Sự trỗi dậy toàn cầu của Trí tuệ Nhân tạo (AI) đã thay đổi căn bản cách thức hoạt động của nhiều ngành công nghiệp và đang cách mạng hóa lĩnh vực camera giám sát (CCTV).
Trí tuệ nhân tạo (AI) mô tả một loại xử lý máy tính có khả năng “học hỏi” để nâng cao năng lực của nó – thường được ví như khả năng hiểu biết của con người. Sự phát triển của AI đang được thúc đẩy bởi các thị trường công nghệ mới nổi, có tốc độ tăng trưởng cao, chẳng hạn như truyền dữ liệu, viễn thông, mạng lưới, ô tô, trò chơi, quốc phòng, điện tử tiêu dùng và nhiều lĩnh vực khác; ngành công nghiệp camera giám sát (CCTV) là một trong những ngành hưởng lợi.
Việc phát triển trí tuệ nhân tạo (AI) là cốt lõi đối với hiệu suất phân tích video trong hệ thống camera giám sát (CCTV), giúp cải thiện hiệu quả, độ chính xác, mật độ kênh và giảm chi phí. Tuy nhiên, việc phát triển phần cứng điện toán hiệu năng cao (HPC), cho phép gia tăng khả năng xử lý mà AI yêu cầu, cũng sẽ ảnh hưởng đến khả năng, thiết kế, bố cục và chi phí của hệ thống CCTV vật lý.
Trí tuệ nhân tạo hiện nay
Phần mềm
Trong các ứng dụng CCTV, trí tuệ nhân tạo (AI) và phân tích dữ liệu là đồng nghĩa. Công nghệ phân tích video được sử dụng trong các giải pháp CCTV có thể được chia thành ba loại chính: Mạng thần kinh (Neural), Học sâu (Deep Learning) và Dữ liệu nhị phân (Binary). Digifort hỗ trợ cả ba loại này, cũng như tích hợp với khả năng phân tích của các đầu ghi NVR, hộp phân tích và camera của bên thứ ba tại “vùng biên”. Mỗi loại đều có yếu tố hiệu quả chi phí cần cân nhắc, vì vậy Digifort hợp tác với tất cả các nhà cung cấp để đảm bảo khách hàng có sự linh hoạt, ví dụ như không cần chi tiền cho phân tích nâng cao khi chỉ cần tính năng phát hiện chuyển động đơn giản hơn.
Các chuyên gia phân tích hàng đầu sử dụng Học máy (ML) để huấn luyện thuật toán phần mềm nhận dạng và diễn giải các đối tượng trong một khung cảnh, bao gồm cả các mẫu chuyển động và hành vi liên quan. Giống như khả năng nhận dạng của con người, nhiều đối tượng khác nhau có thể được xác định, với một con số “độ tin cậy”, từ thư viện các đối tượng đã biết được hệ thống học hỏi theo thời gian. Các đối tượng này có thể bao gồm người, xe tải nhỏ, xe đạp, ô tô, xe tải lớn, nhóm người, túi xách, người đi xe đạp và nhiều hơn nữa, bao gồm cả hồ sơ màu sắc và hướng chuyển động của chúng.
Công nghệ tiên tiến nhất, Học sâu (Deep Learning – DL), một nhánh của Học máy (ML), giúp tăng độ chính xác và hiệu quả hơn nữa. Điều này bao gồm khả năng tự động hiệu chỉnh và loại bỏ các đối tượng trong cảnh không liên quan đến phân tích, giảm thiểu cảnh báo sai. Một ví dụ khác là việc chồng ghép khung xương lên người để theo dõi vị trí và chuyển động của tay, cánh tay và đầu so với thân, cùng với tốc độ chuyển động, nhằm xác định các mô hình hành vi phức tạp hơn như hung hăng hoặc bạo lực.
Phần cứng
Các ứng dụng Hệ thống Quản lý Video (VMS) hiện nay có tích hợp phân tích dữ liệu sử dụng máy chủ với CPU (Bộ xử lý trung tâm) để vận hành VMS, với đủ sức mạnh để xử lý video từ các camera của hệ thống. Máy chủ hoặc PC với GPU (Bộ xử lý đồ họa hoặc card đồ họa) cung cấp khả năng xử lý cần thiết cho việc phân tích. Nền tảng An ninh Tích hợp Digifort có thể dễ dàng xử lý từ 100 đến 200 camera trên một máy chủ 2U duy nhất với bộ xử lý tầm trung loại Intel Xeon CPU, tùy thuộc vào cấu hình ghi hình của camera. Digifort, một đối tác của Nvidia, thiết kế hệ thống phân tích của mình để chạy trên GPU của Nvidia, trong đó một card đồ họa tầm trung, chẳng hạn như RTX A2000, sẽ xử lý tối đa 60 kênh VA, tùy thuộc vào loại card. Do đó, cả quá trình xử lý VMS và VA đều được thực hiện bằng phần cứng đã được kiểm chứng, nhằm cung cấp các khối xây dựng hệ thống CCTV tiết kiệm chi phí.
