Camera Capability Grading · Research Note · 2026-07-09

AI 鏡頭分級研究：
用「像素密度 × 實測幀率」決定一支鏡頭能跑哪些 AI

盤點 prod 上 17 種偵測模型後發現：每個模型對鏡頭的要求，其實只有兩個問題 — 「看得夠細嗎」（目標在畫面中佔多少像素）與「跟得上動嗎」（實測幀率夠不夠連續）。本頁以 YOLO 小物件研究與多目標追蹤降幀實驗為依據，把這兩軸收斂成對客戶好溝通的 LV1–LV5，並用 133 支實測鏡頭驗證分級結果。

17PROD 偵測模型

133實測鏡頭

30達 LV4 等級

43待補量測

01 · OVERVIEW

分級總覽：LV1–LV5

對外溝通用一句話 + 代表功能；對內每一級都是可量測的門檻（詳見 02、05 節）。等級向下相容 —— LV3 鏡頭可跑 LV1–LV3 所有功能。

LV1ENABLE

AI Enable讓既有監視器升級 AI —— 有事發生時通知你

解析度 ≥ D1（704×480）·實測 ≥ 2 fps·人在畫面中 ≥ 16 px 高

區域人員存在 people_contain禁區闖入 restrict_area艙門/上鎖狀態 hatch動火作業 hotwork

LV2STANDARD

AI Standard穩定辨識 —— 數得出來、追得出方向

解析度 ≥ 720p·實測 ≥ 8 fps·可維持短軌跡

人流計數 people_flow車流計數 car_flow（慢速）火煙偵測 firesmoke / smoke越線・區域入侵

LV3PROFESSIONAL

AI Professional高精度 —— 看得清人身上的細節

解析度 ≥ 1080p·實測 ≥ 10 fps·人在畫面中 ≥ 212 px 高（DORI Recognition 125 ppm）

PPE 工安稽核 safety_workplace（219 支・全平台最大宗）跌倒偵測 fall_timm無塵室 PPE factory_ppe中油客製 PPE safety_workplace_oil

LV4INTELLIGENT

AI Intelligent智慧分析 —— 追蹤多個快速目標、看懂行為

解析度 ≥ 1080p·實測 ≥ 15 fps 且穩定（實測/宣告 ≥ 0.85）

堆高機作業區工安 safety_workplace_forklift高處掛勾偵測 height_safety（需特寫）客群屬性分析 age_gender快速車流・多目標追蹤

LV5AUTONOMOUS

AI Autonomous智慧決策 —— 跨鏡頭推理，是「場域」的等級而非單支鏡頭

場域內 ≥ 2 支 LV4 鏡頭·時間同步·視野銜接 —— 單支鏡頭最高標到「LV4（LV5-ready）」

跨鏡頭接力追蹤（Re-ID）事件推理・自動決策尚未有對應 prod 模型

為什麼 LV5 不是鏡頭規格？ 跨鏡頭分析的瓶頸在場域佈署（多支達標鏡頭、時間同步、視野重疊），不在單支鏡頭的畫質。把 LV5 定義成場域徽章，銷售時就不會出現「一支鏡頭要怎麼升級到 LV5」的矛盾。

02 · FRAMEWORK

分級邏輯：17 個模型，只問兩個問題

把每個 prod 模型的最低需求標在「像素密度 P × 時間連續性 T」平面上，會發現它們自然聚成四群 —— 這四群就是 LV1–LV4 的由來。等級是雙軸的簡化包裝，不是另一套規則。

17 個 prod 模型的最低鏡頭需求

P-AXIS = 目標細節需求（縱）· T-AXIS = 幀率需求（橫）· 括號內為掛載鏡頭數

T1 · 2–8 fps
快照／狀態

T2 · 8–15 fps
短軌跡

T3 · 15–25 fps
連續追蹤

T4 · ≥25 fps
高速目標

P4 特寫級≥250 ppm
公分級細節

height_safety 掛勾6age_gender 屬性5

P3 辨識級1080p·125 ppm
人身上的物件

safety_workplace PPE219factory_ppe 無塵室3safety_workplace_oil6

fall_timm 跌倒47fall（舊版）5

safety_workplace_forklift11

P2 觀察級720p·62.5 ppm
輪廓與動作

firesmoke 火煙44smoke 純煙霧11firesmoke_interior1

people_flow 人流82

P1 偵測級D1·25 ppm
有沒有人／車

people_contain85restrict_area 禁區33hatch 門閘84hotwork 動火2

car_flow 快速車流57

LV1 LV2 LV3 LV4 —— 模型放在它的最低需求格；鏡頭等級 ≥ 該格，功能即可開通。 car_flow 像素需求低（車是大目標）但幀率需求高，是「T 軸主導」的代表； PPE 家族相反，是「P 軸主導」—— 這正是需要兩軸而非單一分數的原因。

解析度只是像素密度的代理值。 ppm（pixels per meter）由「解析度 ÷ 拍攝範圍」決定：同一支 1080p 鏡頭，近處走道是 LV3 視野、遠端角落只剩 LV1。本研究用解析度做初步分級，正式導入時建議每支鏡頭抽一張畫面、量測站立人員的像素高度來校正（見 07 節）。

