Trabalho 1 - 2025.2 - Network Video Intercom

Integrantes

1. Descrição do Produto

O AXIS I8116-E Network Video Intercom é um intercomunicador de vídeo IP compacto e inteligente, projetado para oferecer controle de acesso seguro e comunicação bidirecional com vídeo de alta qualidade. O dispositivo combina câmera, microfone, alto-falante e leitor de controle de acesso, permitindo identificação visual e auditiva de visitantes em tempo real.

Entre suas principais funções, destacam-se:

• Identificação visual com vídeo Full HD e tecnologia WDR (Wide Dynamic Range), garantindo imagens nítidas mesmo sob variações de iluminação;

• Comunicação bidirecional via áudio full-duplex com cancelamento de eco;

• Acesso remoto via rede IP, permitindo monitoramento e controle de portas através de sistemas VMS (Video Management System) ou aplicativos móveis;

• Gravação e armazenamento em nuvem ou em rede local (NAS);

• Suporte para analises baseadas em Deep Learning

O público-alvo são empresas, condomínios, instituições públicas e infraestruturas críticas que necessitam de controle de acesso eficiente e integração com sistemas de vigilância IP. O contexto de uso inclui entradas de prédios comerciais, portarias, áreas restritas, estacionamentos e portões de segurança.

Componentes e Sensores

O AXIS I8116-E reúne diversos componentes de hardware e sensores que tornam o dispositivo autônomo e inteligente:

• Câmera de vídeo integrada: sensor CMOS de 5 MP, com lente grande angular e suporte a WDR e IR para visão noturna;
• Microfone embutido: microfone digital de alta sensibilidade com supressão de ruído ambiente;
• Alto-falante integrado: permite comunicação de voz bidirecional com alta clareza;
• Sensor de luminosidade: ajusta automaticamente os níveis de exposição e ativa o modo noturno;
• Botão de chamada físico: resistente a intempéries, usado para iniciar a comunicação com o operador;
• Sensor de temperatura interna: monitora as condições do equipamento, garantindo funcionamento estável em faixas extremas de temperatura;
• Slot para cartão microSD: usado para gravação local de vídeo e logs de acesso.

CV25 SoC (System on Chip)

O AXIS I8116-E Network Video Intercom é equipado com o System-on-Chip (SoC) Model: CV25, desenvolvido pela Ambarella, uma fabricante reconhecida por seus processadores voltados a aplicações de visão computacional e processamento de vídeo de alta eficiência. Esse componente é o núcleo computacional do dispositivo, responsável por realizar a captura, compressão, análise e transmissão dos dados de vídeo e áudio em tempo real.

• Processador principal: arquitetura baseada em CPU ARM de múltiplos núcleos, otimizada para execução de sistemas embarcados e tarefas de controle de dispositivos IP;

• Unidade de processamento de vídeo: hardware dedicado à codificação e decodificação em tempo real nos padrões H.264 e H.265, oferecendo compressão eficiente sem perda significativa de qualidade visual;

• Memória integrada: 2048 MB de RAM e 1024 MB de Flash, que fornecem ampla capacidade para execução de sistemas operacionais embarcados, buffers de vídeo e armazenamento temporário de dados;

• Deep Learning Processing Unit (DLPU): módulo especializado para inferência de redes neurais profundas (Deep Neural Networks), permitindo que o dispositivo realize análises locais de vídeo, como detecção de movimento, reconhecimento de rostos, identificação de objetos e eventos anômalos, sem necessidade de enviar os dados brutos para um servidor externo.

Wide Dynamic Range (WDR)

O WDR (Wide Dynamic Range) é uma tecnologia de processamento de imagem utilizada no AXIS I8116-E Network Video Intercom para otimizar a captura de cenas com alto contraste de iluminação, equilibrando automaticamente as áreas muito claras e muito escuras da imagem.

Essa função é fundamental em ambientes com iluminação variável ou intensa, como entradas de edifícios, portarias externas e estacionamentos, onde a luz solar direta pode causar distorções de exposição. O WDR atua por meio da captura de múltiplas imagens com diferentes níveis de exposição, que são combinadas digitalmente através de um algoritmo de fusão de imagem. O resultado é uma imagem final com melhor detalhamento e fidelidade visual, permitindo identificação facial e situacional precisa mesmo sob condições adversas de luz.

No caso do AXIS I8116-E, a tecnologia WDR é implementada em nível de hardware e software, integrando-se ao processamento do SoC CV25, o que assegura alto desempenho e eficiência energética no tratamento de vídeo em tempo real.

Tecnologia de Comunicação

O equipamento opera com tecnologias IP abertas, o que facilita a integração com diferentes plataformas e sistemas. Suas principais tecnologias incluem:

• Conectividade de rede IP (Ethernet 10/100 Mbps) com suporte a Power over Ethernet (PoE), que fornece alimentação e dados em um único cabo;
• Protocolos de comunicação: suporte a HTTP/HTTPS, RTSP, SIP (Session Initiation Protocol) para chamadas VoIP, ONVIF (para integração com câmeras e VMS) e IPv6;
• Compressão de vídeo H.264/H.265 e áudio AAC/G.711;
• Gerenciamento remoto via navegador web, software Axis Camera Station ou aplicativos móveis;
• APIs abertas (VAPIX e AXIS Camera Application Platform), que permitem desenvolvimento de aplicações personalizadas e integração com sistemas de automação predial;
• Suporte a segurança de rede com autenticação HTTPS, TLS e certificados digitais.

Proposta de Reprodução com ESP32

Este tópico descreve como as principais funcionalidades do AXIS I8116-E Network Video Intercom – com foco em vídeo e áudio em tempo real – poderiam ser conceitualmente replicadas, ou parcialmente imitadas, utilizando a ESP32 e componentes compatíveis com o ecossistema ESP-IDF e a lista de sensores/atuadores disponíveis, balanceando capacidade e custo.

