Hikvision Guanlans nye kodningsteknologi løser lagerdilemmat og frigør videos kerneværdi

Video er blevet den centrale datagrundlag for sikkerhedsforebyggelse og driftsmæssige beslutningstagninger. Men bag datavandfaldet gemmer sig et «lagerdilemma»: Undersøgelser viser, at omkring 70 % af overvågningsvideoerne består af stille- eller lavværdibilleder, og at blandingen af disse med effektive indhold ikke kun spilder lagerressourcer, men også øger de samlede omkostninger ved hardwareanskaffelse samt datacenterdrift og vedligeholdelse.

Som en drivkraft bag den teknologiske udvikling inden for sikkerhedsbranchen har Hikvision i over 20 år konsekvent ført branchens innovation med fokus på »at udforske videos kerneværdi«. Den nyligt lancerede Guanlan-kodningsteknologi, der bygger på dyb indsigt i branchen og præcis, AI-drevet kodningslogik, bryder den branchemæssige forbandelse om, at »billedkvalitet og lagringseffektivitet ikke kan opnås samtidigt«, og tilbyder lagringsoptimeringsløsninger, der »reducerer omkostningerne uden at mindske effektiviteten«, til tusindvis af brancher.

Teknisk erfaring: Over 20 års projekterfaring har skærpet kernekvalifikationerne

Hikvisions udforskning af videos værdi udgår fra årsvis teknologisk iteration og projekterfaring:

I 2015 integrerede vi som første virksomhed dyb læring-algoritmer i front-end-enheder og indledte derved sikkerheds-AI-tiden.

I 2017 blev AI Clouds tre-niveau-arkitektur lanceret, hvilket løste problemerne med »spredt beregningskraft og utilstrækkelig samarbejdsevne« og gav stærk støtte til implementeringen af AI.

I 2018 blev en åben AI-platform lanceret for at hjælpe kunder uden algoritmekundskab med at udvikle eksklusive branchespecifikke algoritmer og fremme den dybe integration af videosansningsteknologi og industrielle anvendelser.

I 2021 investerede Hikvision officielt i forskning og udvikling af Guanlan-stormodellen og opbyggede et tredelt system af »grundlag, industri, opgave« samt styrkede grundlaget for videoerforståelsesalgoritmer.

Fra den grundlæggende sansning af »synlig« til den præcise fremstilling af »synlig« og derefter til den dybe fortolkning af »forståelig« fokuserer Hikvisions kerneudvikling på fem dimensioner:

· Opgradering fra strukturerede billedmærker til dyb semantisk videoforståelse.

·Gå fra en enkelt scenediskriminerende model til en visuel multimodal stor model.

·Skift fra distribueret beregningskraft på endesiden til udrulning af beregningskraft i stor skala på sky- og edge-siden.

·Udvid fra genkendelse af kerneobjekter såsom mennesker og biler til dækning af lang-hale-objekter på tværs af alle kategorier.

·Opgrader fra tagbaseret filtrering til semantisk menneske-maskine-multimodal interaktion.

I mange år har Hikvision betjent millioner af kunder verden over og har været dybt involveret i alle scenarier, herunder transport, finans, industriområder og sundhedsvæsen. Det er denne teknologiske iteration – som udgangspunkt i praksis og anvendt i praksis – der lægger et solidt fundament for fremkomsten af Guanlan-kodningsteknologien.

Teknologisk opgradering: AI-støtte bryder flaskehalse

Den almindelige traditionelle kodningsteknologi inden for branchen kan opnå en lageroptimering på 30 % til 70 % ved at justere komprimeringsgraden dynamisk, men den har tydelige begrænsninger: Genkendelse baseret på objekternes dynamiske og statiske tilstande er sårbart over for fejlgenkendelse af ikke-kritiske dynamiske objekter (f.eks. blade, der blæser i vinden, fugle osv.), og ændringer i belysningen kan også påvirke resultatet. Den er kun velegnet til simple statiske scener som lagerhaller og korridorer.

