Эксперты в подборе IT-оборудования
Видеоаналитика нагружает сервер совсем иначе, чем запись. Запись просто складывает поток с камеры на диск. Аналитике каждый кадр нужно раскодировать и прогнать через алгоритм. Классические детекторы движения и пересечения линии тянет процессор, а нейросетевой поиск людей, распознавание номеров и особенно лиц упираются в видеокарту. Разница в нагрузке большая: регистратор TRASSIR NeuroStation Compact, по данным производителя, держит 10 каналов распознавания лиц и больше 16 каналов нейродетектора людей. Поэтому сервер считают от списка задач и выбранного ПО, а число камер идёт вторым.
Ниже - какая аналитика чем считается, сколько каналов ждать от железа, где её выгоднее запускать и что говорит закон о распознавании лиц.
Когда VMS (программа управления видеонаблюдением) только пишет архив, декодировать видео ей не нужно. Если на сервере не включены детекторы и никто не смотрит живую картинку, поток H.264 или H.265 приходит по сети и уходит на диск как есть. Процессор почти не занят, узкими местами становятся сеть и диски.
Аналитика добавляет два тяжёлых шага. Сначала кадр нужно раскодировать, и H.265 раскодировать тяжелее, чем H.264. Потом его обрабатывает алгоритм: простой детектор сравнивает соседние кадры, нейросеть ищет на картинке людей, машины, номера или лица. Этот шаг и съедает ресурсы.
Две настройки сильно снижают нагрузку ещё до покупки железа. Первая - анализировать второй поток камеры. Большинство камер отдают параллельно основной поток в высоком разрешении для архива и облегчённый для просмотра. Детекторам движения и людей его обычно хватает, распознаванию лиц и номеров - нет, им нужны пиксели. Вторая - частота кадров для анализа. Детектору вторжения в зону не нужны все 25 кадров в секунду, а вот распознаванию номеров на быстром въезде - нужны: Macroscop для быстрого режима требует от 20 кадров в секунду.
| Задача | Чем обычно считается | От чего зависит результат |
|---|---|---|
| Детектор движения, пересечение линии, вторжение в зону | Процессор, часто прямо камера | Ложные срабатывания от теней, веток, ночного шума |
| Нейросетевой детектор людей и машин, поиск в архиве по приметам | Видеокарта; у части VMS - встроенная графика Intel | Сколько кадров в секунду отдаём на анализ |
| Распознавание автомобильных номеров | Процессор; видеокарта по желанию | Разрешение от HD, угол камеры, скорость машин |
| Распознавание лиц | Видеокарта | Размер лица в кадре, свет, угол, закон |
| Подсчёт посетителей, длина очереди, тепловые карты | Камера или сервер | Высота и угол установки камеры |
Пара ориентиров из документации производителей. Модулю распознавания номеров Macroscop на сервере нужен процессор уровня Intel Core i3-10100 или выше, видеокарта уровня NVIDIA GTX 1650 опциональна, камера - от 1280×720. Модулю распознавания лиц Macroscop Complete нужна видеокарта NVIDIA серии GTX 10 или новее (compute capability от 6.1) с памятью от 4 ГБ, и работает он с ней монопольно. Лицо в кадре должно занимать не меньше 2% ширины и 3% высоты кадра, расстояние между зрачками - от 30 пикселей. Axxon Next умеет запускать нейроаналитику на процессоре, на встроенной графике Intel и на видеокартах NVIDIA.
Универсальной цифры «столько-то камер с аналитикой на сервер» нет. Она зависит от ПО, его версии, модуля, разрешения и частоты кадров. Честнее всего посмотреть, что производитель обещает для своих готовых серверов. У TRASSIR такая таблица опубликована для линейки NeuroStation, цифры даны для работы аналитики без вывода видео на экран:
| Модель | Каналов записи | Распознавание лиц | Нейродетектор людей | Детектор касок |
|---|---|---|---|---|
| NeuroStation Compact | 16 | 10 | 16+ | 16 |
| NeuroStation 8400R/32-S | 32 | 22 | 38 | 42 |
| NeuroStation 8800R/64 | 64 | 32 | 78 | 90 |
По таблице хорошо видна пропорция. Распознавание лиц на одном и том же железе тянет в 1,6-2,5 раза меньше каналов, чем детектор людей. Если в проекте на 40 камерах лица нужны только на входе, а по остальной территории хватает детектора людей, это совсем другой сервер, чем «лица везде».
Как пользоваться такой таблицей:
Аналитика на камере снимает нагрузку с сервера: камера сама считает детектор и отправляет событие. У многих производителей камер есть модели с нейросетевыми детекторами людей и машин. Минус - набор детекторов ограничен тем, что умеет конкретная модель, и система привязывается к одному производителю камер.
Аналитика на сервере гибче. Одна VMS обрабатывает камеры любых поддерживаемых марок, модули докупаются лицензиями, поиск по архиву работает по всем камерам сразу. Платить за гибкость приходится видеокартой и тем, что сервер становится единой точкой отказа для аналитики. Когда камеры стоят на удалённом объекте со слабым каналом, аналитику выносят прямо туда - на граничный сервер, чтобы не гнать видео целиком в центр.
Облачная аналитика упирается в канал: видео нужно постоянно отправлять наружу. Для объекта с десятками камер исходящий трафик и абонентская плата быстро перевешивают экономию на железе. Отдельный вопрос - где физически хранятся записи, если в кадре сотрудники и посетители.
Для малого и среднего объекта обычно выигрывает гибрид: простые детекторы на камерах, тяжёлые задачи вроде номеров и лиц - на сервере. Как устроены серверы для периферийной аналитики на удалённых площадках, разбирали в статье про