Mạng, lưu trữ và điện toán đám mây
Có lẽ hạn chế lớn nhất hiện nay trong các ứng dụng CCTV, cả về phần cứng vật lý và khả năng hiểu biết, là băng thông mạng và dung lượng lưu trữ; điều cực kỳ quan trọng đối với trí tuệ nhân tạo (AI) và phân tích dữ liệu. Ví dụ, nếu một camera 4MP tại một địa điểm từ xa được truyền phát ở tốc độ 25 khung hình/giây, sử dụng thuật toán nén H265 hiệu quả, băng thông của nó có thể vào khoảng 3Mbps (tùy thuộc vào hoạt động của cảnh quay, chất lượng hình ảnh và loại camera). Khi video này được ghi lại trong 31 ngày, nó sẽ cần khoảng 1TB dung lượng lưu trữ. Một hệ thống CCTV 8 kênh, chẳng hạn, sẽ cần nhiều hơn gấp bội con số đó; 24Mbps và 8TB. Tôi không chắc tốc độ kết nối băng thông rộng trung bình hiện nay là bao nhiêu, nhưng tốc độ tải xuống 100Mbps và tốc độ tải lên 20Mbps tốt hơn nhiều so với kết nối tại nhà hiện tại của tôi, và tốc độ đó vẫn chưa đủ, vì đó là tốc độ tải lên mà chúng ta cần khi truyền phát từ một địa điểm từ xa đến một vị trí trung tâm. Digifort cung cấp các tùy chọn giấy phép cho thuê và hỗ trợ tập trung hóa trên máy chủ từ xa hoặc đám mây (máy chủ của bên thứ ba), nhưng chi phí lưu trữ đám mây và kết nối băng thông rộng cần thiết để truyền phát hiệu quả là rất đắt đỏ.
Các hệ thống quản lý video thông minh như Digifort có tốc độ bit thay đổi, điều chỉnh tốc độ bit của camera theo thời gian thực để cung cấp băng thông đến nơi cần thiết nhất. Tuy nhiên, trừ khi tư duy chuyển từ ghi hình liên tục sang ghi hình theo sự kiện, được kích hoạt bởi phân tích dựa trên AI theo thời gian thực, đối với các hệ thống lớn hơn, thì giải pháp này sẽ không hiệu quả! Và đó là chưa kể đến độ trễ.
Trí tuệ nhân tạo trong tương lai
Phần mềm
Trong tương lai, trí tuệ nhân tạo (AI) sẽ giúp phân tích video cải thiện hiệu suất và khả năng dự đoán, chẳng hạn như độ chính xác, tốc độ, phạm vi đối tượng được nhận diện, các mẫu hành vi và logic của camera giám sát, cũng như tích hợp hiệu quả với các hệ thống của bên thứ ba để cải thiện quản lý địa điểm. Điều này có thể bao gồm bảo vệ và giám sát tài sản, kiểm soát truy cập, phát hiện xâm nhập, quản lý thông tin doanh nghiệp và tòa nhà, PSIM và nhiều hơn nữa, nhưng cũng bao gồm cả xử lý dữ liệu lớn từ IoT để dự đoán các mối đe dọa an ninh tiềm tàng thông qua việc phân tích các mẫu và xu hướng hành vi nhằm làm nổi bật các trường hợp ngoại lệ. Ngoài ra, số lượng kênh trên mỗi địa điểm sẽ tăng lên, nhờ tốc độ và sức mạnh xử lý của máy tính.
Tiêu đề bài viết này sử dụng cụm từ “cuộc cách mạng công nghiệp” vì trí tuệ nhân tạo (AI) đã đạt đến một bước ngoặt quan trọng, được minh chứng rõ ràng bởi Chat GPT. Mô hình AI ngôn ngữ rộng này, được phát triển bởi OpenAI, có thể viết văn bản và tìm kiếm hình ảnh, rà soát internet để thu thập thông tin liên quan và trình bày chúng dưới dạng dễ đọc, logic, chỉ trong vài giây. Loại mô hình AI tương tự cũng đang được sử dụng trong phát triển phần mềm, nơi AI có thể tự tối ưu hóa, chẳng hạn như cải thiện các thuật toán trợ lý ảo (VA), mà không cần sự can thiệp của con người. Tương tự như vậy với xử lý VMS và thiết kế phần cứng AI, nút thắt cổ chai do con người gây ra đã được loại bỏ và AI đang tự cải thiện chính mình!