Descrição Conceitual de Implementação

A proposta se baseia em uma arquitetura modular que utiliza a ESP32-CAM como controlador central e foca na replicação das funções críticas de comunicação e captura de dados, aceitando limitações significativas em relação à qualidade e inteligência embarcada do produto original (SoC CV25).

1. Módulo de Hardware e Captura de Dados

2. Protocolo de Comunicação (Foco na Eficiência)

O intercomunicador AXIS usa o protocolo SIP (Session Initiation Protocol) para chamadas VoIP. Replicar o SIP em sua forma original é custoso para a ESP32.

• Solução Conceitual: Adotar o protocolo tSIP (Tiny SIP), que é uma versão do SIP com restrições de recursos.
• O tSIP utiliza Protocol Buffers (Protobuf) para codificar mensagens de forma compacta e binária, reduzindo significativamente o tamanho das mensagens e o consumo de energia em comparação com o SIP tradicional.
• O ESP32 (similar ao M5Stack Core 2 utilizado em estudos de tSIP) atuaria como um endpoint tSIP, comunicando-se com um PoT Gateway / Proxy Server (como um servidor Asterisk rodando em um Raspberry Pi) que traduziria as mensagens tSIP para o SIP padrão.

Fluxo Simplificado de Chamada:

1. O visitante pressiona o Botão Físico (GPIO).
2. A ESP32 envia uma mensagem tSIP REGISTER/INVITE (simplificada) via Wi-Fi para o PoT Gateway.
3. Simultaneamente, o ESP32-CAM inicia um stream de vídeo RTSP (ou via web server) que pode ser acessado pelo receptor da chamada.
4. O receptor (um softphone ou um telefone IP, via PoT Gateway) recebe a notificação e pode iniciar a comunicação de áudio bidirecional (full-duplex).

Limitações e Desafios Esperados

1. Qualidade de Vídeo: O ESP32-CAM não suporta Full HD nem WDR (Wide Dynamic Range). A qualidade da imagem será significativamente inferior e sensível a variações de luz.
2. Áudio Full-Duplex e Latência: A implementação de áudio bidirecional de baixa latência (tempo de resposta rápido) sobre Wi-Fi, mesmo com a otimização do tSIP, é um desafio complexo de engenharia para evitar eco e ruído.
3. Inteligência Embarcada: A ESP32 não possui a DLPU para Edge Computing. Funcionalidades avançadas de análise de vídeo, como reconhecimento facial ou detecção de movimento complexa, são inviáveis no protótipo.
4. Conectividade: O uso do Wi-Fi (em vez do Ethernet/PoE do AXIS) pode introduzir problemas de latência e instabilidade, críticos para a comunicação em tempo real.

Diagrama Conceitual do Sistema

Limitações e Desafios Esperados

A proposta de replicação enfrenta desafios intrínsecos devido à diferença de poder de processamento entre o produto comercial (SoC CV25) e a ESP32.

1. Limitações de Qualidade e Processamento

• Qualidade de Vídeo: A limitação de hardware do ESP32-CAM impede a replicação do Vídeo Full HD e da tecnologia WDR (Wide Dynamic Range) do AXIS. A qualidade da imagem será significativamente inferior.
• Ausência de Inteligência Embarcada: A ESP32 não possui uma Unidade de Processamento de Deep Learning (DLPU). Funcionalidades avançadas de análise de vídeo, como reconhecimento facial ou detecção de movimento complexa, não são viáveis.
• Conectividade: O uso do Wi-Fi (em vez do Ethernet/PoE do AXIS) pode introduzir problemas de latência e instabilidade, críticos para a qualidade da comunicação em tempo real.

2. Desafios de Software e Protocolo

• Áudio Full-Duplex e Latência: A implementação de áudio bidirecional de baixa latência e alta fidelidade (sem eco e ruído) sobre Wi-Fi, mesmo com a otimização do tSIP, é um desafio complexo de engenharia.
• Conformidade de Padrões: A replicação não conseguirá replicar a compatibilidade nativa com padrões industriais como a API VAPIX ou a total conformidade com os Perfis ONVIF. O protótipo seria um sistema mais fechado e customizado.

Tabela de Comparação

A tabela a seguir detalha e compara as principais características dos produtos que dividem o mercado com o AXIS I8116-E, realizando as mesmas funções com algums diferenças. Todos os valores foram convertidos para real utilizando a cotação do dia 10/11/2025.

1 Análise Técnica

Esta seção estabelece a base de hardware do sistema, detalhando as especificações do componente de processamento primário (o SoC) e do produto final integrado (o intercomunicador).

1.1 Dissecação do System-on-a-Chip (SoC): Ambarella CV25

O Ambarella CV25 é o coração computacional do I8116-E [3]. A sua arquitetura é fundamental para todas as capacidades avançadas do dispositivo, desde o processamento de imagem até à inferência de IA.

• Arquitetura de Processamento (CPU): O SoC é construído em torno de uma CPU Quad-core Arm® Cortex®-A53 de 64 bits,

• Motor de Visão Computacional (Acelerador de IA): A característica principal do CV25 é a sua arquitetura de visão computacional CVflow®. Esta arquitetura inclui um motor de processamento de visão dedicado, projetado especificamente para a aceleração de inferência de Redes Neurais Convolucionais (CNN) e Redes Neurais Profundas (DNN). É este hardware de aceleração que a Axis referencia nas suas folhas de dados como a "Deep Learning Processing Unit (DLPU)" [1].

