回到未來:持續錄影再次觸手可及

Timo Sachse

在安防領域以外,許多人對於影像監控的看法來自於他們所看的電影和電視節目:攝影機在不停地錄影,內容全都保存在錄影帶上,任何偵探或私人調查員都可以查看錄影以調查任何事件。

當然,這種看法具有一定的真實性,但卻早已過時。它所反映的主要是類比監控攝影機的情況,這種技術的局限性在於攝影機不是啟動就是停止,而當它啟動時,就必須不停的錄影。當然,持續錄影具備一些明顯的優勢:攝影機視野範圍內的任何事件無一遺漏,方便安防和執法人員調查。不過,其前提是錄影內容能夠完整保留,這便帶來了實體儲存方面的問題。

由於錄影帶相對較大,而且只能容納幾個小時的影像,因此保存錄影帶所需的空間很快就成了問題。所以,錄影內容只能保留一段時間(一般是30天),然後錄影帶就會再次投入使用,新的內容就會覆蓋舊的內容。這個問題比較大,其原因是多方面的,其中最顯著的原因是之前的錄影內容將會永久丟失,而且記錄的影像品質也會隨著錄影帶的磨損而不斷下降。

數位影像監控與資料的到來

時光飛逝,數位網路影像監控的到來似乎解決了實體存儲存方面的問題。硬碟能夠在相對較小的實體空間中儲存大量的數位影像——相同數量的影像若是透過錄影帶來保存,則需要龐大的倉庫空間來存放錄影帶。

那麼問題解決了嗎?沒有徹底解決。網路影像攝影機發展十分迅速,特別是它所捕獲影像的品質和解析度不斷提高。新的攝影機帶來了更高的解析度、幀率和位元速率,簡而言之,就是創建了更多的資料,太多的資料。

監控系統往往包含數十、數百甚至數千台連網的攝影機,數位影像監控的儲存需求,以及在攝影機和資料中心之間傳輸這些資訊所需的頻寬,很快就成了問題。

未達理想標準的監控結果

組織機構迅速著手尋求這種資料問題的解決方案。一種顯而易見的方法(也是數位監控攝影機很容易實現的方法)是僅在“有事發生”時才捕捉影像。

這大多透過移動偵測演算法來執行:當攝影機視野內的移動達到某個閾值時,攝影機就會被啟動。然而,這是一個不完美的解決方案。在運動檢測感測器上設置靈敏度閾值,影像機有可能過於頻繁地啟動,從而產生大量的誤報。如果因此而提高閾值,那麼又有可能遺漏重要的活動。

其他解決方案還包括減少監控攝影機本身產生的資料量。壓縮影像、降低幀率和影像解析度都可以達到這個目的,但也會影響影像畫面的品質。

無論採取何種方式來減輕資料負擔,持續錄影在許多情況下都已經過時。於是組織機構只能妥協,接受不完整或較低品質的影像,以減輕儲存和頻寬方面的負擔。不過現在已經沒有這個必要了。

持續錄影的新機會和新需求

大多數人都會同意,在影像監控方面,持續錄影是一件好事。顯然,不遺漏攝影機視野中的任何事件非常重要。監控攝影機技術的創新使得持續錄影再次成為了可能,並且不會增加資料負擔(在某些情況下,與以前的停止/啟動方法相比,資料負擔實際上有所減輕)。

最簡單的影像壓縮方法是降低位元速率,從本質上來說,位元速率是指一定時段傳輸的視頻量,一般表示為比特(或兆比特)每秒。影像壓縮通常利用下列三種方式中的一種或多種組合來執行:降低影像解析度、降低影像幀率和提高影像壓縮效率,這幾種方式都有導致影像畫面品質下降的風險。

影像壓縮仍然是減少資料的一種重要方式,但是在這個過程中務必不要遺失任何影像細節。我們可以結合多種方式,以達到減少資料的目的,同時保持最佳的影像品質、解析度和鑑識細節。

一種方法是針對攝影機視野中的不同區域,執行不同程度的影像壓縮。例如,在醫院走廊的廣泛視野中,牆壁的影像壓縮程度可以高於走廊本身,這樣就能夠從總體上大幅減少產生的影像資料。

另一種方法是在攝影機內運用有關的演算法,僅發送與場景變化相關的資料,而來自於靜態區域的影像則較少發送。在非工作時間監控安靜的區域時,這種方法非常有用 ─ 夜間的辦公大廳變化非常小,不過一旦有人進入,攝影機就會記錄完整的影像細節。

此外還可以採用相關的技術,讓攝影機以全畫面播放速率捕獲和分析影像,但是在傳輸資料之前,需從視訊流中刪掉不必要的視訊幀。這樣,靜態場景的編碼可以大幅降低幀率,有時候甚至低至每秒一幀。而當場景發生變化時,幀率會自動提高以捕捉每一個重要的細節。

最後還有一項新興技術,即平均位元速率控制,如果執行得當,攝影機就能夠根據可用儲存空間和影像保留時間來自動調整其位元速率。該技術專門針對持續錄影而設計,可以在整個影像保留時間內實行最佳控制,而不需要對所有捕獲的影像應用位採取元速率限制。

這些技術方法結合起來使用,可以顯著降低儲存和頻寬需求(通常高達50%以上),而不會遺失任何事件的細節。它們為執行持續錄影奠定了堅實的基礎。

監控洞察的新世界

持續錄影的好處不限於確保不遺漏任何事件。愈來愈複雜的分析(包括攝影機的邊際分析和基於伺服器的分析)更有助於從捕獲的影像中發掘出更大的價值。

來自於現有攝影機的影像可以接受基於伺服器的分析,而具備深度學習功能的新型攝影機則除了影像本身之外,還可以提供非常有用的中繼資料,有助於我們提高安防層級和營運效率。

在即時警報和已知事件的影像鑑識搜尋之間將出現一個新的資訊層級。應用於持續錄影的影像分析(辨識模式和異常)將重點聚焦於有價值的“未知事件”。這個方面的洞察有助於優化安防運作,並且可以提升組織機構其他方面的效率。

諷刺的是,在從類比監控攝影機轉向數位監控攝影機以提升品質的過程中,許多組織機構認為有必要在品質上做出妥協,以控管海量資料造成的影響。不過現在這種妥協已經愈來愈沒有必要。未來將會把我們帶回持續錄影的時代,而且是沒有任何缺點的持續錄影。