脸和车牌，并记录警报和识别结果。但需要注意的是，这些功能的使用应遵循当地法律法规，且需要根据实际需要进行配置和调整。

希望本视频对你理解Blue Iris和Code project AI的安装和设置，以及摄像头的添加和AI识别功能有所帮助。如果你喜欢这个视频，请给我们点赞并订阅。感谢观看！

【资源】

• Blue Iris
• Code project AI