تکامل ویدیوی هوشمند و لبه

بر اساس آخرین تخمین های IDC، تا سال 2025، بازار جهانی دوربین های نظارت تصویری به 50 میلیارد دلار افزایش خواهد یافت. به گفته مانفرد برگر، مدیر ارشد، با افزایش تقاضا برای ویدئوهای هوشمند، به موازات افزایش استفاده از هوش مصنوعی (AI)، این امر باعث پیشرفت معماری داده‌ها می‌شود. پلتفرم های توسعه کسب و کار EMEAI در سازنده دستگاه ذخیره سازی داده وسترن دیجیتال.

هوش مصنوعی در انجام وظایف خاص و باریک فوق العاده عالی است. هدف هوش مصنوعی این نیست که به فناوری بیاموزد جهان را مانند انسان ها ببیند، بلکه در عوض این است که رایانه ها را قادر می سازد تا دنیای انسان ها را به روش های سریع و دقیق ضبط، تجزیه و تحلیل و یاد بگیرند. ارزش عمیق هوش مصنوعی از بهره گیری از قابلیت های هوش کامپیوتری – مانند تشخیص اشیا، تشخیص حرکت، و ردیابی یا شمارش اشیا/افراد – و استفاده از آنها در برنامه مناسب ناشی می شود. با توجه به کاربرد این برنامه ها، تعجب آور نیست که ادغام داده های ویدئویی، هوش مصنوعی و حسگرها بستری برای خدمات جدید در سراسر صنایع باشد.

موارد استفاده بزرگتر و هوشمندتر

ویدیوی هوشمند سنگ اصلی فعالیت های امنیتی و نظارتی مدرن است. با این حال، همچنین باید در نظر گرفت که بازار از طریق تعداد فزاینده موارد استفاده در حال گسترش است. اینها شامل کاربردهای پزشکی، تجزیه و تحلیل ورزشی، کارخانه ها، مدیریت ترافیک و حتی پهپادهای کشاورزی است. فناوری هوشمند این موارد استفاده را «هوشمند» می کند، یعنی دستگاه هایی که بینش های هوشمند را به کار می گیرند. به عنوان مثال، در «شهرهای هوشمند»، دوربین‌ها و هوش مصنوعی الگوهای ترافیک را تجزیه و تحلیل می‌کنند و چراغ‌های راهنمایی را بر اساس آن تنظیم می‌کنند تا جریان خودرو را بهبود بخشد، ازدحام و آلودگی را کاهش دهد و ایمنی عابران پیاده را افزایش دهد. مثال دیگری از این کار «کارخانه‌های هوشمند» است که انواع وظایف محدودی را که هوش مصنوعی در آنها برتری دارد، اجرا می‌کند، مانند تشخیص نقص یا انحراف در خط تولید در زمان واقعی و تنظیم برای کاهش خطا. دوربین های هوشمند می توانند در این موارد استفاده در سطح تضمین کیفیت بسیار موثر باشند و هزینه ها را از طریق اتوماسیون و تشخیص زودهنگام عیب پایین نگه دارند.

تغییرات در لبه

همانطور که ویدیوی هوشمند تکامل می یابد، به موازات دیگر پیشرفت های زیرساخت فناوری و داده مانند 5G در حال توسعه است. از آنجایی که این فناوری‌ها در کنار هم قرار می‌گیرند، بر معماری لبه و آنچه ما از ذخیره‌سازی داده نیاز داریم، تأثیر می‌گذارند. به طور خاص، آنها تقاضا برای ذخیره سازی تخصصی را افزایش می دهند. در اینجا برخی از بزرگترین روندهای در حال توسعه آورده شده است:

1. قدرت در اعداد

داشتن دوربین‌های بیشتر به این معنی است که داده‌های غنی از رسانه بیشتری برای ضبط و تجزیه و تحلیل وجود دارد. این بدان معنی است که می توان از آن برای آموزش هوش مصنوعی استفاده کرد. به طور همزمان، دوربین ها از وضوح بالاتر (فیلم 4K و بالاتر) پشتیبانی می کنند. هرچه ویدیو با جزئیات بیشتر و واضح تر باشد، بینش بیشتری می توان از آن استخراج کرد و بنابراین الگوریتم های هوش مصنوعی می توانند مؤثرتر شوند. علاوه بر این، دوربین‌های جدید نه تنها یک جریان ویدیوی اصلی، بلکه جریان‌های با نرخ بیت پایین اضافی را نیز منتقل می‌کنند که برای نظارت با پهنای باند کم و تطبیق الگوی هوش مصنوعی عالی است.

