实时音视频技术如何赋能智慧零售：远程巡店、AI 识别与实时互动

智慧零售正在从装个摄像头看监控进化到用实时音视频（RTC）做实时巡检和互动。加盟商门店的运营辅导、总部远程巡店、AI 自动识别异常行为等场景都需要将视频从”事后回放“升级为”实时交互“。本文以即构科技（ZEGO）的方案为例拆解智慧零售的 RTC 架构。

一、智慧零售的技术需求

场景需求	核心指标	难点
远程巡店	总部远程拉取门店摄像头画面，延迟 < 500ms	门店端通常使用 NVR/IPC 摄像头，不支持标准 RTC 推流
AI 边缘识别	在边缘端完成人形检测/客流统计后实时上报	大量视频数据上传到云端 AI 识别的带宽成本太高
远程培训	总部培训师与门店店长实时音视频沟通	门店无固定 IT 人员，设备接入需要零配置
多级巡店	区域经理和总部同时看不同门店画面	需要多房间分级管理
无人值守	摄像头长期在线，自动恢复	门店网络不稳定，路由器重启后摄像头要自动重连

二、核心架构

┌──────────────────────────────────────────────────────┐
│                  业务层：零售管理平台                    │
│   门店管理 · 巡店排期 · AI 告警 · 运营分析              │
├──────────────────────────────────────────────────────┤
│              信令与消息通道                             │
│   巡店指令 · 告警推送 · 运维通知                        │
├──────────────┬──────────────────┬────────────────────┤
│   门店端      │   区域经理端      │     总部端          │
│   IPC推流    │  拉流 5 门店     │  拉流 20 门店       │
│   AI 边缘识别│  培训辅导        │  多房间切换          │
│   `自定义采集`│  `多房间监听`    │  `自动重连`          │
├──────────────┴──────────────────┴────────────────────┤
│                  基础设施层                             │
│  SD-RTN™ · 4G/WiFi · 边缘节点 · 云端录制               │
└──────────────────────────────────────────────────────┘

三、核心技术实现

3.1 门店摄像头自定义采集接入

门店使用的 IPC/NVR 摄像头通常输出 RTSP 流，不能直接接入 RTC。通过边缘盒子将 RTSP 转 RTC：

// 边缘盒子：接收 RTSP 流，通过自定义采集推入 RTC
// 1. 开启自定义视频采集
engine->enableCustomVideoCapture(true, ZEGO_PUBLISH_CHANNEL_MAIN);

// 2. 从 RTSP 拉流获取视频帧（使用 ffmpeg 或其他工具）
// 3. 转为裸数据后通过 sendCustomVideoCaptureRawData 推流
extern "C" void onFrameReceived(unsigned char* data, int width, int height) {
    engine->sendCustomVideoCaptureRawData(
        data,               // 视频帧数据
        width * height * 3 / 2,  // NV12 格式大小
        width,
        height,
        width,              // stride
        ZEGO_VIDEO_BUFFER_TYPE_RAW_DATA,
        0,
        ZEGO_PUBLISH_CHANNEL_MAIN
    );
}

3.2 降低带宽：低帧率监控模式

巡店场景画面变化较少，可以用低帧率大幅降低带宽成本：

// 门店推流端：设置低帧率监控模式
ZegoVideoConfig videoConfig;
videoConfig.encodeWidth = 640;
videoConfig.encodeHeight = 360;  // 360p 足够看清店铺内部
videoConfig.fps = 8;             // 8fps，监控场景足够
videoConfig.bitrate = 300;       // 300kbps，单店月带宽成本
engine->setVideoConfig(videoConfig);