• Processador de Sinal de Imagem (ISP): O CV25 integra um ISP avançado com uma capacidade de entrada de até 504 MPixel/s. Este ISP suporta nativamente processamento de HDR (High Dynamic Range) multi-exposição e técnicas avançadas de redução de ruído, como a Filtragem Temporal com Compensação de Movimento 3D (MCTF). Este pipeline de imagem de alta performance é o que permite ao I8116-E implementar as suas tecnologias de software de assinatura: "Lightfinder", para capturar cores em condições de luz ultrabaixa, e "WDR", para gerir cenas de alto contraste [1]. O ISP do CV25 processa os dados brutos do sensor de 5MP para criar um stream de vídeo limpo e utilizável, mesmo nas condições de iluminação mais desafiadoras.

• Motor de Codificação de Vídeo (Codec): O SoC possui um motor de codificação de hardware capaz de compressão de alta eficiência (HEVC) H.265 e H.264. O seu desempenho de codificação atinge até 4KP30+. Embora o CV25 possa codificar 4K (3840x2160), o sensor no I8116-E é de 5MP no formato 4:3 (2592x1944) [1]. Isto significa que o SoC tem uma capacidade de processamento de codec mais do que suficiente para gerir o stream de 5MP a 30fps [2], ao mesmo tempo que fornece múltiplos streams de vídeo configuráveis [1] e executa a tecnologia "Zipstream" da Axis [1].

• Recursos de Segurança de Hardware: O CV25 é projetado com primitivos de segurança robustos ao nível do silício, incluindo Secure Boot, TrustZone® e aceleração criptográfica de hardware. Estes recursos não são meros adendos; eles formam a base fundamental e a raiz de confiança de hardware sobre a qual a plataforma de cibersegurança "Axis Edge Vault" é construída.

1.2 Especificações Técnicas do Produto: AXIS I8116-E

O I8116-E é o sistema embarcado que integra o SoC CV25 num dispositivo de intercomunicação robusto, de formato "mullion" (projetado para instalação em caixilhos de porta estreitos) [2].

• Módulo de Câmera e Ótica: O dispositivo utiliza um sensor CMOS RGB 1/2.7” de varrimento progressivo [2]. A resolução máxima de 5 MP (megapixels) atinge 2592 x 1944 pixels [2]. A lente é uma unidade de 1.95 mm com abertura F2.2 [2], fornecendo um campo de visão horizontal (H-FOV) ultra-amplo de 162.3° [2]. Esta amplitude é crítica para um intercomunicador, permitindo a visualização de toda a área da porta, desde o chão até ao rosto de indivíduos de diferentes alturas.

• Arquitetura de Sistema e Memória: O sistema é equipado com 2048 MB de RAM (2GB) e 1024 MB de Flash (1GB) [1]. Esta é uma alocação de memória substancial para um dispositivo de borda. O 1GB de Flash armazena o AXIS OS, o firmware assinado, o Axis Device ID e aplicações ACAP (como o Object Analytics). Os 2GB de RAM são essenciais para (1) manter os buffers para múltiplos streams de vídeo, (2) executar a pilha de comunicação SIP e os serviços de rede, e (3) fornecer o espaço de memória de trabalho necessário para que os modelos de deep learning (DNN/CNN) sejam carregados e executados pela DLPU (CVflow).

• Conectividade e Interfaces Físicas: A ligação à rede é feita através de um conector RJ45 10/100/1000BASE-T, suportando Gigabit Ethernet [1]. A alimentação é fornecida exclusivamente via Power over Ethernet (PoE) IEEE 802.3af/802.3at (Classe 3), com um consumo típico de 4W e máximo de 10.8W [1]. Para o controle de acesso, o dispositivo possui um bloco de terminais com 2 entradas/saídas configuráveis, 1 relé [1] e, crucialmente, uma interface de comunicação serial RS485 [1]. A inclusão do RS485 é uma característica de integração de alto nível, pois permite a conexão direta com leitores de controle de acesso modernos que utilizam OSDP (Open Supervised Device Protocol) [2].

As tabelas seguintes consolidam as especificações técnicas da plataforma de computação e do produto final.

Tabela 1.1: Especificações da Plataforma de Computação (Ambarella CV25)

Tabela 1.2: Especificações Técnicas do Produto (AXIS I8116-E)

Seção 2: Principais Módulos

Esta seção analisa como os componentes de hardware da Seção 1 são orquestrados por módulos de software e firmware para fornecer os recursos funcionais do dispositivo.

2.1 Módulo de Processamento de Visão (Pipeline de Imagem)

Este módulo descreve o caminho completo dos fótons (luz) até aos bits de rede (stream de vídeo).

• Captura e Processamento ISP: Os dados brutos do sensor CMOS de 5MP [2] são alimentados diretamente no ISP do Ambarella CV25. É aqui que as tecnologias de otimização de imagem são aplicadas.
• Axis Lightfinder: Esta tecnologia de software, executada no pipeline do ISP, permite que o dispositivo produza imagens coloridas em condições de iluminação extremamente baixa (0.15 lux) [1], muito além do que um sensor padrão poderia capturar.
• Wide Dynamic Range (WDR): O I8116-E utiliza os recursos de HDR multi-exposição do ISP do CV25 para lidar com cenas de alto contraste. Isto é vital para um intercomunicador, que frequentemente enfrenta um cenário de backlight extremo (uma pessoa na sombra contra um céu ou rua brilhante). O WDR [2] garante que tanto o rosto do visitante quanto o fundo sejam expostos corretamente.
• Codificação e Streaming: O stream de vídeo limpo e processado pelo ISP é então enviado ao motor de codificação H.265/H.264 do CV25.
• Axis Zipstream: O dispositivo implementa o Zipstream [1], que é uma implementação de codificação "inteligente". Em vez de aplicar a mesma compressão a toda a imagem, o Zipstream (provavelmente usando heurísticas da DLPU) analisa o vídeo em tempo real para alocar dinamicamente mais bits (maior qualidade) para áreas de interesse (como rostos em movimento) e menos bits (maior compressão) para áreas estáticas (como a parede ao redor). Isto reduz drasticamente a largura de banda da rede e os requisitos de armazenamento.
• Multi-Streaming: O poder de processamento do CV25 permite que o dispositivo forneça múltiplos streams de vídeo configuráveis individualmente [1]. Um caso de uso comum é fornecer um stream H.265 de 5MP (2592x1944) para gravação forense num VMS, e simultaneamente fornecer um stream H.264 de 1080p ou 720p para visualização ao vivo em dispositivos móveis ou integração com sistemas de telefonia SIP.

