히크비전 관란의 새로운 인코딩 기술이 저장 공간 문제를 해결하고, 영상의 핵심 가치를 실현합니다

영상은 이제 보안 예방 및 운영 의사결정을 위한 핵심 데이터 기반이 되었습니다. 그러나 이 데이터 홍수 뒤에는 ‘저장 공간 문제’가 있습니다. 연구에 따르면, 약 70%의 감시 영상이 정지 또는 낮은 가치의 이미지이며, 이를 유의미한 콘텐츠와 혼합해 저장하면 저장 자원을 낭비할 뿐 아니라 하드웨어 구매 및 데이터센터 운영·유지보수의 종합 비용도 증가시킵니다.

보안 산업의 기술 진화를 이끄는 핵심 동력으로서, 히크비전은 ‘영상의 핵심 가치 탐구’라는 철학을 바탕으로 20여 년 이상 산업 혁신을 지속적으로 주도해 왔다. 최근 출시된 관란(Guanlan) 코딩 신기술은 산업에 대한 심층적 통찰과 인공지능 기반의 정밀 코딩 로직을 바탕으로, ‘영상 품질과 저장 효율을 동시에 달성할 수 없다’는 업계 고정관념을 깨뜨렸으며, 수천 개 산업 분야에 ‘효율은 유지하면서 비용은 절감하는’ 저장 최적화 솔루션을 제공한다.

기술 축적: 20년이 넘는 현장 프로젝트 경험을 통해 핵심 역량을 다듬어 왔다.

히크비전의 영상 가치 탐구는 오랜 기간의 기술 반복 개선과 현장 프로젝트 경험에서 비롯되었다.

2015년, 당사는 전방단 디바이스에 딥러닝 알고리즘을 세계 최초로 적용함으로써 보안 인공지능 시대를 열었다.

2017년, AI 클라우드 삼단계 아키텍처가 출시되어 '산재된 컴퓨팅 파워와 부족한 협업'이라는 고통 포인트를 해결하고, AI 도입을 위한 강력한 지원을 제공하였다.

2018년, AI 오픈 플랫폼이 출시되어 알고리즘 기반이 없는 고객들이 업종별 전용 알고리즘을 개발할 수 있도록 지원함으로써, 영상 인지 기술과 산업 응용 간의 심층적 융합을 촉진하였다.

2021년, 히크비전은 관란 대규모 모델 연구개발에 공식적으로 투자하여 '기초—산업—과제' 삼단계 체계를 구축하고, 영상 이해 알고리즘의 기반을 공고히 하였다.

'보이는 것'에 대한 기초 인지에서부터 '보이는 것'에 대한 정확한 표현, 그리고 '이해되는 것'에 대한 심층 해석에 이르기까지, 히크비전의 핵심 진화는 다섯 가지 차원에 집중된다.

·이미지 기반 구조화 라벨링에서 영상 기반 심층 의미 인지로의 업그레이드.

·단일 장면 판별 모델에서 시각 다중모달 대규모 모델로의 진화

·단말 측 분산 컴퓨팅 파워에서 클라우드-엣지 측 대규모 컴퓨팅 파워 배치로의 전환

·사람, 자동차 등 핵심 대상 인식에서 모든 범주에 걸친 롱테일 객체까지 포괄하는 확장

·태그 기반 필터링에서 의미 기반 인간-기계 다중모달 상호작용으로의 업그레이드

오랜 기간 동안 히크비전은 전 세계 수백만 고객을 위해 서비스해 왔으며, 교통, 금융, 산업단지, 의료 등 모든 실사용 시나리오에 깊이 관여해 왔다. 바로 이러한 실천에서 비롯되어 실천을 위한 기술 진화가 관란 코딩 기술 탄생의 든든한 토대가 되었다.

기술 업그레이드: AI 기반 강화를 통한 병목 현상 해소

업계의 주류 전통 인코딩 기술은 압축 강도를 동적으로 조정함으로써 30%~70%의 저장 공간 최적화를 달성할 수 있으나, 명백한 한계가 있다. 즉, 객체의 동적·정적 상태에 기반한 인식 방식은 풍경 속 낙엽이나 새처럼 비중요한 동적 객체를 오인식하기 쉬우며, 조명 변화 역시 성능에 영향을 미친다. 따라서 창고나 복도와 같은 단순 정적 장면에만 적합하다.