Xử lý phần cứng
Thế hệ phần cứng AI hiện tại chủ yếu dựa trên điện tử. Tuy nhiên, AI đang tạo ra sự bùng nổ về nhu cầu băng thông lớn hơn, độ trễ thấp và khả năng xử lý nhanh hơn. Điều này đòi hỏi điện toán hiệu năng cao (HPC), hiện đang được phát triển cho các ứng dụng trung tâm dữ liệu, nhưng chắc chắn sẽ sớm được ứng dụng rộng rãi hơn. Các kết nối “quang tử” dựa trên quang học đang xuất hiện, khi công nghệ Quang học đóng gói đồng thời (CPO) tìm cách thay thế các kết nối bằng đồng bằng quang học – giúp tăng tốc độ xử lý đáng kể, giảm kích thước hệ thống, mức tiêu thụ điện năng và chi phí vận hành. Nvidia đã gia nhập câu lạc bộ các công ty trị giá nghìn tỷ đô la trong năm nay nhờ những phát triển trong công nghệ AI.
Kích thước “khối xây dựng” của hệ thống CCTV được đề cập trước đó, bao gồm 100 ~ 200 kênh Hệ thống Quản lý Video và 40 ~ 60 kênh VA, phù hợp với các hệ thống CCTV lớn hơn và thường có thể được triển khai hiệu quả về chi phí tại chỗ. Tuy nhiên, nếu công nghệ HPC cho phép các bộ xử lý Hệ thống Quản lý Video và VA thế hệ tiếp theo xử lý số lượng kênh gấp 10 lần, trong vòng 5 năm tới, thì việc xử lý và có thể cả lưu trữ phải được tập trung hóa vào một máy chủ từ xa hoặc trung tâm dữ liệu (đám mây), với các camera được phân bổ cho từng địa điểm và được thanh toán theo từng địa điểm hoặc từng camera, để có thể khả thi.
Các trung tâm dữ liệu thế hệ tiếp theo đang kỳ vọng vào sự gia tăng mạnh mẽ nhu cầu xử lý dữ liệu từ nhiều ngành công nghiệp, cùng nhận ra rằng điện toán hiệu năng cao (HPC) đang thúc đẩy mô hình xử lý từ xa. Rõ ràng, các thiết bị ghi hình mạng (NVR), các giải pháp phân tích dữ liệu đóng gói sẵn và các camera phân tích dữ liệu đơn giản là không thể đáp ứng được nhu cầu này.
Mạng, lưu trữ và điện toán đám mây
Để tập trung hóa hiệu quả, phân tích dựa trên AI cần mạng có độ trễ bằng không để tránh sự chậm trễ giữa video được truyền phát và các sự kiện phân tích được kích hoạt. Mạng 5G và mạng quang học sẽ cung cấp độ trễ bằng không và đang trong quá trình triển khai ngắn hạn.
Nếu các nhà tích hợp và người dùng cuối chấp nhận hệ thống CCTV dựa trên sự kiện để giảm chi phí băng thông và lưu trữ dữ liệu, thì các giải pháp từ xa để lưu trữ và xử lý phân tích sẽ chiếm ưu thế. Nếu việc ghi hình phải liên tục, thì các giải pháp lai kết hợp lưu trữ cục bộ và xử lý VA tập trung có thể được áp dụng, với việc giảm chi phí lưu trữ cục bộ giúp trì hoãn việc chuyển sang lưu trữ đám mây và truyền phát dữ liệu đối với các hệ thống lớn hơn.
Bản tóm tắt
Sự phát triển của trí tuệ nhân tạo (AI) được thúc đẩy bởi các sản phẩm tiêu dùng, điện thoại thông minh, trò chơi điện tử và nhiều thị trường khác, trong đó hệ thống camera giám sát (CCTV) cũng được hưởng lợi. Những tiến bộ trong phần cứng, với khả năng tính toán mạnh mẽ, sẽ giúp phân tích dữ liệu dựa trên AI hoạt động hiệu quả hơn. Tuy nhiên, số lượng kênh lớn đồng nghĩa với việc khả năng xử lý vượt quá khả năng của các hệ thống thông thường, do đó cần phải được phân bổ trên nhiều địa điểm. Hệ thống CCTV tập trung hoặc dựa trên điện toán đám mây cho phép phân bổ chi phí, nhưng độ trễ mạng và chi phí lưu trữ đám mây, cùng với chi phí truyền phát băng thông rộng, có thể khiến việc lưu trữ cục bộ trở nên cần thiết hơn. Dù bằng cách nào, việc nâng cao kỹ năng cho các kỹ sư CCTV, với khả năng quang học và mạng lưới mạnh mẽ hơn, là điều cần thiết.
