สำรวจผลประโยชน์ด้านต้นทุนและประสิทธิภาพของเทคโนโลยีวิเคราะห์ภาพจากกล้องวงจรปิด

เทคโนโลยีวิเคราะห์วิดีโอมีอยู่ 3 ประเภทหลัก ๆ ได้แก่ ระบบที่ใช้เซิร์ฟเวอร์ ระบบจัดการวิดีโอ (VMS) และระบบกล้องวงจรปิด (CCTV)

เรียงลำดับตามความแม่นยำและความสามารถ ได้แก่ การวิเคราะห์โครงข่ายประสาทเทียม (Neural Analytics) ตามด้วยการวิเคราะห์ด้วยการเรียนรู้เชิงลึกและปัญญาประดิษฐ์ (Deep Learning and Artificial Intelligence หรือ DL และ AI Analytics) และสุดท้ายคือการวิเคราะห์ข้อมูลไบนารีขนาดใหญ่ หรือ BLOB (Binary Large Object)

Digifort รองรับทั้งสามประเภท รวมถึงการผสานรวมกับระบบวิเคราะห์ใน NVR ของบริษัทอื่น กล่องวิเคราะห์แบบ ‘ออลอินวัน’ และกล้องวงจรปิด ดังนั้นเราจึงขอให้ Nick Bowden กรรมการผู้จัดการของ Digifort สหราชอาณาจักร สำรวจประโยชน์ด้านต้นทุนและประสิทธิภาพของผลิตภัณฑ์เหล่านี้

ตัวเลือกการวิเคราะห์ที่แม่นยำและมีประสิทธิภาพที่สุดคือการวิเคราะห์ด้วยโครงข่ายประสาทเทียม อย่างไรก็ตาม ตัวเลือกนี้มีค่าใช้จ่ายในการติดตั้งสูงที่สุด เนื่องจากซอฟต์แวร์มีราคาสูงกว่าและต้องใช้ฮาร์ดแวร์ประสิทธิภาพสูงในการใช้งาน ตัวเลือกการวิเคราะห์อื่นๆ อาจมีประสิทธิภาพน้อยกว่า แต่ก็เหมาะสมอย่างยิ่งสำหรับแอปพลิเคชันกล้องวงจรปิดหลายๆ ประเภทที่มีงบประมาณจำกัด

Digifort เป็นพันธมิตรทางเทคโนโลยีของ Nvidia ซอฟต์แวร์วิเคราะห์ข้อมูลของ Digifort ได้รับการปรับให้เหมาะสมกับการทำงานบนหน่วยประมวลผลกราฟิก (GPU) ของ Nvidia ซึ่งติดตั้งอยู่ในเซิร์ฟเวอร์ควบคู่ไปกับหน่วยประมวลผลระบบปฏิบัติการ (OS) ประสิทธิภาพของเซิร์ฟเวอร์ VA วัดได้จากจำนวนคอร์ CUDA ซึ่งคล้ายกับแรงม้าเบรก (BHP) ในรถยนต์ GPU ที่มีคอร์ CUDA 4000 คอร์ขึ้นไปนั้นพบได้ทั่วไปและมีราคาไม่แพง ประสิทธิภาพของ GPU นี้จะถูกกระจายไปยังช่องทางการวิเคราะห์หลายช่องทาง และฟังก์ชันการวิเคราะห์จะถูกจัดสรรให้กับช่องวิดีโอที่ต้องการ โดยมีความยืดหยุ่นในการจัดสรรใหม่ไปยังช่องวิดีโอต่างๆ ในระบบหากจำเป็น NVR โซลูชันการวิเคราะห์แบบกล่อง และกล้องที่มีการวิเคราะห์ในตัวนั้นไม่มีประสิทธิภาพหรือความยืดหยุ่นในการใช้งานระบบเท่านี้ การ์ด GPU กำลังพัฒนาอย่างรวดเร็ว โดยประสิทธิภาพการประมวลผลเพิ่มขึ้นเป็นสองเท่าในแต่ละปี ในราคาเท่าเดิม ดังนั้นเราจึงคาดหวังว่าจะได้รับประโยชน์จากประสิทธิภาพที่เพิ่มขึ้นอย่างมากและการลดต้นทุนในระบบ CCTV ที่ใช้เซิร์ฟเวอร์ในอนาคต นอกจากนี้ การจัดสรรคอร์ GPU สำหรับการวิเคราะห์ข้อมูล และคอร์เซิร์ฟเวอร์สำหรับระบบปฏิบัติการและการประมวลผลวิดีโอ ถือเป็นแนวทางปฏิบัติที่ดีเพื่อให้ได้ประสิทธิภาพเซิร์ฟเวอร์ที่ดีที่สุด เนื่องจากแต่ละส่วนเข้าถึงทรัพยากรโปรเซสเซอร์ของตนแตกต่างกัน

