ویدئو به پایهٔ اصلی دادهها برای پیشگیری از تهدیدات امنیتی و تصمیمگیریهای عملیاتی تبدیل شده است. اما در پس سیلبندهٔ دادهها، «معضل ذخیرهسازی» قرار دارد: پژوهشها نشان میدهند که حدود ۷۰ درصد از ویدئوهای نظارتی، تصاویر ثابت یا کمارزش هستند و ترکیب این تصاویر با محتوای مؤثر، نهتنها منابع ذخیرهسازی را هدر میدهد، بلکه هزینهٔ جامع تهیهٔ سختافزار و نگهداری و بهرهبرداری از مراکز داده را نیز افزایش میدهد.
بهعنوان نیروی محرکهی تحول فناوری در صنعت امنیت، هیکویژن بیش از بیست سال است که با تمرکز بر «کشف ارزش اصلی ویدئوها»، بهطور مداوم نوآوریهای صنعتی را پیش میبرد. فناوری جدید رمزگذاری گوانلان که اخیراً منتشر شده است، با درک عمیق از نیازهای صنعت و منطق دقیق رمزگذاری مبتنی بر هوش مصنوعی، لعنت صنعتیِ «همزماننبودن کیفیت تصویر و کارایی ذخیرهسازی» را شکسته و راهحلهای بهینهسازی ذخیرهسازی را ارائه میدهد که «هزینهها را کاهش میدهند بدون آنکه کارایی کاسته شود» برای هزاران صنعت.
انباشت فنی: بیش از بیست سال تجربهی پروژهای، تواناییهای اصلی را تقویت کرده است.
کاوش هیکویژن دربارهی ارزش ویدئوها از تکرارهای فناوری و تجربههای پروژهای طولانیمدت نشأت گرفته است:
در سال ۲۰۱۵، ما اولین کسی بودیم که الگوریتمهای یادگیری عمیق را در دستگاههای انتهایی ادغام کردیم و عصر هوش مصنوعی در حوزهی امنیت را آغاز نمودیم.
در سال ۲۰۱۷، معماری سهلایه ابر هوش مصنوعی راهاندازی شد که نقاط دردناک «پراکندگی توان محاسباتی و همکاری ناکافی» را برطرف کرد و حمایت قویای برای اجرای فناوری هوش مصنوعی فراهم نمود.
در سال ۲۰۱۸، یک پلتفرم باز هوش مصنوعی راهاندازی شد تا به مشتریانی که هیچ الگوریتمی ندارند در توسعه الگوریتمهای اختصاصی صنعتی کمک کند و ادغام عمیقتر فناوری درک تصویری و کاربردهای صنعتی را تسهیل نماید.
در سال ۲۰۲۱، شرکت هیکویژن بهطور رسمی در تحقیق و توسعه مدل بزرگ گوانلان سرمایهگذاری کرد و سیستم سهسطحی «بنیادی، صنعتی، وظیفهمحور» را ایجاد نمود و پایههای الگوریتمهای درک تصویری را تقویت کرد.
از درک پایهای «قابلدیدن» تا ارائه دقیق «قابلدیدن» و سپس تفسیر عمیق «قابلدرک»، تحول هستهای هیکویژن بر پنج بعد متمرکز است:
· ارتقای برچسبهای ساختاریافته تصویر به درک معنایی عمیق ویدئو.
· از مدل تشخیصدهندهٔ تکصحنه به سوی مدل بزرگ چندوجهی بصری حرکت کنید.
· از توزیع توان پردازشی در سمت دستگاههای پایانی به سوی استقرار مقیاسبالای توان پردازشی در سمت ابر و لبهٔ شبکه حرکت کنید.
· از شناسایی اهداف اصلی مانند افراد و خودروها به سوی پوشش اشیاء کمفراوان در تمام دستهبندیها گسترش یابد.
· از فیلترکردن مبتنی بر برچسبها به سوی تعامل معنایی چندوجهی انسان-ماشین ارتقا یابد.
سالهاست که شرکت Hikvision به میلیونها مشتری در سراسر جهان خدمت کرده و در تمام سناریوهایی چون حملونقل، امور مالی، پارکهای صنعتی و مراقبتهای بهداشتی و درمانی نقش عمیقی ایفا کرده است. این تکرار فناوری که از عملیات نشأت گرفته و برای استفادهٔ عملی طراحی شده، زیربنای محکمی برای ظهور فناوری رمزگذاری Guanlan فراهم کرده است.
ارتقاء فناوری: توانمندسازی با هوش مصنوعی، موانع را از میان میبرد
فناوری رمزگذاری سنتی رایج در این صنعت با تنظیم پویای نیروی فشردهسازی، قادر به دستیابی به بهینهسازی ذخیرهسازی در محدودهٔ ۳۰ تا ۷۰ درصد است؛ اما محدودیتهای آشکاری دارد: شناسایی بر اساس وضعیتهای پویا و ایستا اشیاء، اغلب منجر به شناسایی نادرست اشیاء پویای غیرضروری (مانند برگهایی که توسط باد حرکت میکنند یا پرندگان) میشود و تغییرات نور نیز میتواند بر عملکرد آن تأثیر بگذارد. این فناوری تنها برای صحنههای سادهٔ ایستا مانند انبارها و راهروها مناسب است.
فناوری رمزگذاری گوانلان شرکت هیکویژن، قابلیت درک عمیق مدل بزرگ گوانلان را با فناوری تقسیمبندی در سطح پیکسل ادغام کرده و سیستمی کامل از بهینهسازی را ایجاد نموده است که شامل «شناسایی هوشمند، تقسیمبندی دقیق منطقهٔ علاقه (ROI)، و رمزگذاری متفاوت» میشود و همکاری دوگانهای بین ظرفیت ذخیرهسازی و کیفیت تصویر برقرار میکند.

