UGREEN Überwachung mit lokaler KI: Personen, Fahrzeuge und Haustiere erkennen

Das UGREEN NASync DXP2800 GT kann mit der UGOS-Anwendung „Überwachung“ als zentrale Überwachungsstation für unterschiedliche IP-Kameras eingesetzt werden. Neben Livebild, Mehrfachansicht und Videoaufzeichnung bietet das NAS eine lokale KI-Auswertung, die Personen, Fahrzeuge und Haustiere erkennen kann – selbst wenn die angeschlossenen Kameras solche Funktionen nicht selbst besitzen.

Das erwartet Sie in diesem Beitrag

ansehen/verstecken

• Die Überwachungs-App allein reicht für die lokale KI nicht aus
• UGREEN Model Manager installieren
• Die KI läuft auf dem NAS und nicht auf der Kamera
• ONVIF ist für die KI nicht zwingend erforderlich
• Personen werden tatsächlich erkannt
• UGOS unterscheidet Personen und Fahrzeuge
• Der DHL-Fahrer als unfreiwilliger Testhelfer
• Haustiere lassen sich ebenfalls unterscheiden
• Was bedeutet das Limit von drei lokalen KI-Aufgaben?
• Die KI-Aufgaben sinnvoll auf Kameras verteilen
• Personenerkennung und Gesichtserkennung sind nicht dasselbe
• Spezielle Modelle benötigen zusätzliche KI-Ressourcen
• Gesichtserkennung in Deutschland nicht verfügbar
• „Nur Ereignisse“ spart erheblich Speicherplatz
• Aufbewahrungsdauer und Speicherkontingent festlegen
• Ein möglicher Schwachpunkt: Der Aufnahmevorlauf
• Mehrere Ereignisse sind nicht automatisch Fehlalarme
• Mehrfachansicht und KI-Aufzeichnung ergänzen sich
• Ersetzt das UGREEN-NAS einen klassischen NVR?
• Vorteile der lokalen Verarbeitung
• Grenzen der lokalen KI auf dem DXP2800 GT
• Empfohlene Reihenfolge bei der Einrichtung
• Mein Zwischenfazit zur lokalen KI-Erkennung
• Bildquellen:

Nachdem ich mehrere unterschiedliche IP-Kameras in UGREEN Überwachung eingebunden hatte, war die wichtigste Grundfunktion vorhanden: UGOS zeigte die Livebilder an, konnte mehrere Kameras gleichzeitig darstellen und Aufzeichnungen auf dem NAS speichern.

Damit war das UGREEN NASync DXP2800 GT bereits als klassische Surveillance-Station verwendbar. Besonders interessant wurde die Anwendung jedoch durch die lokale KI-Erkennung.

UGOS kann Videostreams direkt auf dem NAS analysieren und dabei unter anderem zwischen Personen, Fahrzeugen und Haustieren unterscheiden. Die Kamera muss diese Funktionen nicht selbst besitzen. Dadurch lassen sich sogar ältere oder preiswerte Modelle um eine intelligente Ereigniserkennung erweitern.

Die Einrichtung ist allerdings nicht vollkommen selbsterklärend. Die Überwachungs-App allein genügt nicht. Es wird ein weiterer wichtiger Baustein benötigt, und einige Bezeichnungen von UGREEN können zunächst missverstanden werden.

Die Überwachungs-App allein reicht für die lokale KI nicht aus

Wer die UGOS-Anwendung „Überwachung“ installiert und dort seine Kameras eingerichtet hat, könnte annehmen, damit sei bereits alles für die lokale Ereigniserkennung vorbereitet.

In den Kameraeinstellungen erscheinen schließlich Optionen für Funktionen wie:

• Personenerkennung,
• Fahrzeugerkennung,
• Haustiererkennung,
• Gesichtserkennung.

Bei meinen ersten Versuchen funktionierte die ereignisgesteuerte Aufzeichnung dennoch nicht zuverlässig. Zeitweise erschien sogar eine chinesische Fehlermeldung, die sinngemäß darauf hinwies, dass das benötigte KI-Backend nicht verfügbar sei.

