產品文件

# 設定與驗證影像分析

## 選擇影像在哪裡分析

在 Watch 設定中查看這個版本可用的選項。需要影像留在監控電腦時，選擇本機分析；若組織提供遠端分析服務，請確認其可接收現場影像，再填入管理員提供的連線資料。

## 調整分析頻率與影像細節

1.  在「設定 → 攝影機 AI 引擎」記下目前的影像細節與分析間隔。先只調整一個選項。
2.  影像細節可選標準或高；分析間隔位於「分析頻率與 AI 模型服務連線」。間隔越短，要求的分析次數越多。
3.  回到同一支攝影機，用相同場景測試。核對新結果的時間、內容和更新頻率。若結果變慢或不穩定，改回剛才記下的設定。

有畫面但沒有分析時，先查看 [疑難排解](https://watch.tensordynamics.org/docs/faq?lang=zh)。下方的硬體盤點與短測功能需要先連接 [本機助手](https://watch.tensordynamics.org/docs/setup-assistant?lang=zh)；一般網頁聊天可提供操作指引。

[設定本機分析](https://watch.tensordynamics.org/docs/engine-local?lang=zh) · [連接核准的服務](https://watch.tensordynamics.org/docs/engine-remote?lang=zh)

## 測試分析結果

連接一支攝影機並啟用監控，設定一個明確任務，例如「描述是否有人進入門口」。請同事走過，查看該攝影機日誌出現新時間與相符描述。若已有即時畫面但沒有結果，檢查任務、監控狀態和分析設定，再執行同一個測試。

[調整攝影機任務](https://watch.tensordynamics.org/docs/missions?lang=zh)

## 檢查硬體與監控需求

安裝並連接本機助手後，可請它檢查作業系統版本、處理器、記憶體、可用磁碟空間，以及 GPU 和顯示記憶體。讀不到的規格會標為未知。可用的加速器是否由 Watch 使用，須另外確認。Apple 統一記憶體由系統與 GPU 共用，計算容量時只計入一次。

記錄攝影機數量、解析度、影格率（FPS）、分析間隔和所需回應時間。例如 8 支攝影機每 5 秒分析一次，平均需要每秒完成 1.6 次分析。影像播放的 FPS 與分析頻率分開計算。

## 理解 TOPS 與容量估算

```
Theoretical TOPS = 2 × MAC units × clock GHz ÷ 1000
```

這個公式將一次乘加視為兩次運算。計算時需要 MAC 單元數、時脈與運算精度；CPU／GPU 核心數不能直接代入。比較廠商數字時，也要確認精度和稠密／稀疏條件一致。TOPS 是理論峰值，實際路數還受記憶體、頻寬、解碼、散熱、網路和現場任務影響。 [TOPS 定義與公式](https://www.qualcomm.com/news/onq/2024/04/a-guide-to-ai-tops-and-npu-performance-metrics) · [運算精度與稀疏條件](https://developer.nvidia.com/blog/accelerating-inference-with-sparsity-using-ampere-and-tensorrt)

## 量測各支攝影機的效能

在 Watch 啟動要測試的攝影機，請助手觀察 30–45 秒。檢查分析完成頻率、處理時間的中位數（P50）與第 95 百分位（P95）、最新結果距拍攝時間的間隔、等待與被略過的樣本，以及 CPU 和記憶體用量。API 往返時間、分析處理時間、拍攝到通知的延遲須分別量測。助手只觀察現有負載，不會啟動更多攝影機或加入測試負載。

```
Provisional cameras = floor(measured completed analyses/sec × analysis interval/sec × (1 − reserve))
```

助手預設保留 25% 餘裕，建議數量不會超過已測試的攝影機數。估算只適用於相同解析度、FPS、任務和分析間隔。若資料不足或過舊、計數重設、等待持續累積，或有攝影機停止更新，需先排除問題。短測結果可作為試用上限；長時間容量仍須持續測試。

## 逐步增加負載並驗收

建議依 1、2、4、8 路逐步增加到需求數，每階段先做短測，再以代表性場景持續 5–10 分鐘觀察。交付前，測試還應涵蓋現場的典型工作週期，檢查斷線重連、錯誤、記憶體增長、過熱降速與通知實際送達。保存電腦規格、Watch 版本、攝影機設定、量測時間與第一個失敗項目，方便遠端支援。偵測準確度與拍攝到通知的延遲需另行測試。

[

下一節

本機分析設定

](https://watch.tensordynamics.org/docs/engine-local?lang=zh)

---
Source: https://watch.tensordynamics.org/docs/inference?lang=zh
More Watch guides: https://watch.tensordynamics.org/llms.txt