2.2 Módulo de Comunicação de Áudio (Pipeline de Áudio)

O áudio é uma função co-primária do intercomunicador.

• Hardware e Processamento: O dispositivo possui dois microfones integrados e um alto-falante [1]. O sistema suporta comunicação de áudio bidirecional (full-duplex) [1]. A implementação de full-duplex num dispositivo compacto, onde o microfone e o alto-falante estão fisicamente próximos, é tecnicamente desafiadora devido ao feedback acústico (eco). O I8116-E resolve isso executando algoritmos de Cancelamento de Eco Acústico (AEC) e Redução de Ruído no SoC [2]. Este processamento de áudio em tempo real é o que garante que a fala seja clara e inteligível em ambas as direções.
• Codecs de Áudio: O dispositivo suporta uma ampla gama de codecs de áudio para garantir a interoperabilidade e a qualidade [1]:
  • Para Alta Fidelidade (Vigilância/Streaming): Opus (8/16 kHz), AAC-LC (8/16 kHz).
  • Para Compatibilidade com Telefonia (SIP): G.711 (PCM 8 kHz), G.726 (ADPCM 8 kHz).

2.3 Módulo de Integração e Controle de Acesso

Este módulo define como o I8116-E interage com outros sistemas, tanto física quanto logicamente.

• Controle de Acesso Físico: O I8116-E vai além de um simples intercomunicador e atua como um controlador de acesso de borda.

  • O relé integrado [1] pode ser usado para acionar diretamente uma fechadura elétrica ou uma porta automática.
  • As I/O configuráveis [1] podem ser ligadas a componentes como um botão de saída (Request-to-Exit) ou um sensor de estado da porta.
  • A interface RS485 [1] permite a integração direta com leitores de cartões que suportam OSDP (Open Supervised Device Protocol) [2]. Isto permite que um utilizador passe um cartão num leitor OSDP, e o I8116-E gere a autenticação e o desbloqueio da porta.

• Integração de Software e Rede (Protocolos):

  • SIP (Session Initiation Protocol): Este é o módulo central para a funcionalidade de intercomunicação [12]. O I8116-E pode atuar como um endpoint SIP, registrando-se num servidor IP-PBX (central telefônica IP) ou operando em modo peer-to-peer (P2P). O fluxo de usuário é o seguinte:
    1. Um visitante pressiona o botão de chamada no I8116-E.
    2. O dispositivo inicia uma chamada SIP (usando codecs G.711/G.726) para um destino pré-configurado (um videofone, um softphone de PC ou um aplicativo móvel).
    3. O destinatário atende a chamada, estabelecendo áudio e vídeo bidirecionais.
    4. Se o destinatário desejar abrir a porta, ele pressiona uma tecla no seu dispositivo (por exemplo, "1" ou "#").
    5. Esta ação envia um sinal DTMF (Dual-Tone Multi-Frequency) de volta para o I8116-E.
    6. O intercomunicador recebe este sinal DTMF, que aciona uma regra de evento interna, como "Toggle I/O once", ativando o relé e destrancando a porta.
  • ONVIF (Open Network Video Interface Forum): O I8116-E não é apenas um intercomunicador; é uma câmera de vigilância totalmente compatível com ONVIF [1]. Suporta os perfis S, G, T, e M [2]. A compatibilidade com ONVIF significa que qualquer Video Management System (VMS) de terceiros (como Milestone, Genetec, etc.) pode integrar o I8116-E como uma câmera padrão (Perfil S/T), gravar o seu stream de vídeo (Perfil G) e, o mais importante, receber os eventos de análise de IA (Perfil M) [2]. Esta interoperabilidade universal é crítica para a implantação em ecossistemas de segurança existentes.

2.4 Módulo de Sistema Operacional e Gerenciamento

O dispositivo opera no AXIS OS, um sistema operacional baseado em Linux, altamente otimizado e protegido pela própria Axis [17]. Toda a configuração é realizada através de uma interface web segura (HTTPS) [17] ou de ferramentas de gerenciamento centralizado como o AXIS Device Manager [18]. O sistema implementa um conjunto robusto de protocolos de segurança de rede, incluindo IEEE 802.1X (controle de acesso à porta baseado em certificados), HTTPS, e TLS 1.2/1.3 [1].

Seção 3: Tecnologias Críticas e Ecossistemas

Esta seção analisa os três pilares que definem o I8116-E como um dispositivo de borda estratégico: a sua capacidade de IA, a sua arquitetura de cibersegurança e a sua programabilidade.

3.1 Tecnologia Crítica 1: Inteligência Artificial na Borda (Edge AI)

Esta é a funcionalidade central habilitada pela sinergia entre o hardware da Ambarella e o software da Axis.

• O Hardware: CVflow como DLPU: Como estabelecido, o SoC CV25 [1] fornece a "Deep Learning Processing Unit (DLPU)" [1]. A arquitetura CVflow da Ambarella é otimizada para executar inferências de CNN/DNN com um consumo de energia muito baixo. O ecossistema da Ambarella inclui ferramentas que convertem redes neurais treinadas em formatos padrão (como Caffe, TensorFlow, ONNX) num binário otimizado para execução eficiente no seu hardware.
• O Software: AXIS Object Analytics: O I8116-E vem com o AXIS Object Analytics (AOA) pré-instalado [1]. Este é um aplicativo de software (provavelmente uma aplicação ACAP) que é executado na DLPU. Ele fornece detecção e classificação baseada em IA de humanos e veículos [12]. O AOA pode executar múltiplos cenários de análise simultaneamente, como "Objeto na Área", "Cruzamento de Linha", "Tempo na Área" e "Contagem" [1].

