針對AI智能視頻監(jiān)控的廣泛應(yīng)用，海量數(shù)據(jù)需要巨大的存儲容量，且AI智能視頻監(jiān)控內(nèi)置很多算法，加上對各種算力的要求，更是對監(jiān)控存儲能力提供了更高的要求，怎么解決AI智能視頻監(jiān)控存儲問題，有哪些存儲方式？下面一起來了解下吧！

1、基于感知的精細(xì)編碼

基于人對視頻畫面的感知，有選擇的調(diào)節(jié)不同區(qū)域劃分塊的方式。例如目標(biāo)區(qū)域內(nèi)的圖像強(qiáng)制劃分到8×8、4×4的精細(xì)單元，建立精細(xì)的預(yù)測模式，使用更多的碼字來描述這些圖像區(qū)域，以實現(xiàn)更好的目標(biāo)區(qū)域畫質(zhì)；對背景區(qū)域的圖像，可以降低預(yù)測單元劃分精度，例如到32×32、16×16為止，適度忽略一些背景圖像的細(xì)節(jié)和更新頻率，有效降低背景區(qū)域圖像的碼率。

一種是針對通用視頻的顯著性物體檢測，另一種是針對特定場景的圖像語義分割。這兩種方案的特點在于：顯著性物體檢測是根據(jù)人對畫面的關(guān)注度進(jìn)行建模，能夠?qū)崿F(xiàn)在減少非顯著性區(qū)域碼率的情況下盡可能低的減少對畫質(zhì)的影響；而語義分割則能夠?qū)崿F(xiàn)對畫面中不同場景的標(biāo)記，動態(tài)調(diào)節(jié)編碼參數(shù)，如行人、人臉、車輛、指示標(biāo)志等。

2、智能編碼

利用深度卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化快速幀內(nèi)模式選擇，設(shè)計若干個35類的分類器，分別對尺度為64，32，16，8，4的預(yù)測單元進(jìn)行模式快速分類，輸入為像素塊，輸出為35種預(yù)測模式中的一種。使用海量監(jiān)控視頻中提取出的預(yù)測單元和對應(yīng)的預(yù)測模式進(jìn)行訓(xùn)練。在編碼流程中應(yīng)用，首先根據(jù)預(yù)測單元的大小選擇對應(yīng)的分類器；然后將該預(yù)測單元的像素輸入網(wǎng)絡(luò)，輸出35種模式中的一種，作為當(dāng)前預(yù)測單元的幀內(nèi)預(yù)測模式。耗時降低90%，大幅度提高了幀內(nèi)預(yù)測的速度。

3、智能量化

在視頻編碼流程的步驟中，量化是唯一損失數(shù)據(jù)精度、引入誤差的步驟。量化參在視頻編碼流程的步驟中，量化是唯一損失數(shù)據(jù)精度、引入誤差的步驟。量化參數(shù)（QP）越小，精度損失越低，保留的圖像細(xì)節(jié)越豐富；QP越大，精度損失越高，保留的圖像細(xì)節(jié)越少。通用視頻編碼H.265/HEVC對整張圖像采用統(tǒng)一的QP值，或自適應(yīng)變化的動態(tài)QP值。BBW技術(shù)應(yīng)用UNetLite對畫面進(jìn)行劃分，在目標(biāo)區(qū)域采用較小的QP值，盡可能多地保留目標(biāo)區(qū)域圖像細(xì)節(jié)；而在背景區(qū)域采用較大的QP值，實現(xiàn)對視頻整體碼率的高效壓縮。

以上就是AI智能視頻監(jiān)控存儲方式的簡單介紹，這些方式應(yīng)用場景廣泛，兼容性強(qiáng)，不影響結(jié)構(gòu)化分析，相較于傳統(tǒng)存儲方式，不改變分辨率、時長、幀率，滿足智能高清的監(jiān)控存儲需求，需要的朋友可參考哦，繼續(xù)關(guān)注慧翼科技，了解AI智能視頻監(jiān)控更多前沿技術(shù)。