Die Ursache lag nicht an der Kamera und auch nicht an ihrem Videostream.

Für die lokale KI-Auswertung benötigt UGOS zusätzlich den UGREEN Model Manager.

UGREEN Model Manager installieren

Der Model Manager wird als eigenständiges Dienstprogramm über das App Center von UGOS installiert.

Er verwaltet die KI-Modelle, die anschließend von unterschiedlichen Anwendungen auf dem NAS verwendet werden können. Dazu gehören abhängig vom jeweiligen NAS-Modell und der Region unter anderem:

• allgemeine Objekterkennung,
• Personenerkennung,
• Gesichtserkennung,
• Haustiererkennung,
• Texterkennung,
• Bilderkennung,
• Erkennung ähnlicher Bilder,
• Erkennung doppelter Fotos.

Für die Videoüberwachung ist vor allem das Modell für die allgemeine Erkennung interessant. Es kann mehrere relevante Objektklassen unterscheiden, darunter Personen, Fahrzeuge und Haustiere.

Nach der Installation des Model Managers fordert UGREEN Überwachung bei Bedarf das passende Modell an. Dieses muss heruntergeladen und aktiviert werden.

Erst nachdem dieser zusätzliche Baustein vollständig eingerichtet war, funktionierte bei mir die ereignisbasierte KI-Aufzeichnung zuverlässig.

Das ist eine wichtige Erkenntnis für die Fehlersuche:

Wenn bei der Einstellung „Nur Ereignisse“ keine Aufnahmen entstehen, muss das nicht an der Kamera liegen. Möglicherweise fehlen lediglich der Model Manager oder das benötigte KI-Modell.

Die KI läuft auf dem NAS und nicht auf der Kamera

Das ist für mich einer der größten Vorteile der UGREEN-Lösung.

Mein Kamerabestand besteht nicht aus acht identischen Geräten eines einzigen Herstellers. Er ist vielmehr über Jahre gewachsen und umfasst Kameras von FOSCAM, 7Links, ANNKE und verschiedenen chinesischen OEM-Anbietern.

Einige dieser Kameras verfügen über eigene Bewegungs- oder Objekterkennungsfunktionen. Andere liefern lediglich einen Videostream und besitzen praktisch keine lokal nutzbare Intelligenz.

Für die KI-Auswertung durch UGOS ist offenbar in erster Linie entscheidend, dass das NAS einen verwertbaren Videostream erhält.

Die Kamera muss nicht selbst erkennen, ob eine Person, ein Fahrzeug oder ein Haustier im Bild erscheint. Stattdessen analysiert das DXP2800 GT den Videostream lokal.

Der grundlegende Ablauf sieht damit folgendermaßen aus:

IP-Kamera
    │
    │ ONVIF oder RTSP
    ▼
UGREEN Überwachung
    │
    │ lokales KI-Modell
    ▼
Person, Fahrzeug oder Haustier erkannt
    │
    ▼
Ereignis und Videoaufnahme speichern

Das eröffnet die Möglichkeit, ältere und einfache Kameras weiterzuverwenden und trotzdem eine moderne Ereigniserkennung zu erhalten.

ONVIF ist für die KI nicht zwingend erforderlich

Einige Kameras ließen sich in meinem System problemlos per ONVIF integrieren. Bei anderen nahm UGOS die ONVIF-Zugangsdaten zunächst an, meldete beim abschließenden Speichern aber immer wieder einen internen Serverfehler.

Mehrere dieser Kameras konnten trotzdem über ihre direkten RTSP-Videostreams eingebunden werden.

Für die lokale KI-Auswertung macht es offenbar keinen grundsätzlichen Unterschied, ob der Videostream über eine vollständig funktionierende ONVIF-Einrichtung oder als manuell eingetragene RTSP-Adresse in UGOS gelangt.

Entscheidend ist, dass UGOS das Video decodieren und analysieren kann.

Damit können auch Kameras von der lokalen Erkennung profitieren, deren ONVIF-Implementierung nicht vollständig mit UGOS harmoniert.