03 · EVIDENCE — RESOLUTION

像素證據：一個人要在畫面裡佔多少像素？

YOLO 系列研究給出明確門檻：物件低於 8 px 幾乎不可偵測、16–24 px 跨過「可偵測門檻」、低於 32×32 px 屬 COCO 定義的小物件（mAP 系統性低 25–30 點）。對照監控業界 IEC 62676-4 DORI 標準，可換算成「人的像素高度」——下圖為實際渲染的示意。

同一個人，在畫面中不同的像素高度下，AI 看到什麼

上排：等高放大（呈現該解析度下僅存的細節）· 下排：畫面中的真實大小 1:1

以身高 1.7 m 換算：DORI Detection 25 ppm ≈ 42 px、Observation 62.5 ppm ≈ 106 px、 Recognition 125 ppm ≈ 212 px、Identification 250 ppm ≈ 425 px。 PPE 之所以是 LV3 門檻：安全帽僅約 25 cm，人要到 Recognition 級（≈212 px 高），帽子才有 ~30 px 可辨。

把門檻放進 1280×720 的畫面裡（等比示意）

SCHEMATIC · 1280×720 FRAME · 標註值為畫面內像素高度

畫面越遠人越小：同一支 720p 鏡頭，前景人物可做 PPE 稽核、中景可數人流、遠景只剩「有人／沒人」。左上為 COCO 小物件（32×32）與大物件（96×96）參考框。

研究數據摘要

物件大小 vs 偵測精度 — COCO val，640×640 輸入

mAP@0.5 BY OBJECT SIZE · 資料：arXiv 2504.09900

小物件（<32×32 px）的 mAP 比大物件低 25–30 個百分點，且跨 YOLOv5／v8／v11 一致 —— 這是「像素不足無法靠換模型補救」的直接證據。另一組實驗：輸入解析度 640→160，mAP50 從 0.673 崩到 0.245、recall 從 0.587 掉到 0.211（MDPI UAV 研究）；解析度加倍讓 8–12 px 的目標變成 16–24 px、腳踏車偵測率 +81%（YOLO NAS-L 研究），但 1280 輸入的運算成本約為 640 的 4 倍。

04 · EVIDENCE — FRAME RATE

幀率證據：追蹤類功能對 fps 有多敏感？

ColTrack（ICCV 2023）把 MOT17／DanceTrack 影片降頻後重測 ByteTrack —— 主流追蹤器（ByteTrack／DeepSORT）依賴 Kalman filter + IOU 匹配，幀率一低、目標位移變大，關聯直接失效。快速目標（跳舞、車輛）衰退遠比行人劇烈。

幀率下降時，多目標追蹤精度（HOTA）的衰退

BYTETRACK · MOT17-VAL（行人 30fps 基準）與 DANCETRACK-VAL（快速目標 20fps 基準）· 資料：arXiv 2308.05911

行人場景：30→3 fps 掉 9.3 點 HOTA、到 1 fps 崩至 ~47（約值，摘自論文圖 4a）。 快速目標：20→3.3 fps 掉 15 點（45.8→30.8）。結論對應門檻：事件偵測 2 fps 即可；計數／越線 ≥8 fps；多目標追蹤 ≥15 fps；快速車流 ≥25 fps。 StableTrack（2025）則顯示 1 Hz 以下所有現行追蹤器都嚴重衰退 —— 學界把低於 2 fps 的追蹤視為未解問題。

掉幀比低幀率更傷。Kalman filter 假設等時間間隔；宣告 30 fps 但實測 12 fps 的鏡頭，幀間隔抖動會讓運動預測失準，比穩定的 12 fps 更差。因此 LV4 除了 ≥15 fps，另設「實測/宣告 ≥ 0.85」的穩定度門檻 —— 機隊中 cpc5號（宣告 30／實測 22.8）就是因此從 LV4 降到 LV3。

05 · MODEL MAPPING

17 個 prod 模型的鏡頭需求對照

依掛載鏡頭數排序 —— 前四名（PPE、人員存在、門閘、人流）合計掛載 470 支，分別落在 LV3 與 LV1／LV2，代表分級的商業重心在「LV1 普及 + LV3 高值」兩端。