برخی از بزرگ‌ترین چالش‌ها برای این نوع حجم کاری این واقعیت است که همیشه فعال هستند. به خصوص در مورد امنیت ضروری است، بسیاری از دوربین های هوشمند 24/7، 365 روز در سال، همانطور که برای نقش آنها مورد نیاز است، کار می کنند.

چالشی که در اینجا وجود دارد این است که فناوری ذخیره سازی باید بتواند به همین ترتیب ادامه یابد. یکی از راه‌هایی که ذخیره‌سازی برای رویارویی با این چالش تکامل یافته است، توسعه توانایی ارائه سرعت انتقال داده با کارایی بالا و سرعت نوشتن داده‌ها برای اطمینان از ضبط ویدیو با کیفیت بالا است. علاوه بر این، فناوری ذخیره سازی روی دوربین که می تواند طول عمر و قابلیت اطمینان را ارائه دهد، در مقایسه با فناوری ذخیره سازی در یک مرکز داده از راه دور، حیاتی تر شده است.

2. تنوع غنی از نقاط پایانی

قلمرو امنیت به چیزی بیش از داده های بصری متکی است. انواع جدیدی از دوربین ها با انواع جدیدی از داده ها برای تجزیه و تحلیل در حال توسعه هستند. دوربین‌ها را می‌توان در همه جا یافت – بالای ساختمان‌ها، داخل وسایل نقلیه در حال حرکت، در هواپیماهای بدون سرنشین و حتی در زنگ‌های در. مکان و ضریب شکل دوربین های هوشمند بر فناوری ذخیره سازی مورد نیاز تأثیر می گذارد. دسترسی به دوربین ها (یا عدم وجود آنها) باید در نظر گرفته شود – آیا آنها در بالای یک ساختمان بلند هستند؟ شاید در میان یک جنگل دور افتاده؟ چنین مکان هایی ممکن است نیاز به مقاومت در برابر تغییرات شدید دما داشته باشند. به عنوان مثال، پهپادهای امنیتی که مکان گرمای شدید را رصد می کنند. همه این احتمالات باید در نظر گرفته شوند تا از ضبط مداوم و قابل اعتماد طولانی مدت داده های ویدیویی مهم اطمینان حاصل شود.

3. چیپست های هوش مصنوعی

به دلیل بهبود قابلیت های محاسباتی در دوربین ها، تصمیمات بلادرنگ روزافزونی در لبه سطح دستگاه گرفته می شود. چیپ‌ست‌های جدید برای دوربین‌هایی می‌آیند که قابلیت هوش مصنوعی را بهبود می‌بخشند، و چیپست‌های پیشرفته‌تر پردازش شبکه عصبی عمیق را برای تجزیه و تحلیل یادگیری عمیق روی دوربین ارائه می‌دهند. هوش مصنوعی همچنان هوشمندتر و توانمندتر می شود. با ادامه نوآوری در دوربین‌ها، این انتظار افزایش می‌یابد که یادگیری عمیق – که به مجموعه داده‌های ویدیویی بزرگ برای مؤثر بودن نیاز دارد – روی دوربین نیز اتفاق می‌افتد و نیاز به ذخیره‌سازی اولیه بیشتر روی دوربین را افزایش می‌دهد.

حتی برای راه‌حل‌هایی که از دوربین‌های امنیتی استاندارد استفاده می‌کنند، چیپ‌ست‌های تقویت‌شده با هوش مصنوعی و GPUهای گسسته (واحدهای پردازش گرافیکی) همچنان در ضبط‌کننده‌های ویدیوی شبکه (NVR)، دستگاه‌های تجزیه‌وتحلیل ویدیویی، و دروازه‌های لبه برای فعال کردن عملکردهای پیشرفته هوش مصنوعی و تجزیه و تحلیل یادگیری عمیق استفاده می‌شوند. با توجه به سیستم عامل NVR و معماری سیستم عامل (سیستم عامل) که برای افزودن چنین قابلیت هایی به ضبط کننده های جریان اصلی تکامل می یابد، پیامدهای ذخیره سازی بسیار زیاد است و باید حجم کاری بسیار بیشتری را تحمل کند. برای مثال، نیاز به فراتر از ذخیره سازی جریان های دوربین تک و چندگانه وجود دارد. امروزه، ابرداده‌های هوش مصنوعی و داده‌های مرجع برای تطبیق الگو نیز باید ذخیره شوند.