Personen werden tatsächlich erkannt

Natürlich wollte ich wissen, ob die KI-Erkennung nur auf dem Papier gut klingt oder im praktischen Betrieb tatsächlich funktioniert.

Ich stellte deshalb eine Kamera auf ereignisbasierte Aufzeichnung um und ging selbst vor die Kamera.

Kurze Zeit später erschien die Aufnahme im Ereignisarchiv. Sie war mit einem grünen Personensymbol gekennzeichnet.

UGOS hatte also nicht nur irgendeine Bewegung registriert, sondern mich korrekt als Person eingeordnet und das dazugehörige Ereignis gespeichert.

Das ist ein erheblicher Unterschied zu einer einfachen Bewegungserkennung. Diese reagiert unter Umständen auch auf:

• schwankende Äste,
• wechselnde Lichtverhältnisse,
• Schatten,
• Regen oder Schnee,
• Insekten unmittelbar vor der Kamera,
• Reflexionen,
• Veränderungen der Infrarotbeleuchtung.

Eine Objekterkennung versucht dagegen zu bestimmen, welche Art von Objekt die Bewegung ausgelöst hat.

UGOS unterscheidet Personen und Fahrzeuge

Noch interessanter wurde der Test bei einer Außenkamera, die einen Zufahrtsbereich erfasst.

Dort unterschied UGOS unter anderem zwischen folgenden Ereignissen:

• „Person erkannt – Objekt betritt das Bild“
• „Fahrzeug erkannt – Objekt betritt das Bild“

Die erkannten Vorgänge erscheinen mit Uhrzeit, Vorschaubild und Ereignistyp in einer chronologischen Übersicht.

Über Filter lassen sich bestimmte Ereignisarten gezielt auswählen. Dadurch kann ich beispielsweise ausschließlich Personenereignisse anzeigen und muss nicht sämtliche Fahrzeugbewegungen durchsehen.

Aus der zunächst eher unscheinbar wirkenden Überwachungsanwendung wird damit ein brauchbares lokales Videoüberwachungssystem.

Der DHL-Fahrer als unfreiwilliger Testhelfer

Einen besonders anschaulichen Praxistest lieferte ein DHL-Fahrer, ohne etwas davon zu wissen.

Der Lieferwagen fuhr in den von einer Kamera erfassten Bereich. Anschließend stieg der Fahrer aus, erledigte seine Arbeit und fuhr danach wieder davon.

UGOS erzeugte daraus nicht einfach eine pauschale Meldung mit dem Inhalt „Bewegung erkannt“. Stattdessen wurden drei nachvollziehbare Ereignisse protokolliert:

1. Fahrzeug erkannt,
2. Person erkannt,
3. Fahrzeug erkannt.

Das ist meiner Ansicht nach vernünftig gelöst.

Die KI versucht nicht, den vollständigen Vorgang als „Paketlieferung“ zu interpretieren. Sie protokolliert stattdessen die jeweils neu im Bild auftretenden relevanten Objektklassen.

Dadurch lässt sich später gezielt nach Personen suchen, ohne jede Fahrzeugbewegung ansehen zu müssen.

Auch mehrere kurz aufeinanderfolgende Meldungen erwiesen sich bei genauer Betrachtung nicht als sinnlose Doppelmeldungen. In diesen Fällen waren tatsächlich neue Personen oder Fahrzeuge in den überwachten Bereich gelangt.

Haustiere lassen sich ebenfalls unterscheiden

Die allgemeine Objekterkennung kann neben Personen und Fahrzeugen auch Haustiere berücksichtigen.

Das ist insbesondere bei Kameras in Gärten, Eingangsbereichen oder Wohnräumen interessant. Eine gewöhnliche Bewegungserkennung würde bei einem Tier ebenso auslösen wie bei einem Menschen.

Die lokale KI kann solche Ereignisse dagegen getrennt klassifizieren. Dadurch lässt sich eine Kamera beispielsweise so verwenden, dass Tierbewegungen zwar aufgezeichnet, bei der späteren Suche aber getrennt von Personenereignissen angezeigt werden.

