کدگذاری ناحیه دلخواه (ROI ENCODING)
در هنگام نصب دوربین‌های امنیتی از جمله هایک ویژن معمولا دوربین‌ها در جاهایی قرار می‌گیرند که صحنه‌های 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 رزولوشن‌های 3MP و 2MP که امروزه استاندارد محسوب می‌شوند، و 5MP و بیشتر افزایش یافته است. امروزه این دوربین‌ها یا ناحیه گسترده‌تری را تحت پوشش قرار می‌دهد یا جزئیات بیشتری را در محدوده دید سنتی فراهم می‌سازد. رزولوشن بالاتر، حتی با کارآیی کدگذاری پیشرفته‌تر، نیازمند پهنای باند و فضای ذخیره‌سازی بیشتر است.
برای حل این مساله، تکنولوژی جدیدی، تحت عنوان کدگذاری ناحیه دلخواه (ROI Encoding)، از طریق فراهم‌سازی 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 پایین‌ترین پهنای باند را فراهم می‌سازد.
کوانتیزاسیون کدگذاری و کنترل کیفیت
اخیراً، بیشتر استانداردهای فشرده‌سازی با اتلاف، مانند JPEG، MPEG-2، MPEG-4، H.264/AVC و HEVC/H.265 از کدگذاری انتقال بسامد فضایی استفاده می‌کنند. تصویر به صورت دیتا تغییر شکل داده می‌شود و بدون اتلاف دیتا به دستگاه کدبرداری انتقال داده می‌شود. سپس، دستگاه کدبرداری فرآیند کوانتیزاسیون وارونه و تبدیل را آغاز می‌کند تا دیتا را مجددا به تصویر تبدیل کند. تفاوت‌ها در اطلاعات تصویر بین پایان کدگذاری و پایان کدبرداری منجر به بدشکلی تصویر می‌شود. این تفاوت‌ها غالباً به‌دلیل کوانتیزاسیون رخ می‌دهد زیرا در فرآیند فشرده‌سازی، کوانتیزاسیون عامل حیاتی برای کیفیت کدگذاری و حجم Bitrate است.
کوانتیزاسیون بیشتر شبیه به یک روش تقسیم‌بندی است. بعنوان مثال، ضریب کوانتیزاسیون هشت است، و این ضریب قرار نیست فشرده شود. دیتای اصلی برای کدگذاری یعنی 31 را بر 8 تقسیم می‌کنیم و نتیجه 4 می‌شود. بنابراین دیتای انتقال‌داده شده 4 است. در پایان کدبرداری، باید 8 را در 4 ضرب کنید و حاصل 32 بدست می‌آید. در اینصورت انحراف معادل 1 خواهد بود (1=31-32). بنابراین، می‌توان نتیجه‌گیری کرد که هرچه مقدار ضریب بالاتر باشد، میزان کوانتیزاسیون نیز افزایش پیدا می‌کند.
در شکل زیر، یک بلوک را بعنوان واحد اصلی برای فشرده‌سازی در نظر می‌گیریم، مثلا یک بلوک 8*8. از تبدیل بسامد فضایی برای فشرده‌سازی دیتا استفاده می‌کنیم و سپس، کوانتیزاسیون و کوانتیزاسیون وارونه را انجام می‌دهیم. شکل زیر را ببینید
فرآیند کوانتیزاسیون
بعد از فشرده‌سازی، دیتاهای کوچک زیادی تبدیل به صفر می‌شوند. پس، فشرده‌سازی میزان اطلاعات انتقال‌داده‌شده را کاهش می‌دهد. در هنگام بازیابی دیتای تصویر در پایان کدبرداری، تفاوت زیادی با انتهای کدگذاری مشاهده می‌شود. به بیان بهتر، شکل بالا فقط فرآیند ساده‌شده کوانتیزاسیون را نشان می‌دهد. در موارد واقعی، استانداردهای متفاوت فشرده‌سازی روش‌های متفاوت کوانتیزاسیون را بکار می‌برند و این فرآیند پیچیدگی بیشتری دارد.
کدگذاری H.264/AVC و ROI
بیشتر استانداردهای فشرده‌سازی امروزی تصویر را به ماکروبلوک‌های 16*16 تقسیم می‌کنند و این ماکروبلوک واحد مبنای فشرده‌سازی محسوب می‌شود. استاندارد H.264 /AVC مشخص می‌کند که ضریب کوانتیزاسیون می‌تواند برای هر ماکروبلوک متفاوت باشد و این امر باعث ذخیره فضای توسعه برای تکنولوژی ROI می‌شود. از نظر تئوری، H.264/AVC قادر است از ROI به هر شکلی و با هر تعدادی از ماکروبلاک‌های 16*16 پشتیبانی کند. تفاضل محدوده پیکربندی موجود برای کیفیت ROI و Non-ROI بوسیله فشرده‌سازی 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 مستطیل‌های قرمزرنگ مشخص شده و مستطیل‌های 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 می‌کند و نشان‌دهنده تاثیر کدگذاری ROI بر روی ناحیه Non-ROI است.
مقایسه ROI و Non-ROI
مقایسه ROI (سمت راست) و Non-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 می‌تواند باعث شفاف‌تر دیده‌شدن یک ناحیه خاص نسبت به کدگذاری ROI شود. بااین‌حال، علیرغم انعطاف روش دوم، این روش نیازمند عملکرد و ظرفیت بالاتر دستگاه فشرده‌سازی است.
تصویر ROI تشخیص چهره را بعنوان مثال در نظر می‌گیریم. شکل زیر، تاثیر کدگذاری ROI بر اساس تشخیص چهره را نشان می‌دهد. پیکربندی دستی ROI کماکان کار می‌کند و از طریق آنالیز هوشمند، ناحیه مربوط به چهره انسان بعنوان ROI تنظیم می‌شود.
تشخیص چهره و ROI
نتیجه‌گیری
موقعیت‌های نظارتی فراوانی وجود دارد که در آن ROI و اطلاعات پس‌زمینه 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 هزینه‌ها را کاهش دهد.
هایک ویژن 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.