De acordo com pt.wedoany.com-A Hikvision introduziu a capacidade de compreensão semântica de grandes modelos em sua solução de codificação inteligente, permitindo que o codificador, com base no padrão H.265, "entenda primeiro a imagem para depois decidir a codificação", economizando normalmente mais de 50% de espaço de armazenamento em um ciclo de gravação de 24 horas. Essa tecnologia, ao integrar grandes modelos de visão, transforma a lógica de codificação da tradicional "compressão baseada em pixels" para "codificação baseada em objetos", reduzindo significativamente os dados redundantes, garantindo a qualidade dos alvos principais.
Embora o padrão tradicional H.265 (HEVC) economize de 30% a 50% da taxa de bits de transmissão em comparação com o H.264 por meio de técnicas como particionamento variável CTU e previsão intraquadro multimodal, seu algoritmo subjacente realiza apenas operações matemáticas em sinais de pixel, incapaz de reconhecer objetos centrais de monitoramento, como pessoas e veículos, na imagem. A codificação padrão aplica taxas de bits diferenciadas para fundos estáticos e áreas em movimento, mas para áreas sem valor de monitoramento, como paredes estáticas, a redução de bits é apenas pequena, resultando em mais de 70% do fundo ocioso continuamente gerando fluxo de bits completo, causando desperdício contínuo de espaço de armazenamento.
O sistema técnico central da codificação inteligente da Hikvision inclui três etapas. Na etapa de compreensão semântica, apoiada por grandes modelos de visão, é alcançada uma compreensão em nível de cena do vídeo. O sistema pode analisar com precisão alvos-chave, como pessoas e veículos motorizados, com uma taxa de detecção de alvos de 99%, suportando até 64 reconhecimentos de alvos simultaneamente. O fluxo de codificação muda do tradicional "captura-codificação-armazenamento" para "captura-compreensão-codificação-armazenamento".
Na etapa de codificação diferencial de ROI, o sistema aplica diferentes níveis de compressão a alvos em primeiro plano e áreas de fundo por meio de tecnologia de segmentação de área refinada. Áreas-chave, como rostos e placas de veículos, têm o valor QP reduzido para preservar detalhes, enquanto áreas sem informações críticas têm o valor QP aumentado para economizar taxa de bits. Esse processo é realizado apenas por meio do ajuste do QP de codificação, sem alterar os pixels, carimbos de data/hora ou resolução do vídeo original, economizando em média mais de 50% da taxa de bits, garantindo a qualidade do alvo.
Na etapa de alocação adaptativa de taxa de bits por cena, é introduzido um mecanismo de ajuste dinâmico que ajusta a estratégia de codificação ao longo do dia com base na complexidade do conteúdo do vídeo. Tomando como exemplo um cenário de metrô, a taxa de bits total é usada para restaurar detalhes durante o horário de pico da manhã, uma compressão de 50% equilibra qualidade e eficiência à noite, e a compressão pode chegar a 10% durante a madrugada para maximizar a economia de armazenamento. Em cenas estáticas com poucos alvos, como um escritório sem pessoas, o sistema julga toda a imagem como um fundo altamente compressível, alcançando uma economia próxima de 90%.
Esta solução segue rigorosamente o padrão internacional H.265, garantindo que o fluxo de bits de saída esteja 100% em conformidade com as especificações por meio de testes de conformidade de protocolo, podendo ser perfeitamente integrada a todos os dispositivos H.265 compatíveis, sem a necessidade de substituir decodificadores ou plataformas de monitoramento existentes. A tecnologia de codificação diferencial de ROI já foi incluída no padrão nacional "Requisitos Técnicos para Codificação e Decodificação de Áudio e Vídeo Digital em Vigilância por Vídeo de Segurança Pública", sendo uma tecnologia madura no campo de segurança.
Na implantação real, tomando como exemplo um sistema de 2000 canais com 1080P@2Mbps e armazenamento de 90 dias, em comparação com a codificação tradicional, esta solução pode economizar 60% no número de discos rígidos, 60% no espaço do datacenter e 50% nos custos de eletricidade em 5 anos. Ao trocar poder de computação de IA por capacidade de armazenamento, ajuda os usuários a atender às necessidades de arquivamento regulatório de longo prazo dentro do orçamento existente.