Wie zuverlässig die Haustiererkennung unter unterschiedlichen Lichtverhältnissen, Entfernungen und Perspektiven arbeitet, muss sich im längeren Alltagseinsatz zeigen. Die grundsätzliche Unterscheidung wird vom allgemeinen Erkennungsmodell jedoch unterstützt.

Was bedeutet das Limit von drei lokalen KI-Aufgaben?

Beim DXP2800 GT weist UGREEN darauf hin, dass gleichzeitig bis zu drei lokale KI-Erkennungsaufgaben unterstützt werden.

Diese Formulierung kann zunächst missverstanden werden.

Sie bedeutet nicht, dass das NAS insgesamt nur drei Ereignisse gleichzeitig erkennen kann. Es sind damit auch nicht zwingend nur drei unterschiedliche Objektarten gemeint.

UGREEN beschreibt eine Aufgabe sinngemäß als die Zuordnung eines Erkennungsmodells zu einer Kamera beziehungsweise einem Objektiv.

Eine allgemeine Erkennungsaufgabe kann dabei mehrere Objektklassen gleichzeitig unterscheiden.

Bei mir liefen beispielsweise gleichzeitig:

• eine Kamera mit Personen- und Fahrzeugerkennung,
• eine Kamera mit Personenerkennung,
• eine Kamera mit Personen- und Haustiererkennung.

Damit waren die drei verfügbaren Aufgaben belegt.

Beim Versuch, die lokale KI für eine vierte Kamera zu aktivieren, zeigte UGOS ausdrücklich folgende Meldung:

„Aktivierung fehlgeschlagen. Das Limit für lokale KI-Erkennungsaufgaben wurde erreicht.“

Entscheidend ist:

Personen- und Fahrzeugerkennung auf derselben Kamera verbrauchten im Rahmen der allgemeinen Objekterkennung offenbar nicht zwei Aufgaben.

Eine Kamera mit allgemeiner Objekterkennung belegt eine Aufgabe, kann innerhalb dieser Aufgabe aber mehrere Objektarten berücksichtigen.

Das ist wesentlich großzügiger, als ich die ursprüngliche Formulierung verstanden hatte.

Die KI-Aufgaben sinnvoll auf Kameras verteilen

Da beim DXP2800 GT nicht unbegrenzt viele Kameras gleichzeitig lokal analysiert werden können, sollte man die verfügbaren Aufgaben gezielt einsetzen.

Nicht jede Kamera benötigt dieselbe Erkennung.

Eine mögliche Verteilung wäre beispielsweise:

Kamera	Überwachter Bereich	Sinnvolle Erkennung
Einfahrt	Zufahrt und Parkplatz	Personen und Fahrzeuge
Hauseingang	Tür und Zugangsweg	Personen
Garten	Terrasse oder Rasenfläche	Personen und Haustiere

Eine Kamera, die nur ein unkritisches Stimmungsbild liefert, muss nicht zwangsläufig eine der begrenzten KI-Aufgaben belegen.

Auch Kameras, die bereits selbst eine zuverlässige lokale Erkennung besitzen, können möglicherweise ohne zusätzliche NAS-Analyse betrieben werden. Die knappen Ressourcen des DXP2800 GT stehen dann für ältere oder einfachere Kameras zur Verfügung.

Personenerkennung und Gesichtserkennung sind nicht dasselbe

Die deutschsprachigen Bezeichnungen von UGREEN können an dieser Stelle etwas verwirrend sein.

Für eine gewöhnliche Videoüberwachung genügt meistens die allgemeine Objekterkennung. Sie stellt fest, ob beispielsweise eine Person, ein Fahrzeug oder ein Haustier im Bild erscheint.

Dabei muss das System nicht wissen, um welche konkrete Person es sich handelt.

Darüber hinaus gibt es speziellere Modelle. UGREEN beschreibt bei weitergehenden Erkennungsfunktionen unter anderem die mögliche Auswertung von Identität, Alter oder auffälligem Verhalten.

Noch weiter geht die Gesichtserkennung. Dabei werden Gesichtsmerkmale verarbeitet, um eine Person wiederzuerkennen oder einer zuvor angelegten Identität zuzuordnen.

