Одним из главных направлений развития систем видеонаблюдения становится переход к периферийным вычислениям
Применительно к индустрии видеонаблюдения, использование периферийных вычислений в первую очередь означает обработку всех видеоданных на самой камере, а не на локальном или удалённом видеосервере. Благодаря последним достижениям в области компьютерных и полупроводниковых технологий, выпускаемые сегодня IP-видеокамеры имеют достаточную вычислительную мощность для того, чтобы эффективно обрабатывать поступающие видеоданные.
Аппаратные средства видеоаналитики в современных камерах видеонаблюдения позволяют осуществлять интеллектуальную обработку видеоизображения с помощью ИИ (искусственного интеллекта), нейронных сетей и глубинного обучения.
Такой подход несет в себе различные преимущества.
Минимальные требования к пропускной способности
Главное из них состоит в том, что обработка данных непосредственно на устройстве значительно снижает требования к пропускной способности сети. Ведь в этом случае от камеры передаются только результаты видеоанализа — метаданные, отдельные изображения, тревожные сигналы.
И это преимущество действительно трудно переоценить.
Дело в том, что во многих проектах по установке видеонаблюдения именно пропускная способность интернет-канала становится ограничивающим фактором. Поскольку традиционно вся обработка видеоизображения происходит на сервере, видеоданные необходимо предварительно туда каким-то образом доставить.
Такой поток данных создает серьезную нагрузку на сеть даже при наличии стабильного высокоскоростного подключения к интернету. При этом на многих объектах пропускная способность зачастую бывает недостаточной. Вследствие чего, приходится идти на компромиссы.
В этом случае, из-за недостаточной “ширины” канала связи, на сервер передается сильно пережатое видео. При обработке такого некачественного видеоизображения системами видеоаналитики значительно снижается качество их работы и точность детекции в целом.
Перемещение же обработки данных на оконечное устройство позволяет управлять тем, какие именно данные и в каком объёме будут передаваться по каналам связи с ограниченной пропускной способностью.
С помощью интеллектуальных алгоритмов обработки видео, работающих на камере, передается только определенная часть информации (например, лицо человека или скриншот транспортного средства), а не весь видеопоток. При этом обеспечивается высокое качество и точность распознавания.
Таким образом, обработка входных видеоданных на видеокамере несет очевидные плюсы.
Быстрая реакция на тревожные события
Второе важное преимущество обработки видеоданных на самой камере — сведение к минимуму задержки в обработке видео. Например, камера с аппаратным распознаванием лиц может сразу определить подозрительного или нежелательного человека на видео и отправить сигнал тревоги сотрудникам службы безопасности или уведомление оператору. Вместо того, чтобы сначала отправлять видеопоток на сервер, и затем осуществлять анализ изображения там. А потом ещё какое-то время дожидаться ответа с результатами обработки переданных видеоданных.
В случае, когда вся обработка видео происходит на сервере, существует высокая потенциальная вероятность пропустить критическое событие из-за задержки в передаче видеосигнала. Этот риск значительно снижается при использовании для видеонаблюдения камеры с аппаратной аналитикой.
В настоящее время, использование периферийных вычислений в системах видеонаблюдения получает все большее распространение среди конечных пользователей.
И время, затрачиваемое на передачу и обработки видео — это одна из главных причин. Например, передача данных из точек, где установлено оконечное оборудование в облако, занимает от 150 до 200 миллисекунд. А передача и обработка данных непосредственно на конечном устройстве — всего 10 миллисекунд.
Это позволяет камере с аппаратной видеоаналитикой более эффективно обнаруживать ситуации, требующие человеческого внимания. А оператору — быстро реагировать на них.
Именно это преимущество оказывается критически важным во многих отраслях, где применяются средства видеоаналитики. Например, при обеспечении безопасности на производстве.
Гибридный подход
Однако, несмотря на все вышесказанное, использование аппаратной видеоаналитики вовсе не означает полного отказа от облачных вычислений. Оптимальным решением для задач видеонаблюдения представляется совместное использование обеих технологий. И в самых передовых системах видеонаблюдения, использующих камеры со встроенной аппаратной видеоаналитикой, возможности периферийных вычислений дополняются функционалом, обеспечиваемым облачными сервисами.
В этом случае запись видео происходит локально, на сервер или видеорегистратор. А доступ к архиву осуществляется через облако. Что позволяет загружать, делиться и управлять видеозаписями удаленно из любой точки мира, где есть доступ в интернет.
Современные системы видеонаблюдения должны позволять извлекать все преимущества от использования такого подхода: сокращение издержек, снижение расходов на обслуживание оборудования и персонал и мобильность.
Поскольку сетевые видеокамеры, аудио устройства, а также другие датчики и сенсоры в оконечных устройствах становятся все более сложными и более качественными, они начинают представлять из себя все более и более мощный инструмент для анализа данных. Однако полностью обойтись без использования облака не представляется возможным — их преимущества в удобстве использования и мобильности очевидны. Поэтому перед разработчиками систем видеонаблюдения встает новая важная задача. А именно — необходимость найти грамотный баланс между использованием как облачных, так и периферийных вычислений.
На наш взгляд, ни одна из технологий не станет однозначным победителем в ближайшее время. Необходимо понимать, что эти решения не исключают, а дополняют друг друга. Поэтому лидирующие позиции на рынке займут компании, которые смогут создать сбалансированные решения для видеонаблюдения, эффективно сочетающие в себе все преимущества каждого из подходов.