1. การวิเคราะห์โครงข่ายประสาทเทียม

การวิเคราะห์ด้วยโครงข่ายประสาทเทียมเป็นเทคโนโลยีใหม่ที่เพิ่งเข้ามาใช้ในระบบ CCTV ทั่วไป เช่นเดียวกับการจดจำมนุษย์ ระบบจะระบุวัตถุต่างๆ มากมายภายในมุมมองของกล้องจากฐานข้อมูลวัตถุที่รู้จัก โดยวัตถุใหม่ๆ จะถูก “แนะนำ” เข้าสู่ระบบ และวัตถุอื่นๆ จะถูกระบบเรียนรู้ไปเรื่อยๆ สามารถกำหนดกฎเกณฑ์สำหรับวัตถุแต่ละชิ้นหรือหลายชิ้นรวมกันได้ โดยมีสัญญาณเตือนหรือเหตุการณ์ต่างๆ เกิดขึ้นแบบเรียลไทม์เพื่อให้ผู้ปฏิบัติงานตอบสนอง Digifort มีโครงข่ายประสาทเทียมให้เลือกใช้ 3 แบบ:

• วัตถุทั่วไป เช่น ยานพาหนะและมนุษย์
• อาชญากรรม เช่น การระบุอาวุธ การวางตำแหน่งและการเคลื่อนไหวของแขนที่น่าสงสัย (เช่น การเล็งปืน)
• ในภาคอุตสาหกรรม เพื่อระบุตัวบุคคลที่สวมหมวกนิรภัย หน้ากาก แว่นตา และอุปกรณ์ป้องกันส่วนบุคคล (PPE)

การวิเคราะห์ด้วยโครงข่ายประสาทเทียมเหมาะสำหรับแอปพลิเคชันประเภท “การครอบครองพื้นที่” เช่น จำนวนรถยนต์ในที่จอดรถ หรือจำนวนคนในแถวรอคิว โดยจะจดจำวัตถุที่ “มองเห็น” ในมุมมองของกล้อง หรือในพื้นที่ และนับจำนวน สามารถรวมข้อมูลจากหลายพื้นที่จากกล้องตัวเดียวหรือหลายตัวเข้าด้วยกันเพื่อหาจำนวนรวมของพื้นที่ ฉากหลังจะถูกละเลย เนื่องจากไม่ใช่สิ่งที่ระบบจดจำได้ ซึ่งช่วยลดการแจ้งเตือนที่ผิดพลาด

2. การเรียนรู้เชิงลึกและปัญญาประดิษฐ์ (DL และ AI)

การวิเคราะห์ข้อมูลเชิงลึก (DL) และปัญญาประดิษฐ์ (AI) อาจมีองค์ประกอบของระบบประสาท และโดยทั่วไปจะจดจำคน รถตู้ จักรยาน รถยนต์ รถบรรทุก กลุ่มคน กระเป๋า นักปั่นจักรยาน และอื่นๆ อีกมากมาย รวมถึงวัตถุที่มีโปรไฟล์สีเฉพาะ เมื่อฉากจากกล้องถูก ‘เรียนรู้’ การวิเคราะห์ข้อมูลเชิงลึก/AI จะปรับเทียบตัวเองเพื่อเรียนรู้พื้นหลังของฉาก ลดการแจ้งเตือนที่ผิดพลาด กฎหลายข้อสามารถนำมาใช้ได้ทีละข้อหรือพร้อมกัน เช่น การมีอยู่ การเข้า การออก การปรากฏ การหายไปของวัตถุ ทิศทาง ตัวกรองการขับรถตามหลัง การนับข้ามเส้น และวัตถุที่หยุด เดินเตร่ ถูกทิ้งร้าง และถูกนำออกไป การวิเคราะห์ของ Digifort ยังใช้กรอบการรายงานเมตาเดต้า ซึ่งช่วยให้สามารถค้นหาหลักฐานในวิดีโอที่บันทึกไว้สำหรับวัตถุต่างๆ ได้ตามการตั้งค่าดั้งเดิม