Die Begriffe lassen sich deshalb folgendermaßen unterscheiden:

• Allgemeine Personenerkennung: Im Bild befindet sich ein Mensch.
• Weitergehende Personenanalyse: Merkmale oder Verhalten einer Person werden ausgewertet.
• Gesichtserkennung: Ein Gesicht soll einer bestimmten Identität zugeordnet werden.

Für meinen Einsatzzweck genügt die erste Stufe vollkommen. Ich möchte erkennen, dass sich eine Person im überwachten Bereich befindet. Das System muss nicht feststellen, wer diese Person ist.

Spezielle Modelle benötigen zusätzliche KI-Ressourcen

Die spezielleren Erkennungsmodelle können weitere KI-Aufgaben beanspruchen.

Nach den Erläuterungen von UGREEN benötigt beispielsweise eine Kennzeichenerkennung eine zusätzliche Aufgabe. Die Gesichtserkennung kann sogar zwei weitere Aufgaben belegen.

Werden Personen- und Gesichtserkennung gemeinsam verwendet, können dadurch sämtliche drei verfügbaren KI-Aufgaben des DXP2800 GT belegt sein.

Das ist bei der Planung wichtig. Wer lediglich wissen möchte, ob eine Person oder ein Fahrzeug in einen Bereich gelangt, sollte nicht unnötig ein aufwendigeres Modell aktivieren.

Die allgemeine Erkennung ist für viele private und kleinere betriebliche Anwendungen vollkommen ausreichend und verwendet die begrenzten Ressourcen wesentlich effizienter.

Gesichtserkennung in Deutschland nicht verfügbar

Auf meinem in Deutschland betriebenen DXP2800 GT ließ sich die Gesichtserkennung nicht aktivieren.

UGREEN weist zunächst ausdrücklich auf die rechtlichen Besonderheiten dieser Funktion hin. Beim anschließenden Aktivierungsversuch erschien die Meldung:

„Die Funktion Gesichtserkennung ist in dieser Region nicht verfügbar.“

Das zugehörige Modell und einzelne Menüpunkte können im System sichtbar sein, obwohl die eigentliche Funktion regional gesperrt ist.

Für meinen Einsatzzweck ist das kein wirklicher Nachteil.

Mir genügt es, wenn UGOS zuverlässig erkennt, dass sich eine Person im überwachten Bereich befindet. Das System muss nicht bestimmen, ob es sich um ein Familienmitglied, einen Paketboten oder einen anderen Besucher handelt.

Unabhängig von der technischen Verfügbarkeit sollten bei biometrischen Erkennungsfunktionen ohnehin die jeweils geltenden datenschutzrechtlichen Vorgaben beachtet werden.

„Nur Ereignisse“ spart erheblich Speicherplatz

Bei meinen ersten Versuchen hatte ich eine Kamera zunächst auf Daueraufzeichnung gestellt.

Das funktioniert zuverlässig, erzeugt aber eine erhebliche Datenmenge. Bei einer Kamera entstanden innerhalb von zehn Minuten ungefähr 55 MB Videodaten.

Hochgerechnet entspricht das ungefähr:

• 330 MB pro Stunde,
• knapp 8 GB pro Tag,
• rund 240 GB pro Monat.

Bei mehreren Kameras wächst der Bedarf entsprechend. Acht Kameras mit vergleichbarer Datenrate könnten theoretisch fast zwei Terabyte Videodaten pro Monat erzeugen.

UGOS bietet deshalb neben der ganztägigen Aufzeichnung die Einstellung „Nur Ereignisse“.

Ist die KI-Infrastruktur vollständig eingerichtet, zeichnet das NAS nicht mehr permanent auf. Stattdessen entstehen Aufnahmen, wenn das ausgewählte Erkennungsmodell ein entsprechendes Ereignis feststellt.

Für meinen Einsatzzweck ist das wesentlich sinnvoller als eine ununterbrochene Aufzeichnung sämtlicher Kameras.

