info@pars-e.com +98-21-89395 شرکت پارس ارتباط افزار

کدگذاری ناحیه دلخواه (ROI Encoding)

ROI Encoding

کدگذاری ناحیه دلخواه (ROI Encoding)

در هنگام نصب دوربین های امنیتی، معمولا دوربین ها در جاهایی قرار می گیرند که صحنه های دلخواه را تحت پوشش قرار دهند. در دامنه دید دوربین، بعضی نواحی نسبت به سایر نقاط دارای اهمیت بیشتری هستند و بعضی نواحی نیز هیچگونه اهمیت امنیتی ندارند. رزولوشن دوربینها از رزولوشن D1 سنتی به رزولوشن های 1.3MP و 2MP که امروزه استاندارد محسوب می شوند، و 5MP و بیشتر افزایش یافته است. امروزه این دوربین ها یا ناحیه گسترده تری را تحت پوشش قرار میدهد یا جزئیات بیشتری را در محدوده دید سنتی فراهم می سازد. رزولوشن بالاتر، حتی با کارآیی کدگذاری پیشرفته تر، نیازمند پهنای باند و فضای ذخیره سازی بیشتر است.

برای حل این مساله، تکنولوژی جدیدی، تحت عنوان کدگذاری ناحیه دلخواه (ROI Encoding)، از طریق فراهم سازی بالاترین کیفیت تصویر در نواحی مختلف یا یک صحنه یا اشیاء دلخواه توسعه یافته است که بطور همزمان با کاهش سطح کیفیت در نواحی غیر دلخواه بالاترین کیفیت در پایین ترین پهنای باند را فراهم می سازد.




کوانتیزاسیون کدگذاری و کنترل کیفیت

اخیراً، بیشتر استانداردهای فشرده سازی با اتلاف، مانند JPEG، MPEG-2، MPEG-4، H.264/AVC و HEVC/H.265 از کدگذاری انتقال بسامد فضایی استفاده می کنند. تصویر به صورت دیتا تغییر شکل داده می شود و بدون اتلاف دیتا به دستگاه کدبرداری انتقال داده می شود. سپس، دستگاه کدبرداری فرآیند کوانتیزاسیون وارونه و تبدیل را آغاز می کند تا دیتا را مجددا به تصویر تبدیل کند. تفاوت ها در اطلاعات تصویر بین پایان کدگذاری و پایان کدبرداری منجر به بدشکلی تصویر می شود. این تفاوت ها غالباً به دلیل کوانتیزاسیون رخ میدهد زیرا در فرآیند فشرده سازی، کوانتیزاسیون عامل حیاتی برای کیفیت کدگذاری و حجم bitrate است. کوانتیزاسیون بیشتر شبیه به یک روش تقسیم بندی است. بعنوان مثال، ضریب کوانتیزاسیون هشت است، و این ضریب قرار نیست فشرده شود. دیتای اصلی برای کدگذاری یعنی 31 را بر 8 تقسیم می کنیم و نتیجه 4 می شود. بنابراین دیتای انتقال داده شده 4 است. در پایان کدبرداری، باید 8 را در 4 ضرب کنید و حاصل 32 بدست می آید. در اینصورت انحراف معادل 1 خواهد بود (1=31-32). بنابراین، میتوان نتیجه گیری کرد که هرچه مقدار ضریب بالاتر باشد، میزان کوانتیزاسیون نیز افزایش پیدا می کند.

در شکل زیر، یک بلوک را بعنوان واحد اصلی برای فشرده سازی در نظر می گیریم، مثلا یک بلوک 8*8. از تبدیل بسامد فضایی برای فشرده سازی دیتا استفاده می کنیم و سپس، کوانتیزاسیون و کوانتیزاسیون وارونه را انجام می دهیم. شکل زیر را ببینید:



فرآیند کوانتیزاسیون

شکل 1- فرآیند کوانتیزاسیون


بعد از فشرده سازی، دیتاهای کوچک زیادی تبدیل به صفر می شوند. پس، فشرده سازی میزان اطلاعات انتقال داده شده را کاهش میدهد. در هنگام بازیابی دیتای تصویر در پایان کدبرداری، تفاوت زیادی با انتهای کدگذاری مشاهده می شود. به بیان بهتر، شکل بالا فقط فرآیند ساده شده کوانتیزاسیون را نشان میدهد. در موارد واقعی، استانداردهای متفاوت فشرده سازی روش های متفاوت کوانتیزاسیون را بکار میبرند و این فرآیند پیچیدگی بیشتری دارد.



