Có ba loại công nghệ phân tích video chính hiện có trong các giải pháp dựa trên máy chủ, hệ thống quản lý video (VMS) và hệ thống camera giám sát (CCTV).
Theo thứ tự độ chính xác và khả năng, chúng là Phân tích thần kinh (Neural Analytics); sau đó là Phân tích học sâu và trí tuệ nhân tạo (Deep Learning and Artificial Intelligence – DL và AI Analytics); và cuối cùng là Đối tượng nhị phân lớn (Binary Large Object, hay BLOB).
Digifort hỗ trợ cả ba loại này, cũng như tích hợp với hệ thống phân tích trong các đầu ghi NVR của bên thứ ba; các hộp phân tích “tất cả trong một”; và camera. Do đó, chúng tôi đã yêu cầu Nick Bowden, Giám đốc điều hành của Digifort UK, tìm hiểu về lợi ích hiệu quả chi phí của chúng.
Phương án phân tích chính xác và hiệu quả nhất là mạng nơ-ron. Đây là phương án tốn kém nhất vì phần mềm có giá thành cao hơn và yêu cầu phần cứng hiệu năng cao để vận hành. Các phương án phân tích khác có thể kém hiệu quả hơn, nhưng chúng hoàn toàn phù hợp với nhiều ứng dụng CCTV, đặc biệt là những nơi có ngân sách hạn chế.
Digifort là đối tác công nghệ của Nvidia. Phần mềm phân tích của họ được tối ưu hóa để chạy trên Bộ xử lý đồ họa (GPU) của Nvidia. Các GPU này được tích hợp trong máy chủ cùng với bộ xử lý hệ điều hành (OS). “Hiệu năng” của máy chủ VA được đo bằng lõi CUDA, tương tự như mã lực (BHP) trong ô tô. GPU có 4000 lõi CUDA trở lên rất phổ biến và có giá cả phải chăng. “Ngân sách” hiệu năng GPU này được phân bổ cho nhiều kênh phân tích và chức năng phân tích được phân bổ cho các kênh video cần thiết – với sự linh hoạt để phân bổ lại cho các kênh video khác nhau trong hệ thống, nếu cần. Đầu ghi hình mạng (NVR); các giải pháp phân tích đóng gói; và camera có chức năng phân tích tích hợp đơn giản là không có “sức mạnh” hiệu năng hoặc tính linh hoạt triển khai hệ thống này. Các bo mạch GPU đang phát triển nhanh chóng, với hiệu năng xử lý tăng gấp đôi mỗi năm, với cùng chi phí. Do đó, chúng ta có thể kỳ vọng sẽ được hưởng lợi từ những cải tiến hiệu năng và giảm chi phí đáng kể hơn nữa trong các hệ thống CCTV dựa trên máy chủ trong tương lai. Ngoài ra, việc dành riêng các lõi GPU cho phân tích dữ liệu và các lõi máy chủ cho hệ điều hành và xử lý video là một cách làm tốt để tối ưu hiệu suất máy chủ, vì mỗi phần truy cập tài nguyên bộ xử lý tương ứng theo cách khác nhau.
1. Phân tích thần kinh
Phân tích thần kinh là một công nghệ tương đối mới trong lĩnh vực camera giám sát (CCTV). Giống như nhận dạng của con người, nhiều đối tượng khác nhau trong tầm nhìn của camera được xác định từ thư viện các đối tượng đã biết, với các đối tượng mới cụ thể được “giới thiệu” vào hệ thống và các đối tượng khác được hệ thống học hỏi theo thời gian. Các quy tắc có thể được áp dụng cho từng đối tượng hoặc sự kết hợp của các đối tượng với các cảnh báo hoặc sự kiện được kích hoạt theo thời gian thực để người vận hành phản hồi. Digifort cung cấp ba mạng thần kinh để lựa chọn:
- Các đối tượng ‘chung’ như phương tiện giao thông và con người.
- Tội phạm, liên quan đến việc nhận dạng vũ khí, tư thế và chuyển động tay đáng ngờ (như chĩa súng).
- Công nghiệp, dùng để nhận diện những người đội mũ bảo hiểm, đeo khẩu trang, kính bảo hộ và các thiết bị bảo hộ cá nhân khác.
