出事嗰陣先翻 playback，係咁解？
最近幾宗爆竊新聞，受害商戶幾乎清一色係事後先知：收到報案、翻查錄影、發現鏡頭角度偏咗、夜間畫面模糊，或者根本無人實時睇。問題唔係冇鏡頭，係鏡頭只係被動地錄，出事了只能留下證據，防唔到頭。
對中小商戶而言，請一個 24 小時保安睇監視牆係奢侈品；買一套全新 IP 攝影機系統又驚投資大、裝修期長。夾在兩者之間，好多商戶就係咁「齋裝鏡頭」，保安意識有，實際防護卻是空的。
現有 CCTV 係否真的「冇得救」？
唔係。問題關鍵在於：有冇一套會分析影像的「腦袋」接在後面。
新科科技的智能安全監察系統採「加裝式」架構——把現有攝影機的影像訊號，經標準 RTSP／ONVIF 協議接入邊緣 AI 算力盒子，就地即時推理，再將事件與告警上送視頻分析平台集中管理。整個過程毋須更換現有攝影機，保留原有設備投資，施工範圍小，對日常營業影響極低。
算力盒子按攝影機路數與所需算法分級配置：小型商舖、辦公室等場所，一台入門級盒子已可應付數路鏡頭；若日後擴充，加裝盒子即可，平台統一管理，毋須另起爐灶。
AI 實際識別乜嘢？唔係講嘢咁簡單
系統目前涵蓋十多種 AI 識別算法，分四大類：
- 人員行為類：安全帽佩戴、反光衣穿著、吸煙偵測、脫崗偵測、打電話偵測——主要針對需要執行工作守則的場合，例如廠房、工程辦公室。
- 區域周界類：人員闖入、禁止進入區域、越界偵測——夜間無人時段，一旦有人進入劃定區域，即時觸發警報，唔使等到天光。
- 環境風險類：火焰、煙霧、液體外洩、異物遺留、非法消防通道佔用——不少爆竊案伴隨破壞行為，煙火識別可在更早期發出預警。
- 車輛場景類：可選配車牌識別、車輛闖入等算法，適合有停車場或出入口管理需求的商戶。
以上算法可按實際場景挑選，唔係買套裝咁一刀切，而係按需開通、持續擴充。人臉識別、人數統計等功能亦可選配。
警報係點運作？手機收到係點？
事件觸發後，系統以秒級速度推送通知至負責人手機及電郵，並附上對應影像截圖供即時研判。商戶毋須 24 小時盯住監視牆，只需在手機 App 或電腦瀏覽器登入，即可實時遠端查看現場影像及歷史警報記錄。
對只有一兩個負責人管理多個場所的中小企而言，這種「有事先通知、無事唔佔時間」的機制，才係真正符合人手實況的佈防方式。
導入步驟：從現場到落地，幾個關鍵節點
- 現場勘查：新科科技工程師到場評估現有攝影機型號、安裝位置、光線條件及網絡環境，確認系統兼容性，並識別主要風險盲點。
- 算法選配：按商戶場景需求（周界防範、行為識別、環境偵測等）篩選合適算法組合，制定配置方案。
- 邊緣盒子安裝接駁：以 RTSP／ONVIF 協議接入現有攝影機，安裝算力盒子，進行現場調試及算法調校，降低因光線、角度引起的誤報率。
- 平台開通及警報設定：設定警報觸發條件、通知對象及推送方式（手機 App、電郵），完成遠端存取授權。
- 試運行與優化：觀察首 1–2 週實際警報情況，根據誤報及漏報反饋持續優化識別靈敏度。
雖然 AI 準確率受鏡頭角度、環境光線影響，但經過現場調試後，誤報率可大幅降低，唔會出現「鏡頭睇到棵樹搖就響警報」的尷尬局面。
邊緣 AI 就地處理，對網絡同私隱有何影響？
影像在算力盒子本地推理，只有事件告警與截圖需要上傳平台，原始視頻串流唔需要持續外傳。對網絡頻寬要求低，亦減少影像數據外洩的風險——呢點對辦公場所、金融機構及政府機構尤其重要。
適合邊個用？
智能安全監察系統（所有場合）適用於：辦公大樓、商業零售、工業廠房、校園及政府公共場域。若屬高風險工地作業，涉及數碼工作許可、氣體監測、全港 3D 定位等需求，則可進一步配合智慧工地安全平台（SSSS）使用，兩套方案並非互相排斥。