Aufbewahrungsdauer und Speicherkontingent festlegen

Zusätzlich zur Aufzeichnungsart können eine maximale Aufbewahrungsdauer und ein Speicherkontingent festgelegt werden.

Für meine ersten Versuche verwendete ich folgende Werte:

• Aufbewahrungsdauer: drei Tage
• Speicherkontingent: 100 GB
• Aufzeichnung: nur bei Ereignissen

Diese vorsichtigen Einstellungen verhindern, dass eine fehlerhaft konfigurierte Kamera oder eine unerwartet häufig auslösende Erkennung unbemerkt große Teile des NAS-Speichers belegt.

Nach einer längeren Beobachtungsphase können Aufbewahrungszeit und Kontingent an den tatsächlichen Bedarf angepasst werden.

Entscheidend ist, nicht nur theoretische Hochrechnungen zu betrachten. Der reale Speicherverbrauch hängt von mehreren Faktoren ab:

• Anzahl der Kameras,
• Auflösung,
• Bildrate,
• Videocodec,
• Bitrate,
• Anzahl erkannter Ereignisse,
• Dauer der einzelnen Aufnahmen,
• Bewegung im Bild,
• Tag- und Nachtbetrieb.

Der tatsächliche Verbrauch sollte deshalb nach einigen Tagen im Alltag überprüft werden.

Ein möglicher Schwachpunkt: Der Aufnahmevorlauf

Bei der ereignisbasierten Aufnahme fiel mir ein möglicher Nachteil auf.

Professionelle Überwachungssysteme arbeiten häufig mit einem sogenannten Pre-Event-Puffer. Dabei hält das System ständig einen kurzen Abschnitt des Videostreams im Arbeitsspeicher bereit.

Wird ein Ereignis erkannt, beginnt die gespeicherte Aufnahme dann nicht erst in diesem Augenblick. Sie enthält zusätzlich beispielsweise die fünf oder zehn Sekunden unmittelbar vor der Erkennung.

Dadurch sieht man später nicht nur, dass plötzlich eine Person vor der Kamera steht, sondern auch, wie sie in den überwachten Bereich gelangt ist.

Bei meinen bisherigen UGOS-Aufnahmen war kein nennenswerter Aufnahmevorlauf zu erkennen. Die Aufzeichnung schien erst zu beginnen, nachdem die KI das Objekt bereits erkannt hatte.

Nach meiner Beobachtung konnte der Start ungefähr eine Sekunde hinter dem tatsächlichen Eintritt ins Bild liegen.

Bei einem langsam einfahrenden Lieferwagen spielt das kaum eine Rolle. Bei einer Person, die sich schnell durch einen kleinen Bildbereich bewegt, können die ersten Sekunden dagegen wichtig sein.

Falls UGREEN künftig einen konfigurierbaren Vorlauf ergänzt, wäre das für die Ereignisaufzeichnung eine ausgesprochen sinnvolle Verbesserung.

Mehrere Ereignisse sind nicht automatisch Fehlalarme

Eine längere Ereignisliste kann zunächst so wirken, als würde UGOS denselben Vorgang mehrfach melden.

Bei meinen Kontrollen zeigte sich jedoch, dass unmittelbar aufeinanderfolgende Meldungen häufig unterschiedliche Vorgänge dokumentierten.

Ein Fahrzeug gelangte ins Bild, anschließend erschien eine Person und später bewegte sich das Fahrzeug erneut durch den überwachten Bereich.

Jedes neu auftretende Objekt erzeugte ein eigenes Ereignis.

Ob eine Meldung wirklich doppelt oder unnötig ist, lässt sich daher erst beurteilen, wenn die zugehörigen Aufnahmen und Zeitpunkte verglichen wurden.

Die getrennte Klassifizierung kann sogar hilfreich sein, weil später gezielt nach einer bestimmten Objektart gesucht werden kann.

Mehrfachansicht und KI-Aufzeichnung ergänzen sich

UGOS Überwachung bietet nicht nur das Ereignisarchiv, sondern auch eine Mehrfachansicht für mehrere gleichzeitig sichtbare Kameras.