模型	功能	像素需求	幀率需求	最低等級	鏡頭數
safety_workplace	PPE 工安稽核（安全帽/背心/手套…）	P3 辨識級 125ppm	T1 ≥2fps	LV3	219
people_contain	區域人員存在／滯留	P1 偵測級	T1 ≥2fps	LV1	85
hatch	艙門／門閘開關與上鎖	P1（定點特寫）	T1 ≥2fps	LV1	84
people_flow	人流計數與動線	P2 觀察級	T2 ≥8fps	LV2	82
car_flow	車流計數	P1（車為大目標）	T3 ≥15fps（快速路段）	LV2慢速車道；快速路段需 LV4 幀率	57
fall_timm	跌倒偵測（姿態）	P3 需看清姿態	T2 ≥8fps	LV3	47
firesmoke	火焰＋煙霧	P2 初期火煙為小目標	T1 ≥2fps	LV2	44
restrict_area	禁區闖入	P1 偵測級	T1 ≥2fps	LV1	33
safety_workplace_forklift	堆高機作業區工安	P3	T3 堆高機移動快	LV4	11
smoke	純煙霧	P2	T1	LV2	11
height_safety_workplace	高處作業安全帶掛勾	P4 掛勾僅~10cm	T1	LV4或 LV3＋專用特寫視角	6
safety_workplace_oil	中油油品場域 PPE	P3	T1	LV3	6
age_gender	客群屬性（年齡/性別）	P4 需臉部/上身細節	T2	LV4	5
fall（舊版）	跌倒偵測	P3	T2	LV3	5
factory_ppe	無塵室 PPE 合規	P3 細分無塵衣物	T1	LV3	3
hotwork	動火作業監控	P1	T1	LV1	2
firesmoke_interior	室內火煙	P2	T1	LV2	1

掛載數為 prod DB（saas_cam_models）distinct 鏡頭數，代表佈署範圍而非即時 GPU 負載。

06 · FLEET RESULTS

機隊實測：133 支鏡頭的分級結果

以「解析度 → P 軸、實測 fps + 穩定度 → T 軸」套用門檻。未測的 43 支（武嶺測試批 34 支＋量測 ERROR 9 支）不給等級，避免用宣告值高估。

等級分布

N = 133 · 依實測值分級 · LV5-READY = 同帳號 ≥2 支 LV4

值得注意的是 兩極化：能跑 LV3 以上的鏡頭有 60 支（45%），但也有 25 支受限於老舊 DVR 的低解析度或嚴重掉幀、只能停在 LV1 以下 —— 這 25 支正是「AI Enable 升級方案」的目標客群。

典型案例

鏡頭	解析度	宣告 fps	實測 fps	等級	判定理由
betatesting70／大廳	1920×1080	30	30.4	LV4	全指標達標，場域 6 支同級 → LV5-ready
tiip01／自動倉北側	2880×1620	20	19.8	LV4	2K＋穩定 20fps，可跑堆高機工安
betatesting18／cpc5號-高處作業	1920×1080	30	22.8	LV3	掉幀 0.76 — 幀率夠但不穩，追蹤類降級
tri.nzvc／參山遊客中心01	1920×1080	30	15.6	LV3	掉幀 0.52 — PPE 可跑、追蹤不建議
tiip04／頻道11-灌瓦斯區	1920×1080	15	8.3	LV2	1080p 但實測僅 8.3fps，PPE 場景差一步
administrator／ch20	480×240	30	12.5	LV1	DVR 次串流解析度過低，僅能做存在偵測
administrator／ch12	704×576	20	1.8	LV0	實測 1.8fps，連事件偵測都勉強

完整清單：133 支鏡頭的分級與理由（點開展開）

帳號	鏡頭	解析度	宣告	實測	穩定度	等級	備註

07 · NEXT STEPS

建議下一步

讓分級從「解析度代理值」進化到可對客戶承諾的 SLA，需要補三件事。

行動	做法	影響
1 · ppm 實測校正	每支鏡頭抽一張畫面，標一個站立人員量像素高度（或用 people 偵測框自動統計中位數）	修正「1080p 拍大遠景其實只有 LV1 視野」的高估；P 軸從代理值變實測值
2 · 補測 43 支未測鏡頭	武嶺批 34 支＋ERROR 9 支重跑 fps 量測；ERROR 多為連線問題，需先排除	機隊 1/3 目前無等級，商務上無法報價
3 · 幀率穩定度納入監控	把「實測/宣告」比值做成常態健檢（如每週），低於 0.85 觸發告警	掉幀是漸進劣化（網路/NVR 負載），一次性量測會漏抓；LV4 承諾需要持續保證

08 · SOURCES

資料來源

Small Object Detection with YOLO: A Performance Analysis Across Model Versions and Hardware — 物件大小 vs mAP 數據
Training Strategies for Effective Object Detection Using YOLO NAS-L — 8–12px→16–24px 可偵測門檻、+81% 實驗
Systematic Evaluation of YOLOv8 Variants for UAV-Based Object Detection — 輸入解析度 640→160 衰退曲線
An Improved Model Based on YOLOv8 for Small Object Detection — stride-8 特徵圖與 <20×20px 目標
ColTrack: Frame-Rate-Insensitive Multi-Object Tracking（ICCV 2023） — 降幀 HOTA 實驗（本頁折線圖）
StableTrack: Stabilizing MOT on Low-Frequency Detections（2025） — 1Hz 以下追蹤衰退
IEC/EN 62676-4 DORI 標準・Axis：Pixel density based on IEC 62676-4 — 25／62.5／125／250 ppm 定義
內部資料：prod 偵測模型盤點（saas_cam_models，2026-07-09）・133 支鏡頭解析度/fps 量測（account_resolution_camera_mapping_with_fps.csv）