4. با ابر خداحافظی نکنید

اکثر تجزیه و تحلیل های ویدیویی و یادگیری عمیق برای راه حل های ویدیویی هوشمند امروزی توسط دستگاه های تجزیه و تحلیل ویدیوی گسسته یا در فضای ابری تکمیل می شود. به طور مشابه، برنامه‌های گسترده‌تر اینترنت اشیا (IoT) که از داده‌های حسگر فراتر از ویدیو استفاده می‌کنند نیز از قدرت ابر یادگیری عمیق برای ایجاد هوش مصنوعی مؤثرتر و هوشمندتر بهره می‌برند.

برای پشتیبانی از این بارهای کاری جدید هوش مصنوعی، ابر دستخوش دگرگونی شده است. پردازنده‌های شبکه عصبی در فضای ابری از خوشه‌های GPU عظیم یا FPGA سفارشی (آرایه گیت قابل برنامه‌ریزی میدانی) استفاده کرده‌اند. هزاران ساعت ویدیو آموزشی و پتابایت داده به آنها داده می شود. این فعالیت ابری همچنان به ذخیره سازی تخصصی و قوی نیاز دارد: این حجم های کاری به ظرفیت بالای هارد دیسک های کلاس سازمانی (HDD) و دستگاه ها، پلت فرم ها یا آرایه های فلش SSD سازمانی با کارایی بالا بستگی دارد.

5. رسیدن به ستاره ها با 5G

اینترنت سیمی و بی‌سیم مقیاس‌پذیری و سهولت نصب را فعال کرده است که منجر به پذیرش انفجاری دوربین‌های امنیتی شده است – اما تنها در جایی که زیرساخت‌های LAN و WAN وجود دارد می‌تواند این کار را انجام دهد. با این حال، 5G در اینجا یک تغییر دهنده بازی است. 5G بسیاری از موانع را بر سر راه استقرار حذف می‌کند و گزینه‌های بیشتری را برای مکان‌هایی که می‌توان دوربین نصب کرد و به راحتی در مکان‌های شهری استفاده کرد، فراهم می‌کند. با این سهولت استقرار، مقیاس‌پذیری بیشتری به دست می‌آید که موارد استفاده را افزایش می‌دهد و پیشرفت‌های بیشتر در طراحی دوربین و ابر را تشویق می‌کند.

برای مثال، دوربین‌ها اکنون می‌توانند مستقل باشند، دیگر به شبکه محلی وابسته نباشند و در عوض از اتصال مستقیم به یک ابر متمرکز استفاده کنند. دوربین‌های نوظهوری که از قبل آماده 5G هستند، برای بارگیری و اجرای برنامه‌های شخص ثالث طراحی می‌شوند که می‌توانند قابلیت‌های گسترده‌تری را به همراه داشته باشند. با پشت سر گذاشتن 5G، آسمان محدودیت نوآوری ویدیوی هوشمند را دارد.

نکته دیگر این است که با استقلال بیشتر، نیاز به فضای ذخیره سازی پویاتر برای این دوربین ها وجود دارد. آن‌ها به ترکیب‌های جدیدی از استقامت، ظرفیت، عملکرد و بهره‌وری انرژی نیاز دارند تا بتوانند تنوع عملکردهای جدید برنامه محور را مدیریت کنند.

لبه مرزی

در حالی که آینده ویدیوهای هوشمند هیجان انگیز است، به همان اندازه پیچیده است. تغییرات معماری برای رسیدگی به بارهای کاری جدید و آمادگی برای قابلیت های پویاتر در لبه ها و نقاط پایانی در حال انجام است. به طور همزمان، تجزیه و تحلیل یادگیری عمیق در قسمت پشتی و ابری به تکامل خود ادامه می دهد. همانطور که ویدیوهای مجهز به هوش مصنوعی در حال توسعه هستند، درک اینکه چگونه معماری ها باید به نوبه خود تغییر کنند بسیار مهم است. درک تغییرات حجم کار – چه در سطح دوربین، ضبط کننده یا ابر – برای اطمینان از اینکه هرگونه تغییر معماری جدید با نوآوری مداوم در ذخیره سازی داده ها افزایش می یابد، بسیار مهم است.

فن‌آوری‌های ذخیره‌سازی نه تنها باید با تقاضاهای رو به رشد ویدیوهای هوشمند همگام باشند، بلکه باید قابلیت‌های جدید و موارد استفاده هوشمند را نیز فعال و تشویق کنند. از آنجایی که گسترش ویدئوهای هوشمند در سراسر فضای امنیتی تنها ادامه دارد، پیچیدگی های ذخیره سازی پنهان را نباید فراموش کرد.