کدگذاری H.264/AVC و ROI

بیشتر استانداردهای فشرده سازی امروزی تصویر را به ماکروبلوک های 16*16 تقسیم می کنند و این ماکروبلوک واحد مبنای فشرده سازی محسوب می شود. استاندارد H.264 /AVC مشخص می کند که ضریب کوانتیزاسیون می تواند برای هر ماکروبلوک متفاوت باشد و این امر باعث ذخیره فضای توسعه برای تکنولوژی ROI می شود. از نظر تئوری، H.264/AVC قادر است از ROI به هر شکلی و با هر تعدادی از ماکروبلاک های 16*16 پشتیبانی کند. تفاضل محدوده پیکربندی موجود برای کیفیت ROI و Non-ROI بوسیله فشرده سازی H.264/AVC با نیازهای بازار سازگار است.



نتایج و تاثیر کدگذاری ROI

در اینجا از یک صحنه نظارتی واقعی برای مقایسه تفاوت تاثیر کدگذاری ROI با Non-ROI استفاده میکنیم. در شکل زیر، ROI با مستطیل های قرمزرنگ مشخص شده و مستطیل های آبی تفاوت بین تصویر ROI و تصویر Non-ROI را نشان میدهد. کادر سبزرنگ، مقایسه بین تصویر Non-ROI قبل و بعد از کدگذاری ROI را مشخص می کند و نشان دهنده تاثیر کدگذاری ROI بر روی ناحیه Non-ROI است.


Non-ROI

شکل 2- مقایسه ROI و Non-ROI




ROI

شکل 3- مقایسه ROI (سمت راست) و Non-ROI




کدگذاری

شکل 4- تغییرات کیفیت تصویر Non-ROI قبل و بعد از کدگذاری ROI


Enabling ROI

بطور معمول، یک روش برای پیکربندی کدگذاری ROI تنظیم دستی با استفاده از رابط کاربری است. این رابط کاربری باتوجه به توان انسان چندان ساده و راحت نیست و ممکن است پیکربندی را برای کاربر سخت کند. یک روش پیشرفته دیگر انجام کدگذاری ROI بوسیله آنالیز هوشمند یک شیء در صحنه است. مثلا یک رویداد غیر عادی می تواند باعث شفاف تر دیده شدن یک ناحیه خاص نسبت به کدگذاری ROI شود. بااین حال، علیرغم انعطاف روش دوم، این روش نیازمند عملکرد و ظرفیت بالاتر دستگاه فشرده سازی است. تصویر ROI تشخیص چهره را بعنوان مثال در نظر می گیریم. شکل زیر، تاثیر کدگذاری ROI بر اساس تشخیص چهره را نشان می دهد. پیکربندی دستی ROI کماکان کار میکند و از طریق آنالیز هوشمند، ناحیه مربوط به چهره انسان بعنوان ROI تنظیم میشود.



تشخیص چهره

شکل 5- تشخیص چهره و ROI


نتیجه گیری

موقعیتهای نظارتی فراوانی وجود دارد که در آن ROI و اطلاعات پس زمینه در یک صحنه مشابه وجود دارند. در مقاله حاضر، دو راهکار ارائه شد: تعیین ROI بصورت دستی و یا با استفاده از آنالیز هوشمند بر روی تصویر. این دو راهکار توسط کدگذاری H.264/AVC قابل تشخیص است تا کیفیت کدگذاری و bitrate را تعیین کند و پهنای باند را ذخیره کند و هزینه ها را کاهش دهد. هایکویژن آنالیز هوشمند، تشخیص چهره و کدگذاری ROI را در محصولات تصویری باکیفیت با هم ادغام میکند و بعنوان یکی از اولین تولیدکنندگان در صنعت نظارت تصویری در استفاده از استاندارد H.264/AVC، بهترین عملکرد کدگذاری ROI را در مقایسه با محصولات سایر تولیدکنندگان در سطح مشابه ارائه میدهد.


hikvision
tplink
hilook
mikrotik
neffo
qnap
mercusys
seagate
asrockr

تمامی کالاها و خدمات این فروشگاه، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می باشند و فعالیتهای این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است.
دارنده پروانه عرضه ارایه خدمات ورود،خرید و فروش تجهیزات رادیویی از سازمان تنظیم مقررات و ارتباطات رادیویی
©2018,کلیه حقوق این سایت متعلق به شرکت پارس ارتباط می باشد.

رفتن به بالا