Учитывая весомый объем видеоданных, генерируемых каждый день с растущего числа камер видеонаблюдения, оптимизация хранилища сегодня имеет важное значение. Выборочное сжатие — один из наиболее предпочтительных методов для этого. Проще говоря, это процесс, при котором программное обеспечение с поддержкой ИИ «выбирает» области, которые важны в видео, и сжимает их меньше, чем другие неважные области. Но как же ПО для видеонаблюдения определяет важные и неважные области? Что, если пользователю нужна деталь из, казалось бы, неважной области? Какие вертикали должны выбрать этот метод для оптимизации хранения? Ответы на эти вопросы указаны ниже.
Как работает выборочное сжатие?
Селективное сжатие следует стандартной логике. Расширенная видеоаналитика, встроенная в IP камеры видеонаблюдения, динамически просматривает «блоки» в изображении в зависимости от двух свойств — предусмотрена ли в блоке «структура» (например, линии, края, узоры и прочее) и есть ли движение. В результате получается матрица из четырех возможных комбинаций — без структуры и движения, со структурой и без движения, без структуры и без движения, а также со структурой и движением. В зависимости от соответствующей комбинации в любое время динамическое программное обеспечение автоматически оценивает и решает, можно ли сжимать блок дальше, или это приведет к потере нужных деталей, которые могут иметь отношение к пользователям.
Наиболее ценными блоками изображения считаются те, что содержат как движение, так и структуру. Проходящий мимо человек будет наглядным примером. Блоки, представляющие человека, должны быть сохранены в высоком качестве, и поэтому сжатие изображения не увеличивается за пределы выбранного значения сжатия по умолчанию для видеокамеры или потока.
На другом конце спектра есть статичные части изображения без структуры — например, глухая стена сбоку от высокого здания. Эти части изображения могут быть сильно сжаты, поскольку не содержат никакой полезной информации. Тем не менее динамический характер программного обеспечения означает, что если в такой области происходит движение, уровни сжатия автоматически изменяются, чтобы можно было получить подробные изображения.
Что делать, если в невыделенных областях есть полезная деталь?
Это серьезная проблема. Динамический характер ПО для видеонаблюдения означает, что видеокамеры все время автоматически реагируют на изменения в сцене. Если в области, в которой ранее не было движения и которая содержит небольшую структуру, внезапно появляется одно или другое (или и то, и другое) — камера видеонаблюдения отреагирует меньшим сжатием соответствующих частей изображения.
В качестве примера представьте, что видеокамера сфокусирована на пустой стене. Без движения в сцене и без структуры изображения будут сильно сжаты, чтобы снизить битрейт. Если кто-то появится в сцене, камера снизит степень сжатия, чтобы уловить криминалистические детали. Если этот человек затем начнет распылять граффити на стене, это не только будет детально зафиксировано, но и когда он уйдет, сцена теперь будет включать структуру (граффити) и, следовательно, сжимать часть изображения с граффити меньше, чем прежде.
Где лучше всего работает выборочное сжатие видео?
Природа сцен играет важную роль в определении производительности выборочного сжатия видео. Чем больше деталей меняется от одного кадра к другому, тем в целом работает менее продуктивное сжатие изображения.
Фактически, если сцена постоянно переполнена (например, в аэропорту) — сжатие видео не будет применяться вообще, поскольку есть постоянное движение и структура. Если, с другой стороны, уличная камера отслеживает городскую площадь, где устройство также захватывает одну часть неба, видеокамера может сжимать блоки изображения (которые показывают небо), одновременно фиксируя все детали оживленной городской площади.
Предусмотрены методы, позволяющие поддерживать низкий битрейт даже для сложных сцен с большим количеством движений. Но эти методы (например, ограничение максимального или постоянного битрейта, MBR или CBR) жертвуют деталями, чтобы поддерживать низкий битрейт. Это может быть нормально для веб-камеры, но камера видеонаблюдения в системе безопасности служит другой цели. Следовательно, битрейт должен регулироваться в зависимости от уровня сложности записываемой сцены.
Выборочное сжатие видео: правильный ли это вариант?
Важнейшей частью для интеграторов считаются исследования. Для большинства интеграторов лучшим вариантом было бы сотрудничество с производителями, чтобы предоставить различные методы и опци для экономии памяти. При выборе системы видеонаблюдения важны гибкость и вариант настройки в реальных условиях.
Хранение (на которое напрямую влияет битрейт изображения) стоит дорого. Таким образом, общий подход некоторых производителей в отрасли состоит в том, чтобы снизить битрейт с помощью ограничений максимального битрейта (MBR), которые накладывают жесткое ограничение на битрейт. Некоторые производители вынуждают камеры не превышать этот предел скорости передачи данных, что дает более точно рассчитать объем памяти при планировании решения. Однако это также означает, что разница между установленным пределом и фактическим битрейтом, используемым для захвата изображений, заставит камеры сжимать отснятый материал, даже если это означает ухудшенное качество изображения, чем могло бы быть нужно.
Криминалистические данные, необходимые для расследования, могут быть потеряны исключительно из-за ограничения скорости передачи данных, установленного на камере видеонаблюдения. Следовательно, интеграторы должны придерживаться решений, которые включают интеллектуальное и динамическое сжатие, что подстраивается под ситуацию и захватывает все, сохраняя при этом низкий битрейт.
Как правило, рекомендуется оценивать качество изображения комплектов видеонаблюдения при записи сложной сцены, а не при съемке в тихие периоды. Различия в качестве изображения, лежащие в основе подходов производителей к битрейту, могут быть весомыми. Лимитированный битрейт считается допустимым вариантом, но не по умолчанию и без тщательного анализа последствий для каждой сцены или установки.