O valor da arquitetura de Edge AI torna-se claro quando se contrasta com a análise de vídeo tradicional, baseada em servidor:

• Modelo Tradicional (Baseado em Servidor): Um intercomunicador "burro" captura e comprime o stream de vídeo 5MP. Para analisar este vídeo (por exemplo, detetar vadiagem), o stream de 5MP deve ser enviado continuamente através da rede para um servidor VMS. Este servidor (que tem um custo de hardware e licenciamento significativos) deve então decodificar o stream H.265 e usar a sua própria CPU ou GPU para executar o software de análise de vídeo. Após a análise (com latência de rede e processamento), o servidor envia um alerta. Este processo tem um alto custo de largura de banda, alto custo de hardware e alta latência.
• Modelo Edge AI (AXIS I8116-E): O I8116-E, com a sua DLPU (CVflow), executa a análise na borda (on the edge) [1]. O stream de vídeo 5MP é analisado dentro do dispositivo.
  • Implicação de Eficiência: O dispositivo não precisa de transmitir o vídeo 5MP. Em vez disso, ele envia apenas os metadados do evento (via ONVIF Profile M [2]) – um pacote de dados de alguns bytes que diz: "Objeto 'Humano' detectado na 'Área de Vadiagem' às 14:32:05". Isto reduz a largura de banda da rede necessária para a análise em mais de 99%.
  • Implicação de Tempo Real: A deteção é instantânea. A regra de evento [16] pode ser acionada em milissegundos, permitindo ações em tempo real (por exemplo, acender uma luz, reproduzir um aviso de áudio antes que a pessoa toque a campainha).
  • Implicação de Privacidade: O vídeo bruto pode nunca sair do dispositivo. Apenas os metadados anônimos ("um humano detectado") são enviados, ajudando a cumprir regulamentos de privacidade como o GDPR.

A combinação CV25+AOA transforma o intercomunicador de um sensor passivo num vigia ativo e inteligente que toma decisões localmente.

3.2 Tecnologia Crítica 2: Plataforma de Cibersegurança (Axis Edge Vault)

Numa era de botnets de IoT, a segurança de dispositivos de borda é primordial. O Axis Edge Vault é a resposta arquitetônica da Axis a esta ameaça [1]. Não é um único software, mas uma plataforma de segurança de múltiplas camadas, baseada em hardware, que protege o dispositivo desde a fabricação até à operação.

• Camada 1: Raiz de Confiança de Hardware (Habilitada pelo CV25): A segurança começa no silício. O processo utiliza os recursos do SoC CV25, especificamente o Secure Boot. Na inicialização, o Boot ROM do SoC (uma raiz de confiança imutável) verifica a assinatura criptográfica do bootloader. Este, por sua vez, verifica a assinatura do kernel do AXIS OS. Este processo, conhecido como Firmware Assinado, garante que apenas o firmware autêntico e não adulterado da Axis possa ser executado no dispositivo. Qualquer tentativa de carregar firmware malicioso falhará na verificação da assinatura.
• Camada 2: Identidade do Dispositivo à Prova de Adulteração: Durante a fabricação, a Axis provisiona um certificado de dispositivo exclusivo, o Axis Device ID, em cada I8116-E. Este ID é compatível com o padrão IEEE 802.1AR, fornecendo uma identidade de dispositivo infalsificável.
• Camada 3: Armazenamento Seguro de Chaves (Secure Keystore): A identidade do dispositivo (Axis Device ID) e outras chaves criptográficas sensíveis (como as chaves privadas para HTTPS ou autenticação de rede 802.1X) não são armazenadas no sistema de arquivos Flash (onde poderiam ser lidas por um atacante). Elas são armazenadas num "ambiente à prova de adulteração" (tamper-protected environment). Este "Secure Keystore" é implementado usando a tecnologia Arm® TrustZone® fornecida pelo SoC CV25. O TrustZone cria um "Ambiente de Execução Confiável" (TEE) – uma área segura e isolada do processador – que protege segredos e realiza operações criptográficas, mesmo que o sistema operacional principal (AXIS OS) esteja comprometido.

As implicações para um projeto de integração são profundas. O Axis Device ID permite o "embarque seguro" (secure onboarding), onde o intercomunicador pode provar a sua identidade por hardware a uma rede empresarial usando IEEE 802.1X (EAP-TLS) [1]. Além disso, o Edge Vault suporta "vídeo assinado" [22], que pode provar criptograficamente que um clipe de vídeo se originou do I8116-E e não foi adulterado, estabelecendo uma cadeia de custódia forense.

3.3 Tecnologia Crítica 3: O Ecossistema de Interoperabilidade e Desenvolvimento

O I8116-E não é uma "caixa preta" proprietária; é uma plataforma de desenvolvimento aberta.

