Репортаж от Wedoany，Компания Hikvision внедрила возможности семантического понимания на основе больших моделей в свою схему интеллектуального кодирования, что позволяет кодеру, работающему по стандарту H.265, «сначала понять изображение, а затем принять решение о кодировании». В течение 24-часового цикла записи это обычно позволяет сэкономить более 50% дискового пространства. Данная технология, объединяя большие визуальные модели, переводит логику кодирования с традиционного «сжатия на основе пикселей» на «кодирование на основе объектов», значительно снижая объем избыточных данных при сохранении качества ключевых целей.
Хотя традиционный стандарт H.265 (HEVC) за счет таких технологий, как переменное разбиение CTU и многомодовое внутрикадровое прогнозирование, позволяет сэкономить от 30% до 50% битрейта по сравнению с H.264, его базовые алгоритмы выполняют лишь математические операции над пиксельными сигналами и не способны распознавать такие ключевые для видеонаблюдения объекты, как люди или транспортные средства. Стандартное кодирование применяет дифференцированную обработку битрейта для статического фона и движущихся областей, но для статических стен и других зон, не имеющих ценности для мониторинга, битрейт снижается лишь незначительно. Более 70% неиспользуемого фона продолжает генерировать полный видеопоток, что приводит к постоянной трате дискового пространства.
Основная технологическая система интеллектуального кодирования Hikvision включает три этапа. На этапе семантического понимания, опираясь на большие визуальные модели, система осуществляет понимание видеосцены на уровне контекста. Она способна точно анализировать ключевые цели, такие как люди и транспортные средства, с вероятностью обнаружения 99% и может одновременно поддерживать распознавание до 64 целей. Процесс кодирования трансформируется из традиционного «сбор-кодирование-хранение» в «сбор-понимание-кодирование-хранение».
На этапе дифференцированного кодирования ROI система с помощью технологии точного сегментирования областей применяет различную степень сжатия к объектам переднего плана и фоновым областям. Для ключевых зон, таких как лица и номерные знаки, значение QP снижается для сохранения деталей, а для областей без ключевой информации значение QP повышается для экономии битрейта. Этот процесс реализуется исключительно за счет регулировки QP кодирования, без изменения пикселей, временных меток или разрешения исходного видео, что позволяет в среднем сэкономить более 50% битрейта при сохранении качества целевых объектов.
На этапе адаптивного распределения битрейта в зависимости от сцены вводится механизм динамической регулировки, который корректирует стратегию кодирования в течение дня в зависимости от сложности видеоконтента. Например, в сценарии метро в часы пик используется полный битрейт для восстановления деталей, вечером применяется сжатие на 50% для баланса качества и эффективности, а ранним утром сжатие может достигать 10% для максимальной экономии места. В статичных сценах с минимальным количеством целей, таких как пустой офис, система определяет весь кадр как фон с высокой степенью сжатия, что позволяет достичь предельной экономии, близкой к 90%.
Данная схема строго соответствует международному стандарту H.265 и прошла тестирование на соответствие протоколам, гарантируя, что выходной видеопоток на 100% соответствует спецификациям. Она может беспрепятственно взаимодействовать со всеми совместимыми устройствами H.265 без необходимости замены существующего декодирующего оборудования или платформ видеонаблюдения. Сама технология дифференцированного кодирования ROI уже включена в национальный стандарт «Технические требования к цифровому кодированию и декодированию видео и аудио для общественной безопасности» и относится к зрелым технологиям в области безопасности.
При практическом развертывании, например, для системы из 2000 каналов с разрешением 1080P@2Mbps и 90-дневным хранением, по сравнению с традиционным кодированием, данная схема позволяет сэкономить 60% жестких дисков, 60% пространства в серверной и 50% затрат на электроэнергию за 5 лет. Замена вычислительной мощности на емкость хранения помогает пользователям удовлетворять требованиям к длительному хранению данных в рамках существующего бюджета.