NVR, ระบบวิเคราะห์ข้อมูลแบบกล่อง และโซลูชันกล้องแบบฝังตัวจำนวนมากใช้ระบบวิเคราะห์ข้อมูลประเภทนี้ โดยปกติแล้วจะไม่มีองค์ประกอบของโครงข่ายประสาทเทียม แต่บ่อยครั้งที่ขาดความสามารถในการประมวลผลที่จำเป็นในการใช้ศักยภาพสูงสุด เนื่องจากไม่สะดวกหรือไม่คุ้มค่าที่จะติดตั้ง GPU ของ Nvidia ลงใน NVR

3. วัตถุขนาดใหญ่แบบไบนารี / BLOB

นี่คือระดับการวิเคราะห์ขั้นพื้นฐานที่สุด โดยจะระบุขนาดของวัตถุ (จำนวนพิกเซล) และพฤติกรรมตามการตรวจจับการเคลื่อนไหว รวมถึงการวิเคราะห์อย่างง่ายบางอย่าง เช่น การข้ามเส้น NVR หลายตัวใช้การวิเคราะห์ประเภทนี้ เป็นตัวเลือกที่มีต้นทุนต่ำ เหมาะสำหรับการบันทึกการเคลื่อนไหวหรือเหตุการณ์ในระบบ VMS เพื่อประหยัดพื้นที่จัดเก็บข้อมูล

ประสิทธิภาพการวิเคราะห์และค่าใช้จ่ายด้านฮาร์ดแวร์

การวิเคราะห์ด้วยโครงข่ายประสาทเทียมใช้สตรีมวิดีโอ D1 (720×576 พิกเซล) ในการประมวลผล แม้ว่าสตรีม ‘หลักฐาน’ ที่บันทึกไว้ใน VMS จะมีความละเอียด 4MP, 8MP หรือมากกว่านั้นก็ตาม การวิเคราะห์บางประเภทที่เฉพาะเจาะจงมากจะใช้ความละเอียด 1080p (1920×1080 พิกเซล) โดยปกติจะใช้ในการวิเคราะห์พฤติกรรมมนุษย์ เพื่อเป็นตัวบ่งชี้ถึงความสามารถ GPU 3000 คอร์ ราคาต่ำกว่า 500 ปอนด์ โดยทั่วไปจะประมวลผลช่องสัญญาณประสาทเทียมได้ประมาณ 40 ช่อง

ข้อควรระวังอย่างหนึ่งคือ โซลูชันวิเคราะห์ข้อมูลแบบสำเร็จรูปบางประเภทจะบันทึกเฉพาะสตรีมการประมวลผลข้อมูลวิเคราะห์เท่านั้น ซึ่งอาจมีความละเอียดระดับ D1 หรือต่ำกว่านั้น โดยไม่มีสตรีม HR พร้อมกันเพื่อเป็นหลักฐาน นั่นหมายความว่าวิดีโอการวิเคราะห์มักจะถูกบันทึกด้วยความละเอียดต่ำ ดังนั้นโปรดตรวจสอบให้แน่ใจหากคุณเลือกใช้โซลูชันวิเคราะห์ข้อมูลแบบสำเร็จรูป

การวิเคราะห์ข้อมูลแต่ละประเภทต่างมีบทบาทของตนเอง เมื่อพิจารณาถึงต้นทุนและประสิทธิภาพ อย่างไรก็ตาม การวิเคราะห์ข้อมูลด้วยโครงข่ายประสาทเทียมมีประสิทธิภาพเหนือกว่าทุกประเภทในแง่ของความแม่นยำและความสามารถ ต้นทุนในการใช้งานลดลงเนื่องจากต้นทุนของเซิร์ฟเวอร์และ GPU ลดลง และยังรองรับอนาคตได้ดี โดยสามารถอัปเกรด GPU และเพิ่มประสิทธิภาพ/ความแม่นยำได้ตามการพัฒนาซอฟต์แวร์การวิเคราะห์ข้อมูลด้วยโครงข่ายประสาทเทียมอย่างต่อเนื่อง