Damit erfüllt die Anwendung zwei unterschiedliche Aufgaben:

• Livebilder mehrerer Kameras gleichzeitig anzeigen,
• ausgewählte Videostreams lokal analysieren und Ereignisse aufzeichnen.

Für mich ist die Mehrfachansicht besonders wichtig. Ich möchte nicht erst nach einer Push-Meldung eine App öffnen und anschließend eine einzelne Kamera auswählen. Auf einem Monitor sollen mehrere relevante Bereiche gleichzeitig sichtbar sein.

Die KI-Auswertung ergänzt diese Liveansicht um eine gezielte und durchsuchbare Aufzeichnung.

Ersetzt das UGREEN-NAS einen klassischen NVR?

Zum Zeitpunkt meiner ersten Tests lautete die Antwort zunächst: nicht vollständig.

Mein alter FOSCAM-NVR hatte sich über Jahre als stabile Live-Zentrale bewährt. Seine besondere Stärke war die dauerhafte Mehrfachansicht auf einem eigenen Monitor.

Die Aufzeichnungsfunktionen des FOSCAM-NVR hatte ich dagegen kaum genutzt, weil ich seine Menüs wenig übersichtlich fand.

Daraus ergab sich zunächst eine sinnvolle Arbeitsteilung:

• Der FOSCAM-NVR blieb die klassische Live-Zentrale.
• Das UGREEN-NAS übernahm für ausgewählte Kameras die lokale KI-Auswertung und Ereignisaufzeichnung.

Beide Systeme konnten parallel auf die Videostreams der Kameras zugreifen.

Die späteren Versuche mit weiteren Fremdkameras und einer professioneller ausgestatteten ANNKE-Kamera zeigten jedoch auch die deutlichen Grenzen des alten FOSCAM-NVR. Deshalb ist inzwischen mittelfristig ein modernerer ANNKE-NVR als neue Live-Zentrale vorgesehen.

Die eigentliche Aufzeichnung soll trotzdem bevorzugt über UGOS auf dem NAS erfolgen.

Vorteile der lokalen Verarbeitung

Die lokale KI-Auswertung auf dem NAS besitzt mehrere Vorteile:

• Auch ältere Kameras ohne eigene KI können verwendet werden.
• Unterschiedliche Kameramarken lassen sich gemeinsam auswerten.
• Die Analyse ist nicht zwingend von einem Cloud-Dienst des Kameraherstellers abhängig.
• Die Videodaten bleiben für die Erkennung im lokalen Netzwerk.
• Die Aufnahmen werden zentral auf dem NAS gespeichert.
• Ereignisse verschiedener Kameras erscheinen in einer gemeinsamen Anwendung.
• Personen, Fahrzeuge und Haustiere lassen sich getrennt filtern.
• Vorhandene Kameras müssen nicht allein wegen fehlender KI ersetzt werden.

Gerade der letzte Punkt ist wirtschaftlich und ökologisch interessant. Eine technisch noch brauchbare Kamera kann weiterverwendet werden, während das NAS die moderne Objekterkennung übernimmt.

Grenzen der lokalen KI auf dem DXP2800 GT

Die UGREEN-Lösung besitzt aber auch Grenzen:

• Der Model Manager muss zusätzlich installiert werden.
• Die benötigten Modelle müssen heruntergeladen und aktiviert werden.
• Beim DXP2800 GT stehen gleichzeitig nur drei lokale KI-Aufgaben zur Verfügung.
• Aufwendigere Modelle können mehrere Aufgaben belegen.
• Die Gesichtserkennung ist in Deutschland nicht verfügbar.
• Ein frei konfigurierbarer Aufnahmevorlauf scheint derzeit zu fehlen.
• Die Qualität der Erkennung hängt vom Kamerabild und der Perspektive ab.
• Erst ein längerer Betrieb zeigt, wie viele Fehlalarme im Alltag auftreten.

Damit wird aus dem DXP2800 GT kein professionelles Hochsicherheits-NVR für große Anlagen. Für ein privates Haus, ein kleines Büro oder einen überschaubaren betrieblichen Einsatz bietet die Anwendung dennoch erstaunlich viel.