• Interoperabilidade (APIs de Alto Nível): Como mencionado, o suporte a ONVIF (Perfis S, G, T, M) [2] garante a integração universal com VMS, e o suporte a SIP [2] garante a integração com sistemas de telefonia IP.
• Plataforma de Desenvolvimento de Aplicações (ACAP): A AXIS Camera Application Platform (ACAP) [1] é um SDK (Software Development Kit) aberto que permite a desenvolvedores terceiros criar e instalar as suas próprias aplicações que são executadas diretamente no dispositivo. O AXIS Object Analytics é, ele próprio, uma aplicação ACAP. O ACAP dá aos desenvolvedores acesso direto à aceleração de hardware [25] — ou seja, acesso à DLPU (CVflow) do CV25.
  • Implicação no Projeto: Um desenvolvedor pode usar o SDK ACAP (distribuído através de contêineres Docker [25]) para criar uma aplicação personalizada (por exemplo, em C++ ou Python) que utilize a DLPU para executar um modelo de IA personalizado, como reconhecimento facial, leitura de placas de licença (LPR) ou deteção de equipamentos de proteção individual (EPI). O I8116-E não é apenas um consumidor de IA; é uma plataforma para implantar IA personalizada na borda.
• Protocolo de Integração de Software (VAPIX): O VAPIX [28] é a API de controle HTTP/RTSP nativa e madura da Axis. Enquanto o ONVIF fornece interoperabilidade básica, o VAPIX fornece controle granular sobre todos os aspectos do dispositivo. Um desenvolvedor pode usar comandos VAPIX (essencialmente URLs de CGI ou API RESTful) para, por exemplo, solicitar um snapshot JPEG (/axis-cgi/jpg/image.cgi) [30], acionar o relé, alterar configurações de rede [18] ou obter streams de áudio/vídeo via RTSP [31].

Para um projeto de integração, existem dois caminhos de desenvolvimento claros:

1. Nível do Dispositivo (ACAP): Escrever código que é executado dentro do intercomunicador para análise de vídeo/áudio em tempo real e acesso de baixo nível ao hardware (como a DLPU).
2. Nível do Sistema (VAPIX): Escrever um script ou aplicação de servidor (em qualquer linguagem) que controla o intercomunicador remotamente através da rede usando chamadas de API VAPIX.

Seção 4: Conclusão - Síntese da Arquitetura do Projeto

A análise do AXIS I8116-E Network Video Intercom (Imagem 2) revela um dispositivo de borda (edge device) moderno, cuja arquitetura é uma fusão estratégica de hardware de processamento avançado e um ecossistema de software maduro. A sua funcionalidade não deve ser avaliada como a de um intercomunicador tradicional, mas sim como a de um nó de computação de borda.

A arquitetura do sistema pode ser sintetizada nos seguintes pontos-chave:

• Fundação de Hardware Estratégica: O sistema é construído sobre o SoC Ambarella CV25 (Imagem 1) [1]. Este SoC foi selecionado não apenas pela sua CPU ou codificador de vídeo, mas especificamente pela sua arquitetura de IA de baixo consumo, CVflow®, e pelos seus primitivos de segurança de hardware (Secure Boot, TrustZone).
• Inteligência de Software Descarregada: A Axis aproveita o hardware CVflow, rotulando-o como a DLPU (Deep Learning Processing Unit) [2]. Este acelerador de hardware é usado para executar o software de análise de IA, AXIS Object Analytics [1], diretamente na borda. Isto permite uma análise de vídeo em tempo real, eficiente em termos de largura de banda e que preserva a privacidade, sem a necessidade de servidores de análise centralizados.
• Fortaleza de Segurança Baseada em Hardware: A Axis constrói sobre os primitivos de silício do CV25 para implementar a sua plataforma de cibersegurança Axis Edge Vault. Esta abordagem cria uma raiz de confiança de hardware, uma identidade de dispositivo infalsificável (compatível com IEEE 802.1AR) e um armazenamento de chaves criptográficas seguro (baseado em TEE), resultando num dispositivo que é comprovadamente seguro desde a sua inicialização.
• Plataforma Aberta e Programável: O dispositivo expõe a sua funcionalidade através de padrões abertos universais, como SIP [2] e ONVIF (incluindo o Perfil M para metadados de IA) [2], para uma integração "ampla". Simultaneamente, oferece APIs profundas (VAPIX [28]) e um SDK de nível de hardware (ACAP [25]) para uma integração "profunda" e o desenvolvimento de IA personalizada.

Para um desenvolvedor de projeto, o AXIS I8116-E não deve ser tratado como um simples periférico de entrada/saída, mas sim como um nó de computação de borda de IA, seguro, programável e de alto desempenho, disfarçado de intercomunicador.

Referências

• AXIS I8116-E Datasheet. Disponível em: https://www.axis.com/dam/public/15/05/67/datasheet-axis-i8116-e-network-video-intercom-en-US-410819.pdf

• AXIS A8105-E Datasheet. Disponível em: https://www.axis.com/dam/public/92/6b/a5/datasheet-axis-a8105-e-pt-BR-337293.pdf

• Axis Communications AB. AXIS I8116-E. Disponível em: https://www.axis.com/products/axis-i8116-e. Acesso em: 05 nov. 2025.

• Axis Communications AB. WDR, Wide Dynamic Range. Disponível em: https://www.axis.com/pt-br/solutions/wide-dynamic-range-wdr

• BHPHOTOVIDEO. AXIS I8116-E. Disponível em: https://www.bhphotovideo.com/c/product/1793446-REG/axis_communications_02409_001_i8116_e_network_video_intercom.html?gad_campaignid=21973659102&gad_source=1&gbraid=0AAAAAD7yMh3K5eox2hUY-07czoPtAJBtN&gclid=CjwKCAiAt8bIBhBpEiwAzH1w6bVY94UPMGkyNhEVMFqNIwoCtwbrGxtoQasMq44_Kkyf8TOfn9qgKhoCDAoQAvD_BwE. Acesso em: 09 nov. 2025.

• EBAY. AXIS I8105-E. Disponível em: https://www.ebay.com/p/19035041362?iid=267164533591. Acesso em: 10 nov. 2025.

• Amazon.com. Ring Baterry Doorbell Pro. Disponível em: https://www.amazon.com/dp/B0B2BY4ZG7?ref_=MARS_NAVSTRIPE_desktop_ring_doorbell_batt_pro&th=1 Acessso em: 10 nov. 2025.

• Amazon.com. Ring Wired Doorbell Plus. Disponível em: https://www.amazon.com/Ring-Wired-Doorbell-Newest-Model/dp/B0FN6YGLZ5?ref_=ast_sto_dp&th=1. Acesso em: 10 nov. 2025.