Phân tích thần kinh rất phù hợp với các ứng dụng kiểu “đo lường sự hiện diện”, chẳng hạn như số lượng xe trong bãi đỗ xe hoặc người xếp hàng. Nó nhận diện các đối tượng “được nhìn thấy” trong khung hình camera, hoặc một khu vực, và đếm chúng. Nhiều khu vực từ một hoặc nhiều camera có thể được tổng hợp để đếm số lượng tại một địa điểm. Phông nền của cảnh được bỏ qua, vì chúng không phải là các đối tượng được nhận diện, giúp giảm thiểu các cảnh báo sai.
2. Học sâu và Trí tuệ nhân tạo (DL và AI)
Phân tích học sâu (DL) và trí tuệ nhân tạo (AI) cũng có thể có yếu tố thần kinh và thường nhận dạng người, xe tải, xe đạp, ô tô, xe tải, nhóm người, túi xách, người đi xe đạp và nhiều hơn nữa, bao gồm cả với cấu hình màu sắc cụ thể. Khi một cảnh quay được “học”, phân tích DL/AI sẽ tự hiệu chỉnh để học các phông nền của cảnh, giảm thiểu cảnh báo sai. Nhiều quy tắc có thể được áp dụng riêng lẻ hoặc đồng thời, chẳng hạn như sự hiện diện, vào, ra, xuất hiện, biến mất của một đối tượng; hướng, bộ lọc bám đuôi; đếm trên một vạch; và đối tượng dừng lại, lảng vảng, bị bỏ rơi và bị di chuyển. Phân tích của Digifort cũng sử dụng khung báo cáo siêu dữ liệu cho phép tìm kiếm pháp y video đã ghi lại cho các đối tượng khác nhau so với cài đặt ban đầu.
Nhiều đầu ghi NVR, giải pháp phân tích trọn gói và giải pháp camera nhúng sử dụng các phiên bản của loại phân tích này, thường không có yếu tố mạng nơ-ron, nhưng thường thiếu khả năng xử lý cần thiết để tối đa hóa tiềm năng của chúng vì việc tích hợp GPU Nvidia vào đầu ghi NVR không thực tế hoặc không hiệu quả về mặt chi phí.
3. Đối tượng nhị phân lớn / BLOB
Đây là cấp độ phân tích cơ bản nhất, nhận diện kích thước đối tượng (số pixel) và hành vi dựa trên phát hiện chuyển động cùng một số phân tích đơn giản như vượt qua đường kẻ. Nhiều đầu ghi NVR sử dụng loại phân tích này. Đây là một lựa chọn chi phí thấp, lý tưởng để điều khiển việc ghi hình chuyển động hoặc sự kiện trong hệ thống VMS, nhằm tiết kiệm dung lượng lưu trữ.
Hiệu năng phân tích và chi phí phần cứng
Phân tích thần kinh sử dụng luồng video D1 (720×576 pixel) để xử lý, ngay cả khi luồng “bằng chứng” được ghi lại trong hệ thống quản lý video (VMS) có độ phân giải 4MP, 8MP hoặc cao hơn. Một số loại phân tích rất đặc thù sử dụng độ phân giải 1080p (1920×1080 pixel), thường là khi phân tích hành vi của con người. Để minh họa khả năng, một GPU 3000 lõi với giá dưới 500 bảng Anh thường có thể xử lý khoảng 40 kênh thần kinh.
Một lời cảnh báo, một số giải pháp phân tích đóng gói chỉ ghi lại luồng xử lý phân tích, có thể ở mức D1 hoặc thấp hơn, mà không có luồng dữ liệu nhân sự đồng thời để làm bằng chứng. Điều này có nghĩa là video phân tích thường được ghi lại ở độ phân giải thấp – vì vậy hãy kiểm tra kỹ nếu bạn chọn sử dụng giải pháp phân tích đóng gói.
Mỗi loại phân tích đều có vị trí riêng khi xét đến chi phí và hiệu năng. Tuy nhiên, phân tích thần kinh vượt trội hơn tất cả về độ chính xác và khả năng; chi phí triển khai đang giảm dần khi giá máy chủ và GPU giảm; và nó có khả năng đáp ứng nhu cầu trong tương lai, cho phép nâng cấp GPU và hiệu năng/độ chính xác phù hợp với sự phát triển liên tục của phần mềm phân tích thần kinh.