دادههای آزمون واقعی: بهبود چشمگیر در کارایی ذخیرهسازی
کمک مدل بزرگ، ارتقای دیجیتال و هوشمند
با حمایت مدل بصری خودتوسعهیافتهٔ «گوانلان»، ما میتوانیم اهداف کلیدی با ارزش بالا مانند افراد، وسایل نقلیه و وسایل نقلیهٔ غیرموتوری را بهدقت تحلیل کنیم. دقت شناسایی در مقایسه با الگوریتمهای سنتی بهطور قابلتوجهی افزایش یافته و امکان شناسایی همزمان تا ۶۴ هدف را فراهم میکند.
با استفاده از فناوری تفکیکبندی محافظت از ناحیهٔ علاقهمند (ROI) با دقت بالا، هدف پیشزمینه و ناحیهٔ پسزمینه بهدقت از یکدیگر جدا میشوند: برای پیشزمینه از روش رایج کدگذاری استفاده میشود تا جزئیات کامل حفظ شوند؛ برای پسزمینه فشردهسازی کارآمد اعمال میشود تا مصرف فضای ذخیرهسازی کاهش یابد؛ و در نهایت جریانهای بیتی مطابق با استانداردها تولید میشوند که کیفیت تصویر و کارایی را متعادل میکنند. در شرایطی که کیفیت نواحی غیرهدف از دید انسان و ماشین قابلمقایسه باشد، نرخ بیت تا ۲۰ تا ۹۰ درصد کاهش مییابد.
درک صحنه، با تطبیق پویا با کل صحنه
فناوری کُدگذاری هیکویژن گوانلان بر پایهٔ «ادراک صحنه» است و یک سیستم هوشمند کُدگذاری پویا و سازگار ایجاد میکند که به عملکرد هماهنگ ادراک پویا و ایستا وابسته است:
· ادراک پویا: ثبت بلادرنگ دامنهٔ حرکت صحنه و تراکم جزئیات، و تخصیص منابع بر اساس درصد بیشینهٔ نرخ بیت (MaxBps) برای تضمین کیفیت تصویر بدون اتلاف در صحنههای پیچیده.
· ادراک ایستا: برای تصاویر ساکن یا کمحرکت، از کُدگذاری فریمهای تکراری استفاده میشود که تنها چند ده بایت برای هر فریم مصرف میکند و بهینهسازی هزینهٔ ذخیرهسازی را به حداکثر میرساند.
به عنوان مثال، در صحنههای ورودی و خروجی پارک: بازیابی جزئیات با نرخ بیت بالا در ساعات شلوغ صبحگاهی، تعادل ۵۰٪ بین کیفیت تصویر و کارایی در شب، و فشردهسازی ۱۰٪ در اوایل صبح برای حداکثر صرفهجویی در ظرفیت ذخیرهسازی. با سازگاری پویای پیچیدگی صحنه، تخصیص دقیق منابع کُدگذاری امکانپذیر میشود.

کُدگذاری گوانلان: صرفهجویی در پول، برق و فضا
با مقیاسگذاری ۲۰۰۰ مسیر و رزولوشن ۱۰۸۰P با نرخ بیت ۲ مگابیت بر ثانیه، بهعنوان مثال برای ذخیرهسازی ۹۰ روزه، طرح کدگذاری گوانلان در مقایسه با کدگذاری سنتی، تعداد دیسکهای سخت را ۶۰ درصد، فضای مرکز داده را ۶۰ درصد و صورتحساب برق پنجساله را ۵۰ درصد کاهش میدهد؛ این امر هزینههای پروژه را بهطور قابلتوجهی کاهش داده و واقعاً «کاهش هزینه بدون کاهش کارایی» را محقق میسازد.

از اجرای یادگیری عمیق تا کاربرد دادههای کاملاً ساختاریافته و سپس افشای فناوری کدگذاری گوانلان، شرکت هیکویژن بهطور مداوم به تعهد خود برای «تبدیل ویدئوها به ابزاری با ارزشتر» پایبند است و تحول صنعت امنیت را از «ضبط منفعل» به «هوش فعال» تسریع میکند. با ادغام عمیق هوش مصنوعی و کدگذاری، دادههای ویدئویی از حالت «اضافهبار گسترده» به «دقت و کارایی» تبدیل میشوند و انرژی جدیدی برای ارتقای هوشمند هزاران صنعت فراهم میکنند.
در حال حاضر، فناوری کُدگذاری گوانلان در محصولات پیشرو و پسرو شرکت هایکویژن به کار گرفته شده و به زودی رونمایی میشود. منتظر باشید!