Hikvisions Guanlan-kodningsteknologi integrerer Guanlans store models dybe forståelsesevne med pixelniveau-segmenteringsteknologi for at skabe et fuldt kædeoptimeringssystem med »intelligent genkendelse, præcis ROI-segmentering og differentieret kodning«, hvilket opnår en dobbelt samarbejdseffekt mellem lagerkapacitet og billedkvalitet.

Faktiske testdata: markant forbedring af lagereffektiviteten

Støtte fra stort model, digital og intelligent opgradering

Med støtte fra vores selvudviklede Guanlan-visuelle model kan vi nøjagtigt analysere højt værdifulde nøglemål som mennesker, køretøjer og ikke-motoriserede køretøjer. Genkendelsesnøjagtigheden er betydeligt forbedret i forhold til traditionelle algoritmer, og den kan understøtte genkendelse af op til 64 mål samtidigt.

Ved at bruge avanceret ROI-beskyttelsessegmenteringsteknologi adskilles forgrundsmålet og baggrundsområdet præcist: Forgrunden bruger konventionel kodning for at sikre fuldstændige detaljer, mens baggrunden anvender effektiv komprimering for at reducere lagerpladsforbruget, og endelig genereres standardkonforme bitstrømme, der balancerer billedkvalitet og effektivitet. Under forudsætning af, at kvaliteten af ikke-mål er sammenlignelig for både mennesker og maskiner, kan bitraten reduceres med 20 % til 90 %.

Scenepopfattelse, dynamisk tilpasning til hele scenen

Hikvision Guanlans kodningsteknologi er baseret på »scenepåvisning« og opbygger et dynamisk tilpasset intelligent kodningssystem, der bygger på samarbejdet mellem dynamisk og statisk påvisning:

· Dynamisk påvisning: Realtime-optagelse af scenens bevægelsesamplitude og detaljetæthed, hvor ressourcerne allokeres i forhold til den maksimale bitrate (MaxBps) i procent for at sikre billedkvalitet uden tab i komplekse scener.

· Statisk påvisning: Gentagelsesrammekodning anvendes til stille eller lavt dynamiske billeder, med kun få tiere bytes pr. ramme, hvilket maksimerer optimeringen af lageromkostninger.

Tag som eksempel indgangs- og udgangsscenerne i parken: Høj bitrate til gengivelse af detaljer under morgenspidsen, 50 % balance mellem billedkvalitet og effektivitet om natten og 10 % kompression tidligt om morgenen for at maksimere besparelserne på lagerplads. Ved dynamisk tilpasning af scenens kompleksitet kan kodningsressourcerne allokeres præcist.

Guanlan-kodning: Besparelser på penge, strøm og plads

Med en skala på 2000 ruter og 1080P@2 Mbps, og med 90 dages lagring som eksempel, opnår Guanlan-kodningsskemaet i forhold til traditionel kodning en reduktion på 60 % af antallet af harddiske, en reduktion på 60 % af datacenterpladsen og en reduktion på 50 % af elregningen over 5 år – hvilket betydeligt nedsætter projektomkostningerne og faktisk opfylder målsætningen »omkostningsreduktion uden effektivitetsreduktion«.

Fra implementering af dyb læring til anvendelse af fuldstændigt strukturerede data og derefter til lanceringen af Guanlan-kodningsteknologi fortsætter Hikvision med at være dedikeret til målsætningen »at gøre videoer til en større værdi« og fremmer sikkerhedsbranchens udvikling fra »passiv optagelse« til »aktiv intelligens«. Ved dyb integration af AI og kodning kan videodata omdannes fra »massiv redundant« til »præcis og effektiv«, hvilket giver ny drivkraft til den intelligente opgradering af tusindvis af brancher.

I øjeblikket er Guanlan-kodningsteknologien blevet anvendt på Hikvisions front-end- og back-end-produkter og vil snart blive lanceret. Hold øje!