Hikvision Guanlans ny kodningsteknik löser lagringsdilemmat och frigör videos kärnvärde

Video har blivit den centrala datagrunden för säkerhetsförebyggande åtgärder och operativa beslutsfattande. Men bakom dataväldet finns ett "lagringsdilemma": studier visar att cirka 70 % av övervakningsvideorna fortfarande är stillbilder eller lågkvalitativa bilder, och att blanda dessa med effektiva innehåll inte bara slösar bort lagringsresurser utan också ökar de totala kostnaderna för hårdvaruinköp samt drift och underhåll av datacenter.

Som en drivkraft bakom den teknologiska utvecklingen inom säkerhetsbranschen har Hikvision under mer än 20 år kontinuerligt lett branschinnovationen med utgångspunkt i "utforskandet av videos kärnvärde". Den nyligen lanserade Guanlan-kodningstekniken, som bygger på djup insikt i branschen och AI-driven exakt kodningslogik, bryter den branschgemensamma förbannelsen "bildkvalitet och lagringseffektivitet kan inte uppnås samtidigt" och erbjuder lagringsoptimeringslösningar som "minskar kostnaderna utan att minska effektiviteten" för tusentals branscher.

Teknisk förvärvad kompetens: Mer än 20 års projektpraktik har skärpat kärnkompetenserna

Hikvisions utforskande av videos värde härrör från års lång teknologisk iteration och projektpraktik:

År 2015 var vi de första som integrerade algoritmer för djupinlärning i front-end-enheter, vilket inledde säkerhets-AI-eran.

År 2017 lanserades AI Clouds tre-nivåarkitektur, vilket löste problemen med »spridd beräkningskraft och otillräcklig samarbetsförmåga« och gav starkt stöd för genomförandet av AI.

År 2018 lanserades en öppen AI-plattform för att hjälpa kunder utan algoritmkompetens att utveckla exklusiva branschalgoritmer, vilket främjade den djupa integrationen av videoperceptionsteknik och industriella applikationer.

År 2021 investerade Hikvision officiellt i forskning och utveckling av Guanlan-stormodellen, byggde ett trestegssystem av »grundläggande industriuppgifter« och förstärkte grunden för videoförståelsealgoritmer.

Från grundläggande perception av »synligt« till exakt presentation av »synligt« och sedan till djup tolkning av »förståeligt« fokuserar Hikvisions kärnudveckling på fem dimensioner:

·Uppgradering från strukturerade bildetiketter till djup semantisk videoförståelse.

·Iterera från en enda scen-diskriminerande modell till en visuell multimodal stor modell.

·Skifta från distribuerad beräkningskraft på enhetssidan till distribution av storskalig beräkningskraft på moln- och kantsidan.

·Expandera från att känna igen kärnmål som människor och bilar till att täcka långa svansobjekt över alla kategorier.

·Uppgradera från taggbaserad filtrering till semantisk, människa-dator-multimodal interaktion.

Under många år har Hikvision betjänat miljontals kunder världen över och varit djupt involverad i alla scenarier, inklusive transport, finans, industriområden och vård. Det är denna teknologiska iteration – som utgår från praktiken och används i praktiken – som ligger till grund för Guanlan-kodningsteknikens uppkomst.

Teknologisk uppgradering: AI-stöd bryter igenom flaskhalsar

Den vanliga traditionella kodningstekniken inom branschen kan uppnå en lagringsoptimering på 30–70 % genom att dynamiskt justera kompressionsgraden, men den har tydliga begränsningar: identifiering baserad på objekts dynamiska och statiska tillstånd är benägen att felidentifiera icke-kritiska dynamiska objekt (till exempel löv som blåses av vinden, fåglar osv.), och förändringar i belysningen kan också påverka resultatet. Den är endast lämplig för enkla statiska scener, såsom lager och korridorer.

Hikvisions Guanlan-kodningsteknik integrerar Guanlans stora modells fördjupade förståelseförmåga med pixelnivåsegmenteringsteknik för att skapa ett helhetsoptimerat system för »intelligent identifiering, exakt ROI-segmentering och differentierad kodning«, vilket möjliggör dubbel samverkan mellan lagringskapacitet och bildkvalitet.

Verkliga testdata: betydande förbättring av lagringseffektiviteten

Stor modell som stöd, digital intelligensuppgradering

Med stöd av vår egenutvecklade Guanlan-visuella modell kan vi exakt analysera högvärda nyckelmål såsom människor, fordon och icke-motoriserade fordon. Erkänningsnoggrannheten är avsevärt förbättrad jämfört med traditionella algoritmer, och den kan stödja identifiering av upp till 64 mål samtidigt.

Genom användning av förfinad ROI-skyddssegmenteringsteknik separeras förgrundsmålet och bakgrundsområdet exakt: förgrunden använder konventionell kodning för att säkerställa fullständiga detaljer, medan bakgrunden genomför effektiv komprimering för att minska lagringsanvändningen, och slutligen genererar standardenliga bitströmmar som balanserar bildkvalitet och effektivitet. Under förutsättning att icke-målkvaliteten är jämförbar för både människor och maskiner kan bitraten minskas med 20–90 %.

Scenuppfattning, dynamisk anpassning till hela scenen

Hikvision Guanlans kodningsteknik bygger på "scenuppfattning" och skapar ett dynamiskt anpassat intelligent kodningssystem, som bygger på samordnad verksamhet mellan dynamisk och statisk uppfattning:

· Dynamisk uppfattning: Echtidinspelning av scenens rörelsamplitud och detaljtäthet, med resursallokering baserad på procentandelen av den maximala bitraten (MaxBps) för att säkerställa bildkvalitet utan förluster i komplexa scener.

· Statisk uppfattning: Upprepad ramkodning används för stillbilder eller bilder med låg dynamik, med endast några tiotal byte per ram, vilket maximerar optimeringen av lagringskostnader.

Som exempel kan vi ta ingångar och utgångar i en park: hög bitrat återställning av detaljer under morgonruschen, 50 % balans mellan bildkvalitet och effektivitet på natten samt 10 % komprimering på tidiga morgonen för att maximera besparingen på lagringsutrymme. Genom att dynamiskt anpassa kodningsresurserna efter scenens komplexitet kan en exakt allokeringsstrategi uppnås.

Guanlan-kodning – sparar pengar, el och utrymme

Med en skala på 2000 rutter och upplösning på 1080P@2Mbps, och med 90 dagars lagring som exempel, minskar Guanlan-kodningsschemat antalet hårddiskar med 60 %, datacenterutrymmet med 60 % och elkostnaderna under fem år med 50 % jämfört med traditionell kodning – vilket kraftigt minskar projekt kostnader och verkligen uppnår "kostnadsminskning utan effektivitetsminskning".

Från införandet av djupinlärning till användningen av fullständigt strukturerade data och sedan till lanseringen av Guanlan-kodningstekniken har Hikvision ständigt förbundit sig vid målet "att göra videor mer värdefulla" och främjar säkerhetsbranschens utveckling från "passiv inspelning" till "aktiv intelligens". Genom att integrera AI och kodning på djup nivå kan videodata omvandlas från "massiv redundans" till "precision och effektivitet", vilket ger ny drivkraft åt den intelligenta uppgraderingen inom tusentals branscher.

För närvarande har Guanlan-kodningstekniken tillämpats på Hikvisions fram- och baksidans produkter och kommer att lanseras inom kort. Följ med!