Вышла версия SmartVision 6.1. Основное техническое изменение - добавлена автоматическая работа модулей AI-видеоаналитики через GPU при наличии совместимой видеокарты NVIDIA, CUDA 12.6 и cuDNN 9.5. Также в общих настройках появилась новая вкладка GPU, обновлён интерфейс и добавлена локализация новых форм.
От классических CCTV/CMS-систем к AI-видеоаналитике
Традиционные CCTV и CMS-программы в основном выполняли инфраструктурные функции: подключение камер, просмотр изображения, запись архива, воспроизведение записей и базовую детекцию движения. В такой архитектуре видеопоток воспринимался как последовательность кадров, а не как набор объектов и событий.
AI-видеоаналитика работает иначе. Система должна не просто принять и записать поток, а выполнить анализ содержимого кадра: обнаружить человека, автомобиль, лицо, номерной знак, дым, огонь или другой объект. После этого результат должен быть преобразован в событие, которое можно сохранить, отобразить, использовать для поиска или отправить как уведомление.
Это меняет требования к программам видеонаблюдения. Важным становится не только количество подключённых камер и объём архива, но и то, сколько видеопотоков система может анализировать одновременно, с какой задержкой и какой частотой обработки кадров.
Почему CPU не всегда достаточно
CPU остаётся основным процессором системы и хорошо подходит для универсальных задач: управления интерфейсом, записи файлов, работы с сетью, базой данных, логикой событий и пользовательскими настройками. Но нейросетевое распознавание создаёт другой тип нагрузки.
При анализе изображения выполняется большое количество однотипных математических операций: свёртки, матричные вычисления, нормализация, преобразование тензоров, постобработка результатов модели. Эти операции хорошо распараллеливаются, поэтому эффективнее выполняются на GPU.
Если камера передаёт 25 кадров в секунду, одна камера формирует 1500 кадров в минуту. При нескольких камерах и включённых модулях распознавания нагрузка быстро растёт. На CPU система может быть вынуждена анализировать только часть кадров, чтобы сохранить стабильную работу. В результате короткие события могут быть пропущены: быстро прошедший человек, автомобиль в движении, краткое появление лица, номерной знак в одном-двух кадрах, первые признаки дыма.
GPU не меняет качество модели на одном конкретном кадре, но позволяет обрабатывать больше кадров за единицу времени. Для практической видеоаналитики это важно: чем больше кадров проходит через модель, тем ниже вероятность пропуска события.
Что добавлено в SmartVision 6.1
В SmartVision 6.1 все основные модули распознавания получили поддержку GPU-вычислений. При наличии совместимой видеокарты NVIDIA и установленных компонентов CUDA/cuDNN программа может использовать GPU для обработки видеопотоков и выполнения нейросетевых операций.
GPU-ускорение применяется для задач AI-видеоаналитики, включая:
- обнаружение объектов;
- распознавание лиц;
- распознавание автомобильных номеров;
- обнаружение дыма и огня;
- другие модули анализа видеопотока.
Если GPU недоступен или необходимые компоненты не установлены, SmartVision продолжает работать на CPU. Это сохраняет совместимость с обычными компьютерами и позволяет использовать одну и ту же программу в разных конфигурациях: от небольших систем до объектов с более высокой вычислительной нагрузкой.
CUDA 12.6 и cuDNN 9.5
Для работы GPU-ускорения в SmartVision 6.1 требуется установить CUDA 12.6 и cuDNN 9.5 для CUDA 12.6.
CUDA - это вычислительная платформа NVIDIA, которая позволяет программам использовать GPU для выполнения вычислений. Без CUDA видеокарта может быть установлена в компьютере и корректно определяться в Windows, но приложение не сможет использовать её как вычислительный ускоритель для нейросетевой обработки.
cuDNN - это библиотека NVIDIA для ускорения операций глубокого обучения. Она содержит оптимизированные реализации операций, которые используются в нейросетях: свёртки, матричные вычисления, нормализация, активации и другие базовые функции. Именно такие операции применяются в моделях распознавания объектов, лиц, номеров, дыма и огня.
