Исторически сложилось так, что индустрия безопасности использовала форматы сжатия видео, разработанные индустрией вещания; однако эти форматы не решали уникальных проблем, с которыми сталкиваются камеры наблюдения, — необходимости снимать видео профессионального качества в постоянно меняющихся погодных условиях и условиях освещения, 24 часа в сутки.

В то же время отрасль также улучшала чувствительность видеокамер в условиях низкой освещенности, что, в свою очередь, уменьшало видеошум в условиях низкой освещенности — частую причину скачков битрейта.

Улучшения по этим двум направлениям — сжатие видеоданных и чувствительность к низкой освещенности — в последние годы не замедлились; скорее, они ускорились до такой степени, что сегодняшние модели превосходят то, о чем даже мечтали менее десяти лет назад.

Если выйти за рамки традиционного использования видеокамер наблюдения для обеспечения физической безопасности и перейти к использованию IP-камер в качестве основного датчика в умных городах, преимущества становятся еще более очевидными. По сути, отрасль становится все лучше в предоставлении более действенной информации (криминалистическая детализация и метаданные) с меньшим объемом данных (меньший размер пакета, более низкая скорость передачи потоковой передачи).

Но инновации еще далеко не завершены. Интеллектуальные алгоритмы видеонаблюдения теперь могут быть наложены на H.265, чтобы еще больше снизить битрейт; однако всплески по-прежнему возникают при съемке сложных сцен с большой активностью. Из-за этого архитектору или инженеру решений очень сложно точно предвидеть, какой объем данных будет генерироваться любой камерой и передаваться через инфраструктуру передачи данных. Как можно спроектировать сеть или оценить требования к централизованной обработке и хранению, если они не знают, сколько данных ожидать и когда их ожидать? Ответ кроется в новом методе управления видеоданными: предоставление видео в усредненном формате по базовому уровню.

Как это работает? При резком скачке битрейта временно снижает частоту кадров или разрешение и удерживает полное видео в кеше в течение определенного периода времени, пока скачок не упадет. Затем камера отправит сохраненные данные в центральный репозиторий, где они будут связаны с видео, которое изначально транслировалось.

Это эффективный способ управления огромным потоком данных в умном городе, независимо от того, передают ли устройства по проводной, частной беспроводной сети или по беспроводному каналу передачи данных, предоставляемому оператором связи. Важно отметить, что этот метод не уменьшает общий объем передаваемых данных, он просто выравнивает объем потоковой передачи данных в любой момент времени, чтобы гарантировать, что инфраструктура не перегружена.

Беспроводное видеонаблюдение

По мере того, как города развертывают свои камеры наблюдения и устройства IoT на своих публичных правах проезда, создание инфраструктуры для источников питания и поддержания связи с удаленными местами становится проблемой. Вместо того, чтобы повсюду прокладывать оптоволоконные траншеи, города могли бы рассмотреть возможность использования сотовых сетей для передачи данных от датчиков; однако это решение становится чрезмерно дорогим, когда вы пытаетесь масштабировать его до общегородского уровня, поскольку тарифные планы обычно предназначены для рынка потребительских подписчиков.

В новой бизнес-модели операторы беспроводной связи начинают разрабатывать планы передачи данных, которые лучше подходят для трафика с высокой пропускной способностью, типичного для развертывания умного города. Однако даже с более надежным сотовым конвейером для непрерывной потоковой передачи видео в реальном времени потребуется значительная часть полосы пропускания.

Новая стратегия заключается в настройке системы для использования метаданных в реальном времени и для потоковой передачи видео только по запросу. Например, когда оператор получает предупреждение об обнаруженном событии, он может подтвердить ситуацию, вытащив снимок или короткий видеоклип. Камера может хранить полную видеозапись и выгружать ее в центральное ядро, когда другие требования к пропускной способности низки.

В прошлом анализ видео мог происходить только на уровне сервера, что часто приводило к задержке реакции на критические события. Теперь, когда новые модели имеют более мощные процессоры и возможности искусственного интеллекта, комплексный анализ может выполняться на периферии.

Обработка кромок дает множество преимуществ: она позволяет выбирать для передачи соответствующее видео, что помогает оператору немедленно сосредоточиться на ключевых деталях. Уменьшение видеопотока снижает потребление полосы пропускания и потребности в хранилище.