Ein Sicherheitsteam führte einen Pilotversuch mit 100 Kameras durch, die Bilder in einen Objektspeicher hochluden und einen Bilderkennungsdienst nutzten, um Bilder zu taggen und die Ergebnisse in einem Suchindex zu speichern. Sie möchten nun auf Tausende von Kameras weltweit skalieren, um verdächtige Aktivitäten von Nicht-Mitarbeitern nahezu in Echtzeit zu erkennen. Welche Architektur sollten sie in Betracht ziehen?

Die Bereitstellung eines lokalen Proxys und das Streaming von RTSP-Feeds an einen verwalteten Videostream ermöglicht die Skalierung auf Tausende von Kameras. Ein verwalteter Videoanalysedienst mit einem Stream-Prozessor ist ideal für die nahezu Echtzeit-Erkennung von Gesichtern in Videostreams und den Abgleich mit einer Sammlung bekannter Mitarbeiter. Dies löst Warnungen aus, wenn Nicht-Mitarbeiter identifiziert werden, und erfüllt die Anforderungen an die Echtzeitverarbeitung und Skalierbarkeit. Die Option, bildbasierte Erkennungsdienste für einzelne Frames zu verwenden, wäre ineffizient und zu langsam für nahezu Echtzeit-Anforderungen. Das Ersetzen aller Kameras durch Edge-Geräte ist eine kostspielige und logistisch aufwendige Lösung, die nicht notwendig ist, da die bestehenden Kameras weiter genutzt werden können. Eine serverlose Funktion zum Extrahieren von Frames und Aufrufen einer Bilderkennungs-API wäre ebenfalls zu langsam und ressourcenintensiv für die Verarbeitung von Tausenden von Videostreams in Echtzeit.