히크비전의 관란 인코딩 기술은 관란 대형 모델의 심층 이해 능력과 픽셀 수준 세그멘테이션 기술을 융합하여 ‘지능형 인식 → 정확한 ROI 분할 → 차별화된 인코딩’이라는 전 과정 최적화 시스템을 구축함으로써 저장 효율과 화질 품질 간 이중 협업을 실현한다.

실제 테스트 데이터: 저장 효율에서 뚜렷한 개선

대형 모델 지원, 디지털 지능 고도화

자체 개발한 꾸안란 시각 모델의 지원을 통해 사람, 차량, 비모터화 차량 등 고가치 핵심 대상을 정확히 분석할 수 있다. 인식 정확도는 기존 알고리즘 대비 현저히 향상되었으며, 최대 64개 대상까지 동시 인식을 지원한다.

정밀한 ROI 보호 분할 기술을 활용해 전경 대상과 배경 영역을 정확히 분리한다: 전경은 세부 정보를 완전히 보존하기 위해 일반 인코딩 방식을 사용하고, 배경은 저장 용량 절감을 위해 효율적인 압축을 수행하며, 최종적으로 표준을 충족하는 비트스트림을 출력하여 화질과 효율 사이에서 균형을 이룬다. 인간과 기계 간 비대상 영역의 화질이 유사하게 유지되는 전제 하에, 비트레이트를 20%에서 90%까지 절감할 수 있다.

장면 인지 기능으로 전체 장면에 동적으로 적응

히크비전 관란의 코딩 기술은 '장면 인지'를 기반으로 하며, 동적 및 정적 인지의 조화로운 작동에 의존해 장면 복잡도에 따라 자동으로 조정되는 지능형 코딩 시스템을 구축합니다.

· 동적 인지: 장면의 움직임 진폭과 세부 밀도를 실시간으로 감지하여 최대 비트율(MaxBps) 백분율에 따라 리소스를 할당함으로써 복잡한 장면에서도 손실 없는 영상 품질을 보장합니다.

· 정적 인지: 정지 또는 낮은 동적 변화가 있는 영상에는 반복 프레임 인코딩을 적용하며, 프레임당 수십 바이트만 사용해 저장 비용 최적화를 극대화합니다.

예를 들어 공원 출입구 장면에서는 아침 러시아워에 고비트율로 세부 정보를 복원하고, 야간에는 화질과 효율 사이에서 50% 균형을 유지하며, 새벽 시간대에는 10% 압축을 적용해 저장 공간 절약을 극대화합니다. 장면 복잡도에 따라 동적으로 적응함으로써 코딩 리소스를 정확하게 할당할 수 있습니다.

관란 인코딩 — 비용, 전력, 공간 모두 절약

2000개 루트, 1080P@2Mbps 규모 기준으로 90일 저장을 예로 들면, 전통적인 코딩 방식에 비해 관란 코딩 기술은 하드디스크 수를 60% 줄이고, 데이터센터 공간을 60% 절약하며, 5년간 전기요금을 50% 감소시킨다. 이는 프로젝트 비용을 크게 낮추고, 진정한 ‘효율 저하 없이 비용 절감’을 실현한다.

심층 학습의 도입에서 완전히 구조화된 데이터의 적용, 그리고 관란 코딩 기술의 출시에 이르기까지, 히크비전은 끊임없이 ‘영상이 더 큰 가치를 창출하도록 한다’는 비전을 실천하며 보안 산업을 ‘수동적 녹화’에서 ‘능동적 지능’으로 진화시키는 데 기여하고 있다. AI와 코딩 기술을 심층적으로 융합함으로써 영상 데이터는 ‘대량의 중복’에서 ‘정밀성과 효율성’으로 전환되며, 수천 개 산업의 지능형 업그레이드에 새로운 동력을 불어넣는다.

현재 관란 코딩 기술은 히크비전의 프론트엔드 및 백엔드 제품에 적용되었으며 곧 출시될 예정입니다. 기대해 주세요!