
Есть две основные категории систем для использования интеллектуального видео: централизованные и распределенные. В централизованных архитектурах видео- и другая информация захватывается камерами и датчиками и передается на центральный сервер, где и осуществляется ее анализ. В распределенных архитектурах, устройства, находящиеся "на переднем краю" (сетевые камеры и кодеры), сами являются "интеллектуальными" и способны обрабатывать видео, вычленяя релевантную информацию. Другим вопросом является: должна ли система допускать интеграцию приложений других производителей.
|
||||||||||||
Чтобы обеспечить централизованное видеонаблюдение в традиционных аналоговых системах, видеосигнал направляется от видеокамеры к "интеллектуальному" устройству цифровой видеозаписи. Цифровой видеорекодер осуществляет логический анализ видео (например, подсчет посетителей или распознавание номерных знаков) до того, как производится оцифровка, сжатие и запись отобранного материала; оно же направляет сигналы тревоги и видеопотоки авторизованным операторам.
В данной архитектуре каждая аналоговая камера подключается к цифровому видеорекодеру при помощи коаксиального кабеля. Поскольку данная архитектура предназначена для небольших систем с ограниченным количеством камер, она не является ни гибкой, ни расширяемой. Каждое устройство цифровой видеозаписи имеет фиксированное количество входов, поэтому порой, для того, чтобы добавить всего одну камеру, требуется новый цифровой рекордер, что влечет к значительным расходам. Кроме того, поскольку цифровые видеорекодеры являются специализированными устройствами, их нельзя объединять в сети или использовать с приложениями других производителей, они также не поддерживают сетевые утилиты, такие как средства обеспечения безопасности.

Сетевое видео позволяет использовать совершенно другую стратегию - распределение интеллектуальных функций. Распределенные архитектуры разработаны для того, чтобы преодолеть ограничения, которые имеют централизованные архитектуры, посредством распределения различных процессов среди различных элементов системы. Наиболее расширяемые, экономичные и гибкие архитектуры основаны на принципе "интеллект на переднем крае", т.е. когда основная обработка видео осуществляется самими сетевыми камерами или кодерами. Данная архитектура требует наименьшей полосы пропускания, поскольку камеры сами производят анализ и посылают только то видео, которое требуется. Это помогает значительно снизить затраты и сложность системы по сравнению с централизованной архитектурой и полностью устранить ее недостатки.
Например, если камера имеет детектор движения, то осуществляется пересылка и сохранение для последующего анализа только тех кадров, в которых имеется движение. Таким образом достигается значительное снижение нагрузки на персонал и инфраструктуру. Для функций специального логического анализа, где требуется только передача данных, а не видео, таких как подсчет посетителей или автоматическое распознавание номерных знаков, выполнение этих функций самой камерой приводит к значительному снижению нагрузки на сеть, поскольку камера может вычленять и пересылать только требующиеся данные.

Более того, обработка видео "на переднем крае" – или частично "на переднем крае" – значительно снижает затраты на серверы, на которых должны быть установлены интеллектуальные приложения. Серверы, которые обычно производят полную обработку лишь нескольких потоков, могут обрабатывать более сотни потоков, если часть процесса обработки уже выполнена самой камерой.
Благодаря интеграции устройств "на переднем крае" с системой управления видео и равномерному распределению нагрузки между различными участками сети, интеллектуальные решения для видео позволяют практически неограниченное расширение системы, увеличивают ее гибкость и экономичность по сравнению с централизованными решениями.
Многие производители оборудования для охранного видеонаблюдения поставляют также интеллектуальные программные приложения для обработки видео. Как правило, это приложения, которые дополняют функции камеры детектором движения. Иногда разработчики оборудования поставляют другие более сложные приложения с такими функциями, как регистрация попыток порчи и подсчет посетителей.
Однако, создание надежного программного приложения, имеющего коммерческую ценность для логического анализа видео, требует определенного опыта в сфере обработки видеоизображения и, порой, специальных знаний в определенных областях, таких как розничная торговля или транспорт. Поэтому некоторые разработчики программных приложений решили сфокусироваться на создании интеллектуальных видеоприложений, призванных удовлетворять специфические потребности. Вместе с сетевыми видеокамерами, видеокодерами и/или программными системами управления видео данными, видеоприложения составляют комплексные решения, разработанные для удовлетворения специфических потребностей рынка.
Чтобы предоставить потребителю свободу выбора, также требуется обеспечить простоту интеграции и совместимость между камерами/кодерами, программами по управлению видео и интеллектуальными видеоприложениями. Поэтому для обеспечения коммерческой привлекательности и оптимизации работы, устройства, программное обеспечение и интеллектуальные видеоприложения должны разрабатываться на базе открытых программных интерфейсов (API) и платформ. Это дает пользователям большую степень универсальности и позволяет им создавать собственные интеллектуальные системы видеонаблюдения, полностью удовлетворяющие их потребности.