先确定要解决的事件，而不是先选模型
摄像头 AI 视频分析项目最容易走偏的地方，是一开始就讨论 YOLO、显卡或大模型，却没有说明业务最终需要什么结果。人员出现、区域人数、长时间停留、车辆跨线和画面模糊是不同问题，所需的图像频率、连续性、证据和告警规则也不同。
更可靠的顺序是先列出事件：在哪一路视频、关注人员还是车辆、是否限定区域、持续多久才触发、跨线是否区分方向、需要保存什么证据、结果由谁处理。模型只是其中的目标检测环节，不等于完整的业务事件。
一条分析链路包含哪些步骤
典型链路可以拆成六步：
- StreamGate 持续负责摄像头接入、预览、录像和分发。
- 根据分析任务在主媒体链路之外抽取图像，避免分析耗时阻塞实时播放。
- 无模型巡检检查亮度、对比度、模糊、疑似冻结和持续位移。
- ONNX 视觉模型识别人员或车辆，并输出位置和置信度。
- 时序规则把连续检测结果组合成区域出现、占用、停留或跨线事件。
- 事件、证据图片和处理状态回到 StreamGate，供筛选、告警和导出。
如果只保留第 4 步，就只能得到一帧中检测到几个目标，无法可靠回答“是否停留超过规定时间”或“车辆从哪个方向越过警戒线”。
本机节点还是远程节点
分析通道少、主机有余量时，可以把 Analysis Node 安装在 StreamGate 所在电脑。安装简单，图像不需要经过局域网传输，但要给实时媒体链路留出稳定的 CPU、内存和显存余量。
通道增加、需要独立 GPU，或希望把分析负载与录像服务隔离时，可使用远程节点。StreamGate 仍统一保存任务和结果，节点只负责接收抽样图像并执行处理。多台节点用于分散计算压力，不应该让操作人员分别登录每台机器查看结果。
证据和结果应当怎样保留
业务系统通常不只需要一条“检测到人员”的文本。实际处置需要知道发生时间、通道、规则、目标数量、区域或跨线指标、处理节点和模型，并能查看触发时的证据图片。大量结果还需要按条件导出，便于复盘或交付验收。
证据图片不宜对每次正常检测都保存。更合适的方式是在异常或规则触发时保存受限尺寸的图片，并由统一的保留周期清理。这样既能解释告警，又不会把智能分析变成另一套持续录像。
项目验收至少检查什么
验收时要覆盖正常、触发和恢复三个阶段。除检测准确率外，还应检查快速目标是否会漏过、同一目标是否反复计数、跨线方向是否正确、停留计时是否连续、节点断开后任务状态是否明确、证据能否查看，以及实时预览和录像是否仍然稳定。
模型评测、运行速度和现场光照都会影响结果，因此正式部署前仍需使用目标摄像头、真实角度和典型时段完成验证，而不是只看模型在公开数据集上的指标。