Все больше организаций в самых разных отраслях обращаются к облачным технологиям для видеоаналитики на базе ИИ. Преимущества очевидны: получение более точных данных, масштабируемость, необходимая для запуска передовых моделей ИИ, а также возможность объединять и анализировать информацию из множества источников для получения более глубоких выводов.
Однако остается одна проблема. Облачная видеоаналитика зависит от качества поступающего видеопотока. При этом передача изображений с сохранением необходимого уровня детализации оказывается гораздо сложнее, чем кажется на первый взгляд.
Чтобы лучше понять эту проблему и роль новых технологий в ее решении, мы побеседовали с Матсом Тулином, директором по решениям в области ИИ и аналитики в Axis, и Стефаном Лундбергом, старшим экспертом-инженером в Axis.
Матс рассматривает ситуацию с точки зрения видеоаналитики, подчеркивая, как детализация и качество позволяют получать лучшие результаты в облаке. Стефан находится в центре технологических достижений Axis с момента создания первой сетевой камеры.
Стефан сыграл ключевую роль в разработке семейства чипов ARTPEC, технологии Axis Zipstream и других важнейших технологий, которые сегодня продолжают формировать сферу видеонаблюдения и видеоаналитики. Вместе они объясняют, почему кодек AV1 важен для облачной видеоаналитики.
Управление пропускной способностью и объемом данных — одно из главных препятствий для облачной видеоаналитики. Именно здесь AV1 меняет правила игры. Будучи кодеком нового поколения, он способен значительно снизить битрейт, не жертвуя визуальными деталями, необходимыми для видеоаналитики. Это позволяет выполнять облачную аналитику в больших масштабах без перегрузки сетевой инфраструктуры.
«Видеоаналитика во многом выигрывает от богатой визуальной информации, — объясняет Матс. — Чем четче входные данные, тем выше производительность алгоритмов. Однако UHD, высокая частота кадров и HDR создают огромные объемы данных. Если сжимать их старыми кодеками, либо резко возрастают затраты на пропускную способность, либо ухудшается качество изображения. В обоих случаях полезность видеоаналитики снижается».
Это становится особенно критично в сложных сценариях использования, таких как проведение масштабных судебно-медицинских расследований, обучение пользовательских моделей ИИ на редких событиях или мониторинг качества в сложных промышленных условиях.
H.264, который в настоящее время остается самым распространенным кодеком в отрасли, требует значительно более высокого битрейта для сохранения четкости. При умножении на сотни или даже тысячи камер эти требования быстро превращаются в «узкие места».
Axis уже давно выступает за аналитику на периферии сети (edge analytics), где необработанное или предварительно обработанное видео анализируется непосредственно на устройстве. Такой подход позволяет сохранить детализацию и избежать задержек.
«Но когда возникает необходимость агрегировать результаты, обогащать их или запускать более тяжелые модели ИИ в облаке, качество передаваемого видео становится критически важным, — отмечает Матс. — В этом случае необходим эффективный метод сжатия, сохраняющий детали. Без него большая часть информации теряется еще до того, как попадет в облако».
«Как инженер, я фокусируюсь как на эффективности, так и на качестве, — говорит Стефан. — С AV1 преимущества очевидны. Мы обычно наблюдаем снижение битрейта на 40% по сравнению с H.264. На практике это означает, что можно передавать видео того же качества со значительно меньшими затратами или сохранять гораздо больше деталей при той же пропускной способности».
«Что касается H.265, цифры больше зависят от сцены и того, с каким именно энкодером H.265 проводится сравнение. Снижение на 25% по сравнению с нашим предыдущим поколением является типичным, даже если на ARTPEC-9 используется примерно тот же битрейт».
Количество сохраненных деталей является критическим фактором для аналитики. «При использовании H.264, как только вы снижаете битрейт, качество изображения быстро падает, — объясняет Стефан. — Теряется резкость, мелкие объекты становятся размытыми, а текст или номерные знаки — нечитаемыми. AV1 гораздо лучше справляется с сохранением этой информации даже при ограниченной пропускной способности».
Со стороны видеоаналитики Матс подчеркивает влияние этого фактора: «AV1 действительно меняет ситуацию в сценариях, где для продвинутой видеоаналитики важен каждый бит информации. Это может позволить применять специализированные модели ИИ в логистической или промышленной среде или проводить детальные судебно-медицинские расследования в больших видеоархивах».
«Видеоаналитика на периферии сети останется важной для таких задач, как обнаружение в реальном времени на устройствах, подсчет и стандартный поиск. Но когда рабочие нагрузки переносятся в облако для более ресурсоемкой или масштабной аналитики, AV1 гарантирует сохранение необходимых деталей без перегрузки сетевой инфраструктуры».
Матс также подчеркивает, что кодек AV1 готов к практическому применению: «Это не просто теория. AV1 уже работает в больших масштабах, а его широкая поддержка и модель с открытым исходным кодом дают компаниям уверенность, необходимую для использования его в видеоаналитике сегодня и в будущем».
Камеры Axis разработаны для обеспечения максимально возможной четкости даже в сложных условиях. AV1 помогает гарантировать, что информация не будет потеряна на пути в облако. Как говорит Стефан: «Речь идет о сохранении пригодности изображения для анализа, гарантируя, что мелкие детали, зафиксированные нашими камерами, останутся нетронутыми при последующей обработке».
В сочетании с инновациями Axis, такими как передовые технологии обработки изображений, Axis Zipstream и открытые платформы интеграции, AV1 укрепляет фундамент облачных решений. Цель проста: предоставить видеоаналитике наилучшие входные данные, где бы она ни выполнялась.
Стефан указывает на потенциал кодека AV1 в будущем: «Даже при очень высоких разрешениях, таких как 8K, AV1 может снизить требования к пропускной способности без потери качества изображения. Хотя технология 8K сегодня все еще встречается довольно редко, она уже на горизонте, и с AV1 запуск таких потоков в облаке становится реалистичной задачей».
Матс делает вывод: «Для видеоаналитики преимущество простое: большая часть визуальных деталей, зафиксированных камерами, передается в облако без перегрузки сетевой инфраструктуры. Именно это позволяет получать более качественную аналитическую информацию в больших масштабах».
Вкратце, облачная видеоаналитика зависит от качества входных данных. Благодаря AV1 компании могут сохранить информативность видео, снятого на периферийных устройствах, гарантируя, что каждый поток способствует получению более точных данных. Сочетая AV1 с опытом Axis в области обработки изображений и подходом к открытой интеграции, компании могут более эффективно масштабировать видеоаналитику на базе ИИ в облаке.
Перейдите по ссылке axis.com/solutions/av1-codec, чтобы узнать больше о том, как AV1 обеспечивает эффективную передачу видео для облачной видеоаналитики.
Если вы хотите сократить использование полосы пропускания за счет периферийной обработки, перейдите по ссылке axis.com/analytics для ознакомления с решениями Axis для видеоаналитики на периферии.
