Несмотря на то, что год от года объем HDD для систем видеонаблюдения растет, давно перевалив отметку в 10 Терабайт, по-прежнему проблема нехватки памяти для хранения видео остается актуальной.

Жесткие диски переполняются, после чего запись начинается поверх уже существующих данных. Из-за этого можно потерять важные файлы. Чтобы как-то сэкономить дисковое пространство, сегодня часто используют выборочное сжатие.

Для этого используется специальное программное обеспечение, использующее искусственный интеллект, который определяет области, важные для сохранения, и сжимает их меньше, чем другие, где видео не включает в себя важные сцены.

«Как это возможно?» — спросите вы. Как ИИ определяет важные и менее важные области видеопотока? И что делать, если понадобилась сцена из не столь важной области, которая сжата максимально? Ответы на эти вопросы и даны в этой статье.

Начнем с того, что сегодня многие камеры видеонаблюдения имеют встроенный блок видеоаналитики.  Он динамически просматривает видеоизображение, основываясь на двух параметрах — есть ли в кадре определенная «структура» (например, линии, края, узоры и прочее) и есть ли движение.

В результате получается матрица из четырех возможных комбинаций — без структуры и движения, со структурой и без движения, без структуры и без движения, а также со структурой и движением.

В зависимости от соответствующей комбинации  программное обеспечение автоматически оценивает и решает, можно ли сжимать блок дальше, или это приведет к потере нужных сцен и объектов, которые важны для дальнейшего использования.

Наиболее ценными блоками изображения считаются те, которые имеют движение и структуру. Например проходящий вдоль забора человек будет затрагивать оба блока.

При этом сцены, где присутствует человек, должны быть сохранены в высоком качестве, и поэтому сжатие изображения минимально, не выходя за пределы выбранного значения сжатия по умолчанию для видеокамеры или потока.

В другом случае, когда нет ни объекта, ни структуры, изображение может быть сильно сжато, т.к. не содержит полезной информации. Но так как программное обеспечение имеет динамический характер, то при появлении движения человека в кадре, уровень сжатия видео тут автоматически изменяется, чтобы можно было получить подробные изображения.

Впрочем, иногда возникают ситуации, когда в не выделенных областях сцены появляется важная деталь. И здесь возникает проблема, т.к. динамический характер программы для видеонаблюдения означает, что видеокамеры все время автоматически реагируют на изменения в сцене.

Если же в области, в которой ранее не было движения и которая не содержала важную структуру, внезапно появляется одно или другое либо же то и другое — камера видеонаблюдения отреагирует меньшим сжатием частей изображения.

Чтобы понят, о чем идет речь, представим что видеокамера направлена туда, где ничего не происходит и нет важных деталей. Понятно, что в этом случае видео будет сильно сжато, чтобы снизить битрейт.

Но вдруг в сцене появляется человек, камера тут же снизит степень сжатия, чтобы получить качественное изображение. Но человек не просто появляется в зоне обзора видеокамеры, а начинает бокорезами разрезать сетку забора, а потом убегает, не решившись забраться на охраняемую территорию или собираясь сделать это ночью.

Действия злоумышленника не только будет детально зафиксированы, но и когда он уйдет, сцена теперь станет включать в себя структуру (прорезь в заборе) и, следовательно, сжимать часть изображения с дырой меньше, чем прежде.

Одновременно с этим блок видеоаналитики отправит тревожный сигнал на пульт управления, чтобы служба охраны отреагировала на инцидент.

Таким образом, то, что отображается в кадре, играет важную роль в определении производительности выборочного сжатия видеоизображения. Чем больше деталей меняется от одного кадра к другому, тем меньше видео подвергается сжатию.

Если же сцена постоянно заполнена людьми и объектами, например в дневное время в супермаркете — сжатие видео днем производиться не будет, в отличие от ночного времени.

Также существует возможность сильного сжатия одной части сцены и слабого — другой. Например на оживленной улице камера снимает не только ее, но и часть неба.

Тогда та часть кадра, где отображается улица будет сжиматься слабо или вообще не сжиматься видеокодеком, а небо, наоборот, подвергнется сильному сжатию.

Сегодня существуют методы, которые позволяют поддерживать низкий битрейт даже для сложных сцен с большим количеством движущихся объектов.

Правда, эти методы (например, ограничение максимального или постоянного битрейта, MBR или CBR) жертвуют деталями, чтобы поддерживать низкий битрейт.

Это может быть нормально для веб-камеры, но камера видеонаблюдения служит другой цели. А, значит, битрейт должен регулироваться в зависимости от уровня сложности записываемой сцены.

Хранение видео, на которое напрямую влияет битрейт изображения, стоит дорого. Поэтому подход некоторых производителей оборудования для видеонаблюдения состоит в том, чтобы снизить битрейт с помощью ограничений максимального битрейта (MBR).

Часть производителе делают так, чтобы видеокамеры не превышали определенный предел скорости передачи данных, что позволяет более точно рассчитать объем памяти при планировании решения.

Однако это также означает, что разница между установленным пределом и фактическим битрейтом, используемым для захвата изображений, заставит камеры сжимать отснятый материал, даже если ведет к ухудшению качества изображения.

Важные данные могут быть потеряны исключительно из-за ограничения скорости передачи данных, установленной на камере видеонаблюдения. Чтобы этого не произошло, нужно придерживаться решений, которые включают интеллектуальное и динамическое сжатие, которое подстраивается под ситуацию и захватывает все объекты, сохраняя при этом низкий битрейт.

Как правило, рекомендуется оценивать качество изображения при записи сложной сцены, а не при съемке пустого пространства, где ничего не происходит.

Различия в качестве изображения, лежащие в основе подходов производителей к битрейту, могут быть весомыми. Лимитированный битрейт считается допустимым, однако не всегда и не везде. Поэтому важно провести анализ последствий низкого битрейта для каждой сцены или видеокамеры.