Новая версия SmartVision 6.4 делает ещё один шаг от классической системы видеонаблюдения к полноценной платформе компьютерного зрения. В обновлении появился режим Advanced Object Detection, добавлена поддержка нескольких моделей YOLO и оптимизирована параллельная обработка видеопотоков с большого количества IP-камер.
Современное видеонаблюдение уже давно не ограничивается записью происходящего. Камера должна понимать, что именно попало в кадр, отличать человека от автомобиля, находить лица и распознавать регистрационные номера. Но чем точнее работает искусственный интеллект, тем больше вычислительных ресурсов ему требуется. В SmartVision 6.4 пользователь может самостоятельно выбирать баланс между скоростью, точностью и нагрузкой на компьютер.
Advanced Object Detection
В SmartVision 6.4 добавлен дополнительный режим Advanced Object Detection, предназначенный для более точного обнаружения объектов в видеопотоке.
Новый режим ориентирован прежде всего на компьютеры с графическими процессорами GPU. Более сложные нейросетевые модели анализируют изображение точнее, но требуют больше видеопамяти и вычислительной мощности. Чудес здесь пока не произошло: чем внимательнее искусственный интеллект смотрит на изображение, тем дороже обходится каждый кадр.
В файле настроек yolomodel.txt теперь можно выбрать одну из четырёх моделей YOLO. Они отличаются размером весов, точностью распознавания и требованиями к оборудованию.
Лёгкие модели обеспечивают более высокую скорость обработки и подходят для систем с большим количеством камер или менее производительными GPU. Тяжёлые модели требуют больше ресурсов, но потенциально позволяют точнее определять небольшие, удалённые или частично перекрытые объекты.
Добавление новых моделей и нейросетевых весов привело к увеличению размера установочного дистрибутива SmartVision. Это неизбежная плата за возможность выбирать алгоритм под конкретную конфигурацию оборудования, а не использовать одну универсальную модель для всех сценариев.
Параллельное распознавание на GPU
Одним из ключевых изменений SmartVision 6.4 стала оптимизация модуля распознавания для многопоточной обработки видео на графическом процессоре.
При работе с несколькими десятками IP-камер нагрузка складывается не только из декодирования видеопотоков. Система одновременно выполняет обнаружение объектов, поиск лиц, сравнение биометрических признаков и распознавание автомобильных номеров.
Теперь в настройках SmartVision можно задать количество параллельных потоков, используемых для распознавания лиц и регистрационных номеров. Это позволяет эффективнее распределять вычислительную нагрузку между камерами и лучше использовать возможности современных многоядерных процессоров и GPU.
Для мощных видеокарт количество потоков можно увеличить, ускорив обработку нескольких камер. На менее производительных системах значение можно уменьшить, сохранив стабильность и предсказуемую нагрузку.
При этом максимальное количество потоков не всегда означает максимальную производительность. Слишком большое число параллельных задач может привести к нехватке видеопамяти, очередям обработки и снижению общей скорости. Настройка должна учитывать разрешение камер, частоту кадров, выбранные модели распознавания и объём памяти GPU.
ONVIF или универсальный H.264
При использовании тяжёлых моделей распознавания рекомендуется выбирать в настройках параметр reader = onvif.
В этом режиме SmartVision получает исходный видеопоток непосредственно от IP-камеры и не расходует дополнительные ресурсы на его перекодирование. Для систем с большим количеством камер это может заметно снизить нагрузку на центральный процессор и освободить ресурсы для работы нейросетей.
Однако здесь появляется компромисс. Если камера передаёт видео в формате H.265, сохранённые файлы могут некорректно открываться в некоторых браузерах. Причина связана не с самой системой SmartVision, а с ограниченной поддержкой H.265 и лицензионной политикой производителей браузеров и операционных систем.
При выборе reader = default программа сохраняет видео в H.264. Этот формат остаётся наиболее универсальным и совместимым с браузерами, медиаплеерами и мобильными устройствами.
Обратная сторона такого подхода заключается в необходимости декодирования и последующего кодирования видеопотока. Для нескольких камер дополнительная нагрузка может быть практически незаметной. Но в крупной системе, где одновременно работают десятки каналов, перекодирование становится отдельной вычислительной задачей и может конкурировать за ресурсы с AI-аналитикой.
Поэтому выбор зависит от конкретного сценария:
reader = onvif лучше подходит для производительных систем с большим количеством камер, особенно если необходимо сохранить ресурсы для распознавания объектов, лиц и номеров.
reader = default рекомендуется в тех случаях, когда приоритетом является максимальная совместимость видеоархива с браузерами и внешними программами.
Видеонаблюдение становится вычислительной платформой
SmartVision 6.4 показывает, как меняется сама архитектура систем безопасности. Раньше основными характеристиками видеонаблюдения считались разрешение камер, ёмкость дисков и глубина архива. Теперь к ним добавляются размер нейросетевой модели, объём видеопамяти, количество потоков распознавания и пропускная способность GPU.
Камеры продолжают передавать изображение, но всё больше работы выполняет программное обеспечение. Именно оно решает, какой объект является важным, какое событие нужно сохранить и на какой кадр должен обратить внимание оператор.
Новая версия SmartVision позволяет гибко настроить эту вычислительную цепочку. Пользователь может выбрать лёгкую или тяжёлую модель YOLO, определить количество параллельных потоков распознавания и решить, что важнее для конкретной системы: минимальная нагрузка на оборудование или максимальная совместимость видеоархива.
SmartVision 6.4 превращает эти параметры из скрытых технических деталей в полноценные инструменты управления AI-видеонаблюдением. Потому что современная система безопасности должна не просто смотреть на происходящее. Она должна понимать, что именно она видит, и делать это одновременно на всех подключённых камерах.