• AOSU. Video Doorbell Ultra. Disponível em: https://www.aosulife.com/products/aosu-doorbell?srsltid=AfmBOoooe11W_Lo4B2wYYPnlpYCBUol0p5IeTQ0bH7c6Lt2Dx9LpIbRH. Acesso em: 10 nov. 2025.

• AOSU. Video Doorbell Pro. Disponível em: https://www.aosulife.com/products/aosu-doorbell?srsltid=AfmBOoooe11W_Lo4B2wYYPnlpYCBUol0p5IeTQ0bH7c6Lt2Dx9LpIbRH Acesso 10 nov. 2025.

• Tecnoblog. O que é SoC e como funciona o conjunto de processadores do seu smartphone. Disponível em: https://tecnoblog.net/responde/o-que-e-um-soc-system-on-a-chip/. Acesso em: 05 nov. 2025.

• Ambarella. Ambarella Introduces CV25 SoC with CVflow™ Computer Vision to Enable the Next Generation of Mainstream Intelligent Cameras. Disponível em: https://www.ambarella.com/news/ambarella-introduces-cv25-soc-with-cvflow-computer-vision-to-enable-the-next-generation-of-mainstream-intelligent-cameras/. Acesso em: 05 nov. 2025.

• Axis Communications. Wide Dynamic Range (WDR) – Technology Overview. Axis Communications AB, 2022. Disponivel em: https://whitepapers.axis.com/en-us/wide-dynamic-range#wide-dynamic-range-scenes. Acesso em: 05 nov. 2025.

• Axis Communications. VAPIX Documentation. Disponível em: https://developer.axis.com/vapix/. Acesso em: 05 nov. 2025.

[1] Axis Communications. AXIS I8116-E Network Video Intercom Datasheet. Disponível em: https://www.axis.com/dam/public/15/05/67/datasheet-axis-i8116-e-network-video-intercom-en-US-410819.pdf

[2] Axis Communications. Página do Produto AXIS I8116-E. Disponível em: https://www.axis.com/products/axis-i8116-e

[3] Ambarella, Inc. Ambarella Introduces CV25 SoC with CVflow™ Computer Vision. Disponível em: https://www.ambarella.com/news/ambarella-introduces-cv25-soc-with-cvflow-computer-vision-to-enable-the-next-generation-of-mainstream-intelligent-cameras/

[5] Ambarella, Inc. CV25 Product Page. Disponível em: https://www.ambarella.com/product/cv25/

[12] Axis Communications. AXIS Object Analytics. Disponível em: https://www.axis.com/products/axis-object-analytics

[13] Axis Communications. Axis Edge Vault. Disponível em: https://www.axis.com/products/axis-edge-vault

[16] IETF. RFC 4733: RTP Payload for DTMF Digits, Telephony Tones, and Telephony Signals. Disponível em: https://datatracker.ietf.org/doc/html/rfc4733

[17] Axis Communications. AXIS OS. Disponível em: https://www.axis.com/products/axis-os

[18] Axis Communications. AXIS Device Manager. Disponível em: https://www.axis.com/products/axis-device-manager

[22] Axis Communications. Signed Video White Paper. Disponível em: https://www.axis.com/learning/white-papers/signed-video

[25] Axis Communications. AXIS Camera Application Platform (ACAP). Disponível em: https://www.axis.com/products/acap

[28] Axis Communications. VAPIX Library. Disponível em: https://www.axis.com/developer-community/vapix-library

[30] Axis Communications. VAPIX Documentation. Disponível em: https://www.axis.com/developer-community/documentation

[31] Axis Communications. VAPIX Documentation. Disponível em: https://www.axis.com/developer-community/documentation

Pesquisa Bibliográfica

Esta seção apresenta uma síntese de artigos e fontes que detalham as tecnologias e aplicações do produto, com base na pesquisa bibliográfica fornecida.

Artigos sobre as Tecnologias do Produto

1. Análise de IA na Borda (Edge AI) e Processamento no Dispositivo

A análise de IA na borda representa uma mudança de paradigma em relação ao processamento tradicional na nuvem. Ao executar algoritmos diretamente no dispositivo, o sistema reduz a latência, o consumo de largura de banda e os custos de infraestrutura, além de aumentar a privacidade e a segurança dos dados [1, 2]. Isso é possível graças a hardware dedicado, como as Unidades de Processamento de Aprendizado Profundo (DLPUs), presentes em SoCs modernos [3, 4]. Um exemplo prático é o AXIS Object Analytics (AOA), que classifica objetos (humanos, veículos) em tempo real para minimizar falsos alarmes, um problema crônico em sistemas baseados em detecção de movimento por pixels [4, 5]. Além disso, plataformas como a AXIS Camera Application Platform (ACAP) transformam a câmera em um dispositivo de computação aberto, permitindo que desenvolvedores terceirizados criem e instalem aplicações customizadas, como reconhecimento facial [6, 8]. Fontes: [1], [2], [3], [4], [5], [6], [8]

2. A Arquitetura de Cibersegurança e Raiz de Confiança de Hardware (RoT)

Com a proliferação de dispositivos IoT, a cibersegurança tornou-se um pilar fundamental [12, 13]. Uma única câmera vulnerável pode comprometer toda uma rede. Para mitigar esse risco, arquiteturas de segurança robustas são construídas sobre uma Raiz de Confiança de Hardware (RoT), uma base imutável que garante a integridade do sistema desde a inicialização [14, 15]. Componentes como Secure Boot, firmware assinado e Trusted Execution Environments (TEE) são essenciais. O Axis Edge Vault é um exemplo de implementação que utiliza esses mecanismos para criar uma cadeia de confiança ininterrupta [17]. Durante a inicialização, o sistema verifica criptograficamente a assinatura de cada componente de software, impedindo a execução de firmware malicioso. A identidade do dispositivo é protegida por um certificado armazenado em um keystore seguro, à prova de adulteração, garantindo que o dispositivo seja autêntico e confiável na rede [17, 18, 19]. Fontes: [12], [13], [14], [15], [16], [17], [18], [19], [21], [22], [23]