Empfohlene Reihenfolge bei der Einrichtung

Bei der Installation hat sich folgende Reihenfolge bewährt:

1. UGREEN Überwachung installieren.
2. Kamera über ONVIF oder RTSP einbinden.
3. Livebild kontrollieren.
4. Mehrfachansicht testen.
5. Probeaufnahme durchführen.
6. UGREEN Model Manager installieren.
7. Benötigtes KI-Modell herunterladen und aktivieren.
8. Allgemeine Objekterkennung für eine Kamera einschalten.
9. Personen-, Fahrzeug- oder Haustierereignis praktisch auslösen.
10. Ereignisarchiv und Klassifizierung prüfen.
11. Aufbewahrungsdauer und Speicherkontingent begrenzen.
12. Erst danach weitere Kameras und KI-Aufgaben hinzufügen.

Diese schrittweise Vorgehensweise erleichtert die Fehlersuche. Wenn sofort mehrere Kameras, unterschiedliche Modelle und sämtliche KI-Funktionen gleichzeitig aktiviert werden, ist später kaum noch erkennbar, welche Komponente einen Fehler verursacht.

Mein Zwischenfazit zur lokalen KI-Erkennung

UGREEN Überwachung hat mich nach den ersten echten Praxistests deutlich positiver überrascht, als ich zu Beginn der Einrichtung erwartet hatte.

Die wichtigsten Erkenntnisse lauten:

• Die Überwachungs-App allein reicht für die lokale KI nicht aus.
• Der UGREEN Model Manager muss zusätzlich installiert werden.
• Das passende KI-Modell muss heruntergeladen und aktiviert werden.
• Die allgemeine Erkennung unterscheidet Personen, Fahrzeuge und Haustiere.
• Die Auswertung erfolgt lokal auf dem NAS.
• Auch ältere Kameras ohne eigene KI können davon profitieren.
• ONVIF ist nicht zwingend erforderlich, wenn ein funktionierender RTSP-Stream vorhanden ist.
• Beim DXP2800 GT können drei lokale KI-Aufgaben gleichzeitig verwendet werden.
• Eine allgemeine Erkennungsaufgabe kann mehrere Objektklassen berücksichtigen.
• Eine vierte KI-Kamera wird abgewiesen, sobald die drei Aufgaben belegt sind.
• Die Gesichtserkennung ist in Deutschland nicht verfügbar.
• Die Ereignisse werden nach Art und Uhrzeit protokolliert.
• Die ereignisbasierte Aufzeichnung funktioniert tatsächlich.
• Ein konfigurierbarer Aufnahmevorlauf scheint derzeit zu fehlen.

Besonders die lokale Auswertung unterschiedlicher Kamerastreams macht die Anwendung interessant. Man muss keineswegs sämtliche vorhandenen Geräte wegwerfen und durch neue Modelle eines einzigen Herstellers ersetzen.

Zumindest meine bisherigen Versuche zeigen, dass sich ein über Jahre gewachsener Kamerabestand mit ONVIF, RTSP und etwas Geduld erstaunlich gut unter einem gemeinsamen Dach zusammenführen lässt.

Erst der längere Betrieb wird zeigen, wie zuverlässig die Erkennung dauerhaft arbeitet, wie häufig Fehlalarme auftreten und wie sich der tatsächliche Speicherbedarf entwickelt.

Nach den ersten praktischen Tests lautet mein Zwischenfazit jedoch:

Die lokale KI-Erkennung des UGREEN DXP2800 GT funktioniert erheblich besser, als ich zunächst erwartet hatte.

Im nächsten Teil dieser Artikelserie geht es um drei 7Links ZX-5761. UGOS fand diese Kameras zwar über ONVIF, scheiterte beim Speichern aber mit einem internen Serverfehler. Mithilfe von Nmap, Node.js und einem kleinen ONVIF-Skript konnten wir den tatsächlichen RTSP-Pfad direkt aus den Kameras auslesen und anschließend alle drei Geräte erfolgreich integrieren.