Силата на анализа
използване на специален сървър; или използване на хибриден подход, който използва както гранични, така и сървърни реализации.
С разработването на по-мощни чипсети в камерата крайните устройства продължават да се развиват. Те са способни да използват мощни анализи, които могат да информират операторите за широк спектър от видео или аудио събития в реално време, изискващи внимание. Някои камери включват видеоанализ като безстопанственост, пресичане на линии, откриване на лица, влизане/излизане и откриване на посока. Аудио класификацията може да предупреждава за счупени стъкла, изстрели и писъци. По-сложните анализи като управление на опашки и топлинни карти носят нови възможности за бизнес и трафик информация.
Следващата стъпка в еволюцията ще дойде от една форма на AI (изкуствен интелект), наречена Deep Learning. Дълбокото обучение извежда машинното обучение на ново ниво въз основа на теорията на невронните мрежи, която имитира сложността на човешкия мозък. Преди това достъпни само като процес от страна на сървъра, който изисква видеото да бъде декомпресирано и обработено, алгоритмите и съпътстващите набори от данни, създадени от дълбокото обучение, могат да бъдат вградени в периферията, за да извършват откриване и сигнализиране в реално време за специфични условия, за които са обучени да разпознават. Въпреки че крайните устройства не могат да продължат да се самообучават, те могат да предоставят полезна функция за разпознаване на познати обекти или поведения. Тази технология, която все още е в начален стадий на развитие, ще издигне анализа в камерата на ново ниво както за случаите на използване в областта на сигурността, така и в търговията на дребно.
Сървърите имат важна роля
Дори и с увеличената аналитична мощ, налична в периферията, има определени задачи, за които е полезно да се изпълняват на мощен сървър. Например, разпознаването на регистрационни номера изисква нещо повече от оптично разпознаване на символи, то изисква и интерфейс към голяма база данни, където номерата могат да се съхраняват, да се сравняват и да се маркират. По същия начин разпознаването на лица изисква сложни анализи на базата данни по същите причини. Специализираните сървъри са по-скъпи от крайните устройства с вграден анализ, така че е важно ясно да се разберат нуждите на бизнеса – Трябва ли да откриваме обект или конкретно лице? Засега алгоритмите за машинно и дълбоко обучение, които непрекъснато се учат, изискват изчислителна мощност и място за съхранение, които може да осигури само сървър.
Ограничения на честотната лента – сървър срещу крайни устройства
Колкото и мощни да са сървърите, те имат ограничения. Ако един сървър ще анализира видео, той първо трябва да го декодира, което консумира определено количество CPU/GPU ресурси. След като видеото е декодирано, то може да бъде анализирано. С нарастването на броя на видеоканалите е възможно много бързо да се насити дори и мощен сървър. Крайните устройства са имунизирани срещу този проблем, тъй като анализите обикновено се изпълняват веднага след заснемането на изображението и преди кодирането му в IP видеопоток. След това резултатите от анализите се предават като данни на VMS, NVR или системата за обмен на съобщения като метаданни, които са доста малки в сравнение с видеопотока.
Въведете хибридната технология
Поради горепосочените причини можете да си представите, че за мощни аналитични процеси, като например разпознаване на регистрационни номера или лица, може да се получи ефективност от комбинирането на крайни анализи с обработка от страна на сървъра и управление на бази данни.
Този хибриден подход вече се използва от някои доставчици като начин за предоставяне на мощен анализ на част от предишните разходи. За да позволят това, някои производители на камери са запазили място в своите камери, за да позволят инсталирането на приставки за анализ от трети страни, които предават данни директно към сървъра. Не е необходимо видеото да се декодира, което спестява ценни CPU/GPU цикли. Това представлява идеален сценарий, който използва най-доброто от двата свята: Edge analytics, които събират данни, преди видеото да бъде кодирано, и сървъри, които получават леки метаданни от edge, за да извършват анализ. Докато един сървър може да е в състояние да декодира и анализира 20 канала видео, същият сървър, обработващ метаданни, предоставени от камерите, може да анализира над 250 канала. Спестяването на разходи при такова изпълнение е значително.
Заключение
Краят ще продължи да предоставя завладяващи възможности за анализ, които са подходящи за повечето случаи на използване. Еволюцията на изкуствения интелект и дълбокото обучение ще ускори възможностите както на ръба, така и на сървъра до нови нива в нашата индустрия. За най-взискателните анализи, процеси в бази данни и внедрявания на ИИ хибридният подход може да даде най-добрата бизнес стойност.