Общая схема выглядит так:
- драйвер NVIDIA обеспечивает работу видеокарты в системе;
- CUDA даёт приложению доступ к вычислениям на GPU;
- cuDNN ускоряет нейросетевые операции;
SmartVision использует эту связку для AI-анализа видеопотоков.
Если CUDA и cuDNN не установлены, GPU-ускорение работать не будет. В этом случае программа сможет выполнять аналитику на CPU, но без аппаратного ускорения со стороны видеокарты.
Если CUDA 12.6 и cuDNN 9.5 уже установлены, SmartVision 6.1 может обнаружить их автоматически. При нестандартной установке пользователь может вручную указать пути к CUDA-модулям в настройках.
Как происходит обработка видеопотока на GPU
Типовой конвейер AI-видеоаналитики состоит из нескольких этапов. Сначала программа получает поток с камеры, например по RTSP или HTTP. Далее кадры декодируются и подготавливаются для анализа: изменяется размер изображения, выполняется преобразование цветового формата, нормализация и формирование входного тензора для модели.
После подготовки данные передаются в память GPU. Затем выполняется inference - запуск нейросетевой модели. На этом этапе CUDA обеспечивает выполнение вычислений на видеокарте, а cuDNN ускоряет типовые операции нейросети. После обработки модель возвращает результаты: координаты объектов, классы, вероятности, признаки лица, область номерного знака, признаки дыма или огня.
Далее выполняется постобработка: фильтрация по порогам уверенности, устранение дублирующихся рамок, сопоставление объектов между кадрами, формирование событий и передача результата в логику программы. После этого SmartVision может сохранить событие, записать кадр, включить запись, отправить уведомление или выполнить другое действие в зависимости от настроек.
Производительность такой схемы зависит не только от мощности GPU, но и от разрешения потоков, количества камер, частоты кадров, используемых моделей, настроек детекции и эффективности передачи данных между CPU и GPU.
Что меняется на рынке видеонаблюдения
Развитие AI и GPU-ускорения постепенно меняет структуру рынка видеонаблюдения. Раньше основными параметрами системы были количество камер, объём архива, скорость записи и удобство просмотра. Теперь к ним добавляются вычислительные параметры: сколько потоков можно анализировать в реальном времени, какие модели используются, сколько кадров в секунду обрабатывается, какая задержка возникает между событием и реакцией системы.
Обычная IP-камера в такой архитектуре становится источником данных для AI-обработки. Основная часть интеллектуальной логики переносится в программное обеспечение: детекция объектов, распознавание лиц и номеров, фильтрация событий, поиск по архиву, уведомления и интеграции.
Это не отменяет классические функции VMS/CMS-систем. Подключение камер, запись архива и воспроизведение по-прежнему остаются базовыми задачами. Но поверх них появляется слой AI-аналитики, который требует других вычислительных ресурсов. Именно поэтому GPU становится важным элементом конфигурации для систем, где включено несколько модулей распознавания и используется большое количество камер.
Практическое значение для SmartVision
SmartVision 6.1 учитывает эту архитектурную смену. Программа сохраняет стандартные функции видеонаблюдения: подключение IP-камер, просмотр, запись, архив и события. При этом модули AI-видеоаналитики могут использовать GPU, если в системе установлены необходимые компоненты NVIDIA.
На небольших объектах CPU-режим может быть достаточным. Например, если камер немного, разрешение умеренное, а аналитика используется выборочно. На системах с несколькими потоками, высоким разрешением и активным распознаванием объектов, лиц, номеров, дыма или огня GPU-ускорение снижает нагрузку на CPU и позволяет обрабатывать больше кадров в секунду.
Вкладка GPU в настройках нужна для контроля этой конфигурации. Через неё программа проверяет наличие компонентов, может подключить ускорение автоматически или использовать вручную заданные пути к CUDA-модулям.
Интерфейс и локализация
Кроме изменений в вычислительной части, в SmartVision 6.1 обновлён дизайн интерфейса. Новые формы адаптированы для повседневной работы и локализованы на разные языки. Это особенно важно для установок, где системой пользуются сотрудники с разными языковыми настройками.
