Эволюция интеллектуальных технологий видеонаблюдения продолжается ускоренными темпами. Как и во многих других отраслях, начало пандемии COVID-19 ускорило сроки, и мир видеонаблюдения с искусственным интеллектом (ИИ) продолжает свое впечатляющее развитие в 2021 году. По мере увеличения спроса на комплекты видеонаблюдения и использование ИИ для осмысления визуальных данных, количество видеокамер и получаемых последующих данных быстро растет, что вынуждает создавать новые периферийные архитектуры.

Камеры видеонаблюдения и искусственный интеллект в управлении движением

Кроме того, было разработано новое поколение «умных» сценариев использования. Например, в «умных городах» уличные IP камеры и искусственный интеллект анализируют схемы движения и регулируют светофоры, чтобы улучшить поток транспортных средств, уменьшить заторы и загрязнение окружающей среды, а также повысить безопасность пешеходов.

«Умные фабрики» могут использовать ИИ для обнаружения дефектов или отклонений в производственной линии в режиме текущего времени, корректировки для уменьшения ошибок и реализации действенных мер по обеспечению качества. В результате затраты могут быть весомо сокращены за счет автоматизации и раннего обнаружения неисправностей.

Эволюция умных систем видеонаблюдения

Эволюция интеллектуального видеонаблюдения также происходит вместе с другими достижениями в области технологий и данных, такими как 5G. Объединяя эти технологии, они влияют на то, как мы проектируем периферию. И они стимулируют спрос на специализированные хранилища. Ниже перечислены некоторые тенденции, которые можно наблюдать сегодня.

Чем больше объем, тем лучше качество. Объем и разнообразие камер видеонаблюдения продолжают расти с каждым новым достижением, привнося новые опции. Чем больше камер, тем больше можно увидеть и запечатлеть. Это может означать больший охват или больше углов. Это также означает, что можно снимать больше видео в текущем времени и использовать его для обучения ИИ. Качество также продолжает улучшаться с более высокими разрешениями (видео 4K и выше). Чем более детализировано видео, тем больше из него можно сделать выводы. И тем действеннее могут стать алгоритмы искусственного интеллекта. Кроме того, новые видеокамеры передают не только один видеопоток, но и дополнительные потоки с низким битрейтом, используемые для мониторинга с низкой пропускной способностью и сопоставления с образцом ИИ.

Умные камеры работают круглосуточно и без выходных. Независимо от того, используются ли они для управления дорожным движением, в системах безопасности или в производстве — многие из этих интеллектуальных IP камер видеонаблюдения работают 24 часа в сутки, 7 дней в неделю, 365 дней в году, что представляет собой уникальную проблему. Технология хранения должна быть в состоянии не отставать. Во-первых, хранилище эволюционировало, чтобы обеспечить повышенную скорость передачи данных и скорость записи данных, чтобы обеспечить впечатляющее качество захвата видео. А технология хранения на камере должна обеспечивать долговечность и надежность, критически важные для любого рабочего процесса.

Учет контекста при разработке технологии хранения. Независимо от того, используются ли они в бизнесе, в научных исследованиях или в быту, мы видим новые типы камер видеонаблюдения, которые могут захватывать новые типы данных. С учетом предполагаемых преимуществ использования и анализа этих данных важность надежного хранения данных как никогда очевидна. При разработке технологии хранения данных инженеры должны учитывать контекст, например расположение и форм-фактор. Также производителям нужно подумать о доступности камер (или их отсутствии), находятся ли они на вершине высокого здания или, может быть, в отдаленных джунглях? В таких местах может также возникнуть необходимость выдерживать резкие перепады температур. Все эти возможности необходимо учитывать, чтобы обеспечить продолжительную и надежную непрерывную запись критических видеоданных.

Чипсеты улучшают возможности искусственного интеллекта. Улучшенные вычислительные возможности камер означают, что обработка происходит на уровне устройства, что позволяет принимать решения в текущем времени на периферии. Новые наборы микросхем камер обеспечивают расширенные возможности искусственного интеллекта. Сегодня мы наблюдаем появление новых наборов микросхем для камер, которые обеспечивают улучшенные возможности искусственного интеллекта, а более продвинутые наборы микросхем добавляют глубокую обработку нейронных сетей для видеоаналитики Deep learning на камере. ИИ становится умнее и способнее.

Облако должно поддерживать технологию Deep learning. Так же, как наборы микросхем для камер и видеорегистраторов получают больше вычислительной мощности, в нынешних решениях для интеллектуального видеонаблюдения большая часть программного обеспечения видеоаналитики и Deep learning по-прежнему выполняется с помощью дискретных устройств или в облаке. Чтобы поддерживать эти новые рабочие нагрузки ИИ, облако претерпело некоторые преобразования. В процессорах нейронных сетей в облаке используются массивные кластеры графических процессоров. Их кормят тысячами часов обучающего видео и петабайтами данных. Эти рабочие нагрузки зависят от возможностей жестких дисков корпоративного класса (HDD) большой емкости, которые уже могут поддерживать 20 ТБ на диск, и высокопроизводительных корпоративных флэш-накопителей SSD, платформ или массивов.

Опора на сеть. Проводной и беспроводной Интернет обеспечил масштабируемость и легкость установки, что привело к бурному распространению IP-видеокамер и Wi-Fi камер, но это возможно только там, где уже предусмотрены инфраструктуры LAN и WAN.

Технологии 5G помогают устанавливать камеры

5G устраняет массу препятствий для развертывания, предоставляя расширенные варианты для размещения и легкость установки камер на уровне мегаполисов. Благодаря этой легкости развертывания появляется новая большая масштабируемость, которая стимулирует сценарии использования и дальнейшие улучшения как в дизайне видеокамер, так и в облачных технологиях. Например, камеры видеонаблюдения теперь могут быть автономными с прямым подключением к централизованному облаку, поскольку они больше не зависят от локальной сети.

Новые видеокамеры с поддержкой 5G разрабатываются для загрузки и запуска сторонних приложений, которые могут расширить возможности. Тем не менее, с большей автономностью этим камерам потребуется еще больше динамической памяти. Им потребуются новые комбинации выносливости, емкости, производительности и энергоэффективности, чтобы иметь шанс продуктивно обрабатывать изменчивость новых функций, управляемых приложениями.

Это дивный новый мир для интеллектуальных систем видеонаблюдения, и он столь же сложен, как и увлекателен. Вносятся архитектурные изменения для обработки новых рабочих нагрузок и подготовки к еще более динамическим опциям на периферии и в конечных точках. В то же время интеллектуальное ПО для видеонаблюдения продолжает развиваться в серверной части и в облаке. Понимание изменений рабочей нагрузки, будь то на уровне камеры, IP видеорегистратора или облака, имеет решающее значение для обеспечения того, чтобы новые архитектурные изменения дополнялись постоянными инновациями в технологии хранения.