انکودینگ ویدئویی در عصر جدید با تحولی بنیادین روبروست که آن را از یک فرآیند فشردهسازی مکانیکی به یک سیستم «فهم هوشمند» تبدیل میکند.
تا پیش از این، سیستمهای ذخیرهسازی امنیتی به دلیل اعمال فشردهسازی یکنواخت، بخش بزرگی از ظرفیت دیسکها را صرف ذخیره پسزمینههای کماهمیت میکردند؛ اما نسل جدید انکودینگ با بهرهگیری از هوش مصنوعی، به توانایی «تمایز» دست یافته است.
این فناوری با شناسایی خودکار سوژههایی نظیر انسان و خودرو به عنوان مناطق مورد علاقه (ROI)، کیفیت جزئیات این سوژهها را حفظ کرده و در مقابل، بخشهای ایستا و تکراری تصویر را به شدت فشرده میکند.
این گذار از رویکرد «یکاندازه برای همه» به «انکودینگ بر اساس تقاضا»، نه تنها نیاز به سختافزار را تا ۵۰ درصد کاهش میدهد، بلکه با بهینهسازی پهنای باند، امکان بازبینی تصاویر اچدی را در شبکههای ضعیف نیز فراهم میسازد.
این راهکار به ویژه در پروژههای نوسازی، با قابلیت اتصال به تجهیزات موجود، هزینههای عملیاتی را به شکل خیرهکنندهای مدیریت میکند. انکودینگ ویدئوییِ هوشمند اکنون نه فقط یک ابزار ذخیرهسازی، بلکه پیشنیاز اصلی برای اجرای تحلیلهای دقیق هوش مصنوعی در سیستمهای نظارتی مدرن است.
- نویسنده/منبع: هایکویژن و سورسسکیوریتی
- تاریخ انتشار: ۲۸ خرداد ۱۴۰۵ (۱۸ ژوئن ۲۰۲۶)
- منبع انگلیسی: پیآر نیوزوایر
- منبع فارسی: شارا – شبکه اطلاعرسانی روابطعمومی ایران
امروزه صدها میلیون دوربین امنیتی به صورت شبانهروزی در سراسر جهان فعال هستند. تغییر گسترده صنعت به سمت رزولوشنهای اچدی و ۴کی، همراه با افزایش تعداد کانالها و الزامات قانونی برای نگهداری طولانیمدت دادهها، موجب رشد انفجاری در نیاز به فضای ذخیرهسازی ویدئویی شده است. در همین حال، قیمت هارد دیسکها بیثبات مانده و بودجههای ذخیرهسازی سازمانی همچنان در حال افزایش است. فشار بر این سیستمها زمانی دوچندان میشود که بدانیم انکودینگهای مرسوم، فشردهسازی یکسانی را بر تمامی پیکسلها اعمال میکنند؛ یعنی پسزمینههای خالی و سوژههای حیاتی (مانند انسان یا خودرو) را به یک اندازه پردازش میکنند. با توجه به اینکه حدود ۷۰ درصد از تصاویر امنیتی شامل صحنههای ثابت یا کمارزش هستند، این رویکرد سنتی باعث هدررفت عظیم فضای ذخیرهسازی برای محتوای غیرضروری میشود.
تحول بعدی این صنعت، فراتر از فشردهسازی ساده و حرکت به سمت تحلیل معنایی مبتنی بر هوش مصنوعی است. فناوریهایی مانند «انکودینگ گوانلان» (Guanlan Encoding) با بهرهگیری از مدلهای بصری هوش مصنوعی در مقیاس بزرگ، امکان فشردهسازی انتخابی بر اساس «مناطق مورد علاقه» (ROI) را فراهم میکنند. در این روش، سوژههای حساس مانند افراد و وسایل نقلیه با جزئیات اچدی حفظ میشوند، در حالی که پسزمینههای ثابت با نرخ بسیار بالایی فشرده میگردند. این کار بدون از دست رفتن اطلاعات ضروری، حجم ذخیرهسازی را به شکل چشمگیری کاهش میدهد.
وبسایت «سورسسکیوریتی» و شرکت «هایکویژن» در همکاری مشترک، گزارش فنی جدیدی منتشر کردهاند که بررسی میکند چگونه انکودینگ ویدئویی هوشمند، بهرهوری ذخیرهسازی و قابلیت استفاده از تصاویر را بازتعریف میکند.
مزایای اصلی انکودینگ ویدئویی مبتنی بر هوش مصنوعی:
۱. صرفهجویی ۳۰ تا ۵۰ درصدی در ذخیرهسازی: در یک پروژه فرضی با ۲ هزار کانال ویدئویی (۱۰۸۰پی با نرخ ۲ مگابیت بر ثانیه) و ۹۰ روز ماندگاری داده، انکودینگ گوانلان نیاز به هارد دیسک را ۵۰ درصد کاهش میدهد (از ۴۰۳ واحد به ۲۰۲ واحد). این یعنی ۵۰ درصد صرفهجویی در هزینههای سختافزاری، فضای رک و مصرف برق بدون افت کارایی.
۲. حفظ جزئیات اچدی: بخشبندی دقیق مناطق مهم تصویر باعث میشود جزئیات سوژههای پویا حفظ شود، در حالی که پسزمینه با نرخ بالا فشرده میشود. این روش، برخلاف انکودینگهای سنتی که باعث محو شدن سوژههای حیاتی و اختلال در تحلیلهای هوش مصنوعی پاییندستی میشوند، سوژهها را شفاف نگه میدارد.
۳. بهینهسازی پهنای باند: با اولویتبندی محتوای حیاتی، ویدئوهای با کیفیت اچدی میتوانند حتی با پهنای باند اسدی (SD) منتقل شوند. این ویژگی، دسترسی به جزئیات مهم را در شبکههای محدود یا هنگام بازبینی از راه دور تضمین میکند.
۴. استقرار یکپارچه: دوربینهای آنالوگ بدون نیاز به تعویض، مستقیماً به دستگاههای ضبطکننده (DVR) با قابلیت انکودینگ گوانلان متصل میشوند. پروژههای جدید از دوربینهای جلویی مجهز به هوش مصنوعی بهرهمند میشوند و سیستمهای قدیمی نیز با تجهیزات جانبی بهروزرسانی میشوند تا به بالاترین کارایی هزینه دست یابند.
نکات کلیدی
- روشهای سنتی فشردهسازی با برخورد یکسان به تمام پیکسلها، باعث اتلاف ۷۰ درصد از فضای ذخیرهسازی در صحنههای امنیتی میشوند.
- انکودینگ هوشمند گوانلان با تشخیص سوژههای متحرک و پسزمینه، فشردهسازی هدفمند را جایگزین فشردهسازی یکسان کرده است.
- کاهش ۵۰ درصدی سختافزار، فضای رک و هزینههای برق، از دستاوردهای مستقیم بهکارگیری مدلهای هوش مصنوعی بزرگ در انکودینگ است.
- این فناوری مانع از محو شدن سوژههای حیاتی در اثر فشردهسازی میشود، که نتیجه آن افزایش دقت تحلیلهای هوش مصنوعی در لایههای بعدی سیستم است.
- قابلیت بهروزرسانی تجهیزات آنالوگ قدیمی به سیستمهای هوشمند بدون تعویض دوربین، هزینه پروژههای نوسازی را به حداقل میرساند.
- انکودینگ بر اساس تقاضا (Encode-on-demand) اجازه میدهد کیفیت اچدی حتی در بستر شبکههای با پهنای باند محدود نیز در دسترس باشد.