基于 openEuler 与昇腾 Atlas 的 EdgeCam A2 边缘智能视频平台开发案例

项目背景

项目面向隔离局域网内的多摄像机管理与边缘分析需求，在 Huawei Atlas 200I A2（Ascend 310B4）上构建统一的视频接入、浏览器实况、AI 推理、告警证据、录像回放、用户审计和协议接入平台。系统运行在 openEuler 环境，目标是在边缘设备上完成摄像机、算法、协议和运维功能的集中管理，并形成可回滚、可验证的部署流程。

适用场景

适用于园区、仓储、工厂、能源设施和设备机房中的局域网视频管理、边缘 AI 分析、国产化平台适配和上级视频平台接入项目。新项目仍需根据摄像机数量、码流规格、算法类型、存储周期、网络条件和第三方平台要求重新评估资源配置。

项目需求

• 在 Atlas 200I A2 上接入并管理多路网络摄像机，支持浏览器 9 宫格与 16 宫格监看。
• 运行昇腾 OM 模型，管理 AI 模型、ROI 规则、阈值、调度时间、冷却时间和告警证据。
• 实现 GB/T 28181 与 GA/T 1400 本地上级平台联调，展示注册、目录、媒体和协议状态。
• 提供录像策略、录像索引、时间线检索、HLS VOD 回放以及用户、角色、审计和系统诊断能力。
• 建立 ARM64 构建、Atlas 部署、备份、健康检查、失败回滚和真机验收流程。

技术方案

系统采用前后端分离与边缘服务组合架构。React 管理界面负责多路实况、摄像机、AI、告警、回放、协议和系统配置；Go 控制服务负责认证授权、SQLite 数据、HLS 实况、AI 调度、录像索引、审计和协议网关；FireLite 服务负责 Ascend 310B4 上的 OM 模型加载与推理。

• 8 路 HEVC 子码流通过 FFmpeg/libx264 软件转码为 H.264 HLS，当前输出为 640×360、10 fps、约 350 kbit/s。
• FireLite 使用 ascend_acl 后端加载火焰/烟雾分类模型，支持模型预热、批量推理、原子切换和回滚。
• AI 规则支持矩形 ROI、分类阈值、确认次数、周计划、冷却时间、真机测试、审计和告警证据关联。
• GB/T 28181 网关覆盖注册、Digest、心跳、设备信息、目录、INVITE、PS over RTP、BYE 和 RecordInfo。
• GA/T 1400 网关覆盖基础认证、系统注册、心跳和 8 路资源目录；结构化人员、车辆等对象仍属于后续工作。
• 录像模块提供连续录像策略、60 秒分片、索引、时间线检索、HLS VOD 和 HTTP Range 读取。

核心功能

• 8 路摄像机实况与 9/16 宫格切换，支持断流重连和状态联动。
• 摄像机、AI 模型、AI 规则、告警证据、用户角色、审计日志和系统诊断管理。
• 昇腾 NPU 模型运行状态、规则调度和多路推理验证。
• GB/T 28181 与 GA/T 1400 协议状态、资源目录和通信日志展示。
• 录像策略、录像索引、时间线检索、VOD 播放和分片范围请求。
• ARM64 构建、受控升级、备份、健康检查和自动回滚工具。

实施过程

项目按基础界面与控制服务、FireLite 模型运行、AI 规则闭环、摄像机实况、协议接入、录像回放和受控升级分阶段推进。每个阶段均保留版本制品与验收记录，先在本地完成静态检查和自动测试，再部署到 Atlas 执行真实码流、NPU、协议和录像验证。发现部署健康检查、上级平台重新注册和监控状态刷新竞态后，均保留原始证据并修正工具或判定规则。

测试验证

• 8/8 路 HLS 播放列表及最新 MPEG-TS 分片拉取通过，8 路并发启动墙钟时间约 3.21 秒。
• FireLite 使用 ascend_acl 后端；8 路批量推理墙钟时间约 5.26 秒，单次 NPU 推理约 1.2～2.7 ms。
• GB/T 28181 本地闭环完成注册、目录、RTP/PS 与 RecordInfo；最终 RecordInfo 返回 39 条录像记录。
• GA/T 1400 本地闭环完成注册、心跳和 8 路资源目录验证。
• 单路连续录像完成 30 分钟工程验收：32 个 60 秒分片、108,644,636 字节，有效失败为 0；VOD、实际播放和 HTTP Range 206 通过。
• ESLint、24 项 Vitest、Vite 构建、Go test、Go vet 和 Python 编译检查通过。

交付成果

• React 管理界面、Go 控制服务和 FireLite 昇腾推理服务源码。
• Linux ARM64 API 可执行文件、前端发布包和本地上级平台联调工具。
• systemd、Nginx、环境变量示例、数据库迁移和 Atlas 部署配置。
• 摄像机实况、AI 规则、协议网关、录像试验、长稳采样和受控升级脚本。
• 版本清单、哈希、备份路径、回滚点、原始测试数据与阶段验收记录。

项目价值

项目完成了 openEuler、昇腾 Atlas、多路视频、AI 推理、录像和行业协议在同一边缘设备上的集成验证，形成了从需求拆解、界面与服务开发、ARM64 构建、Atlas 部署到真机回归的实施方法。该成果可作为同类国产化边缘视频项目的受控试用基础，后续仍需结合正式存储、安全策略、算法样本和第三方平台完成商业化验收。

可复用经验

边缘视频项目应先固定摄像机码流、并发路数、算法输入、存储口径和协议上级，再分层验证浏览器播放、NPU 推理、录像连续性和协议闭环。涉及真机状态时，应保存原始样本并区分真实故障、启动预热和状态刷新竞态；部署前应同时准备数据库、程序、配置、systemd 和 UI 的一致性备份与回滚点。

项目边界

当前成果定位为 Atlas 局域网受控试用版，不是完整商业 VMS 发布版。现阶段视频转码使用 FFmpeg/libx264 软件链路，不表述为 DVPP 硬件解码；FireLite 仍依赖特定登录环境启动；24～72 小时新版稳定性、4/8 路并发录像、磁盘高低水位保护、HTTPS、强口令、断电恢复、算法正样本精度和第三方协议符合性尚未完成。录像服务在试验结束后已关闭，以避免在没有容量保护时写满根分区。

相关服务

• 人工智能开发
• 软件开发
• 芯片方案开发

常见问题

该平台是否已经达到商业 VMS 正式发布条件？

当前为 Atlas 局域网受控试用版。正式发布前仍需完成长稳、多路录像、容量保护、HTTPS、强口令、断电恢复和第三方协议平台符合性测试。

当前视频链路是否使用 Atlas 硬件解码？

当前 8 路 HEVC 子码流通过 FFmpeg/libx264 软件转码为 H.264 HLS，尚未完成 DVPP 硬件解码链路。

AI 模型是否已经完成火焰和烟雾精度验收？

当前已验证 OM 模型在 Ascend 310B4 上运行、规则调度和多路推理链路；正样本、受控现场、召回率、误报率和漏报率仍需补充验收。

能否扩展到更多摄像机和更长录像周期？

可以在重新评估算力、转码方式、网络带宽、磁盘配额、保留天数和外部存储后扩展。现有 8 路实况与单路录像结果不能直接外推为 16 路或长期录像结论。