حل الترميز الذكي بالذكاء الاصطناعي من "هايكفيجن" الصينية يوفر أكثر من 50% من مساحة التخزين

أخبار ar.wedoany.com، أدخلت شركة "هايكفيجن" قدرات فهم الدلالات المستندة إلى النماذج الكبيرة في حل الترميز الذكي لديها، مما يمكّن جهاز الترميز من "فهم المشهد أولاً ثم تحديد طريقة الترميز" مع الالتزام بمعيار H.265، مما يحقق عادةً توفيراً يزيد عن 50% من مساحة التخزين خلال دورة تسجيل مدتها 24 ساعة. تعمل هذه التقنية، من خلال دمج النماذج البصرية الكبيرة، على تحويل منطق الترميز من "الضغط القائم على البكسل" التقليدي إلى "الترميز القائم على الكائنات"، مما يقلل بشكل كبير من البيانات الزائدة مع الحفاظ على جودة الأهداف الرئيسية.

على الرغم من أن معيار H.265 (HEVC) التقليدي يوفر من 30% إلى 50% من معدل نقل البتات مقارنةً بـ H.264 من خلال تقنيات مثل التقسيم المتغير لوحدات شجرة الترميز (CTU) والتنبؤ متعدد الأنماط داخل الإطار، إلا أن خوارزمياته الأساسية لا تزال تجري عمليات حسابية رياضية على إشارات البكسل فقط، ولا تستطيع التعرف على الأهداف الأساسية للمراقبة مثل الأشخاص والمركبات في المشهد. يعالج الترميز القياسي الخلفيات الثابتة والمناطق المتحركة بمعدلات بتات متفاوتة، لكنه يخفض معدل البتات بشكل طفيف فقط للمناطق غير ذات القيمة المراقبة مثل الجدران الثابتة، مما يؤدي إلى استمرار تدفق أكثر من 70% من بيانات الخلفية الخاملة بكامل معدل البتات، مما يتسبب في هدر مستمر لمساحة التخزين.

يتكون نظام التقنية الأساسي للترميز الذكي من "هايكفيجن" من ثلاث مراحل. تعتمد مرحلة فهم الدلالات على النماذج البصرية الكبيرة لتحقيق فهم على مستوى المشهد للقطات الفيديو، حيث يمكن للنظام تحليل الأهداف الرئيسية مثل الأشخاص والمركبات الآلية بدقة، وتصل نسبة اكتشاف الأهداف إلى 99%، ويمكنه دعم التعرف على ما يصل إلى 64 هدفاً في وقت واحد. تتحول عملية الترميز من "التجميع-الترميز-التخزين" التقليدية إلى "التجميع-الفهم-الترميز-التخزين".

في مرحلة الترميز التفاضلي لمنطقة الاهتمام (ROI)، يطبق النظام درجات متفاوتة من الضغط على الأهداف الأمامية ومناطق الخلفية من خلال تقنية تقسيم المناطق عالية الدقة. يتم خفض قيمة معامل التكميم (QP) للمناطق الرئيسية مثل الوجوه ولوحات الأرقام للحفاظ على التفاصيل، بينما يتم رفع قيمة QP للمناطق الخالية من المعلومات الهامة لتوفير معدل البتات. تتم هذه العملية فقط من خلال تعديل QP للترميز، دون التلاعب بالبكسلات الأصلية أو الطوابع الزمنية أو دقة الفيديو، مما يحقق متوسط توفير في معدل البتات يزيد عن 50% مع ضمان جودة الأهداف.

تقدم مرحلة التوزيع التكيفي لمعدل البتات حسب المشهد آلية تعديل ديناميكية، حيث يتم تعديل استراتيجية الترميز على مدار اليوم وفقاً لتعقيد محتوى الفيديو. على سبيل المثال، في سيناريو مترو الأنفاق، يتم استخدام معدل بتات كامل خلال ساعة الذروة الصباحية لاستعادة التفاصيل، ويتم الضغط بنسبة 50% خلال المساء لتحقيق توازن بين الجودة والكفاءة، ويمكن الضغط إلى 10% خلال ساعات الفجر لتعظيم توفير التخزين. في المشاهد الثابتة التي تحتوي على أهداف قليلة جداً، مثل مكتب بدون أشخاص، يحكم النظام على المشهد بأكمله كخلفية عالية القابلية للضغط، مما يحقق توفيراً شبه كامل يصل إلى 90%.

يلتزم هذا الحل بشكل صارم بالمعيار الدولي H.265، ويضمن من خلال اختبارات توافق البروتوكول أن تدفق البتات الناتج متوافق بنسبة 100% مع المواصفات، ويمكنه الاتصال بسلاسة مع جميع أجهزة H.265 المتوافقة، دون الحاجة إلى استبدال أجهزة فك التشفير أو منصات المراقبة الحالية. تم إدراج تقنية الترميز التفاضلي لمنطقة الاهتمام (ROI) نفسها بالفعل في المعيار الوطني "المتطلبات التقنية لترميز وفك ترميز الصوت والفيديو الرقمي للمراقبة بالفيديو الأمني العام"، وهي ضمن نطاق تقنيات الأمن الناضجة.

في النشر الفعلي، على سبيل المثال، لنظام مراقبة بسعة 2000 قناة بدقة 1080P@2Mbps وفترة تخزين 90 يوماً، مقارنة بالترميز التقليدي، يمكن لهذا الحل تحقيق توفير بنسبة 60% في عدد الأقراص الصلبة، وتوفير بنسبة 60% في مساحة غرفة الخوادم، وتوفير بنسبة 50% في فاتورة الكهرباء على مدى 5 سنوات. من خلال استبدال سعة التخزين بقدرة حوسبة الذكاء الاصطناعي، يساعد الحل المستخدمين على تلبية متطلبات الامتثال للتخزين لفترات أطول ضمن الميزانية الحالية.