Artigos sobre Aplicação e Uso do Produto

3. Segurança Proativa: Análise de Comportamento em Pontos de Entrada

A IA na borda permite uma transição da segurança reativa (análise de vídeo após um incidente) para a segurança proativa [48]. A monitorização humana é ineficaz a longo prazo devido à fadiga, e sistemas antigos geram excesso de falsos alarmes [49, 50]. A análise de IA moderna resolve isso ao classificar objetos de forma inteligente antes de aplicar regras de detecção, filtrando eventos irrelevantes (como animais ou sombras) e restaurando a confiança nos alertas [4, 51]. Casos de uso como detecção de vadiagem (loitering) e cruzamento de linha permitem que o sistema identifique comportamentos suspeitos em tempo real [52, 51]. Isso possibilita a criação de fluxos de trabalho automatizados, onde uma detecção pode acionar alertas, gravações e dissuasão por áudio ("Você está em uma área restrita"). Esse ciclo de "Detectar > Deter > Responder" transforma operadores de segurança de observadores passivos em respondedores ativos. Fontes: [48], [49], [50], [51], [52], [53], [54]

4. Controle de Acesso Unificado: Integrando Intercomunicação, VMS e Identidade

A migração de sistemas analógicos proprietários para soluções baseadas em IP aberto revolucionou o controle de acesso [55]. Sistemas IP utilizam cabeamento de rede padrão, são escaláveis e permitem a integração de componentes de diferentes fabricantes ("best-of-breed"), algo impossível em ecossistemas fechados [57, 58, 59]. Essa arquitetura aberta permite unificar o intercomunicador de vídeo, o sistema de controle de acesso e o software de gerenciamento de vídeo (VMS) em uma única plataforma. O estudo de caso do edifício Opus One ilustra essa integração: um intercomunicador lida com visitantes, um sistema de controle de acesso gerencia funcionários com credenciais, e o VMS registra todos os eventos, fornecendo uma camada de auditoria completa [61, 62, 63]. A integração pode ser aprofundada com reconhecimento facial, onde a própria câmera atua como leitor de credencial para liberar o acesso [3]. Fontes: [3], [55], [57], [58], [59], [61], [62], [63]

5. Design and implementation of an advanced MQTT broker for distributed pub/sub scenarios

O artigo “Design and Implementation of an Advanced MQTT Broker for Distributed Pub/Sub Scenarios” propõe uma arquitetura distribuída para o protocolo MQTT, superando as limitações do modelo centralizado tradicional. A solução permite que múltiplos brokers cooperem entre si, com mecanismos de descoberta, recuperação de falhas e roteamento baseado em tópicos, formando redes sobrepostas (overlay networks) que conectam apenas os brokers com interesses comuns. Implementada como extensão do HiveMQ, a abordagem demonstrou melhor escalabilidade, eficiência e tolerância a falhas em cenários com grande número de publicadores, assinantes e tópicos, tornando o MQTT mais adequado para aplicações IoT de larga escala. Link do artigo

6. AES Encrypted Real-Time Video Stream and Image Transmission from ESP32-CAM

O artigo “AES Encrypted Real-Time Video Stream and Image Transmission from ESP32-CAM” apresenta uma solução para aumentar a segurança na transmissão de vídeo em tempo real usando o módulo ESP32-CAM. O estudo implementa criptografia AES para proteger os dados enviados ao servidor local, onde são descriptografados e exibidos ao usuário. Essa abordagem garante maior confidencialidade e integridade no fluxo de vídeo, reduzindo vulnerabilidades durante a transmissão. O trabalho destaca a importância de aplicar métodos de criptografia em sistemas embarcados de vídeo, especialmente diante da escassez de pesquisas voltadas à segurança em transmissões em tempo real. Link do artigo

7. SmartGuard: An IoT-based Home Surveillance System using ESP32-CAM and Telegram

O artigo “SmartGuard: An IoT-based Home Surveillance System using ESP32-CAM and Telegram” apresenta o desenvolvimento de um sistema de vigilância residencial acessível e eficiente baseado em IoT, utilizando o módulo ESP32-CAM para captura de imagens e vídeos em tempo real. O sistema se destaca pela simplicidade de instalação e pela integração direta com o aplicativo Telegram, permitindo alertas instantâneos e visualização remota sem necessidade de hardware adicional ou configurações complexas. Além de oferecer baixo consumo de energia e operação contínua, o SmartGuard demonstra como soluções IoT podem combinar segurança, praticidade e sustentabilidade em monitoramento doméstico. Link do artigo

8. tSIP: A Lightweight SIP-Based Messaging Protocol for Resource-Constrained Embedded Devices

O artigo “tSIP: A Lightweight SIP-Based Messaging Protocol for Resource-Constrained Embedded Devices” apresenta o tSIP, uma versão simplificada do protocolo SIP voltada para dispositivos embarcados com recursos limitados. Inserido no conceito de Phone of Things (PoT), o tSIP permite comunicação ponto a ponto entre dispositivos IoT e integração com infraestruturas de telefonia e VoIP existentes, por meio de mensagens compactas e de baixo custo computacional. O protocolo pode ser traduzido para SIP padrão via um proxy, facilitando a interoperabilidade com sistemas de Comunicações Unificadas (UC). O estudo descreve sua arquitetura, codificação e desempenho em dispositivos embarcados, mostrando o potencial do tSIP para ampliar a conectividade e o controle de dispositivos IoT dentro de ecossistemas de comunicação já consolidados. Link do artigo