技術積淀：二十余年項目實踐 淬煉核心能力

海康威視對視頻價值的挖掘源于多年來的技術迭代和項目實踐：

2015年率先將深度學習算法融入前端設備，開啟安防AI時代。

2017年推出AI Cloud三級架構，破解“算力分散、協(xié)同不足”痛點，為AI落地提供了有力了支撐。

2018年推出AI開放平臺，幫助零算法基礎客戶開發(fā)專屬行業(yè)算法，促進視頻感知技術和產業(yè)應用的深度融合。

2021年?？低曊酵度胗^瀾大模型研發(fā)，構建“基礎-行業(yè)-任務”三級體系，筑牢視頻理解算法根基。

從“看得見”的基礎感知到“看得清”的精準呈現(xiàn)，再到“看得懂”的深度解讀，?？低暤暮诵倪M化聚焦五大維度：

·從圖像結構化標簽升級為視頻深度語義理解。

·從單場景判別式模型迭代為視覺多模態(tài)大模型。

·從端側分布式算力轉向云邊側規(guī)模化算力部署。

·從人、車等核心目標識別拓展至全品類長尾物體覆蓋。

·從標簽式篩選升級為語義化人機多模態(tài)交互。

多年來，海康威視服務全球數百萬客戶，深耕交通、金融、園區(qū)、醫(yī)療等全場景。正是這種“源于實踐、用于實踐”的技術迭代，為觀瀾編碼技術的誕生奠定了堅實基礎。

技術升級：AI賦能打破瓶頸

行業(yè)主流的傳統(tǒng)編碼技術，雖能通過動態(tài)調整壓縮力度實現(xiàn)30%~70%的存儲優(yōu)化，但存在明顯局限：基于物體動靜狀態(tài)的識別易誤判非關鍵動態(tài)物體（如風吹樹葉、飛鳥等），光線變化也會影響效果，僅適用于倉庫、樓道等簡單靜止場景。

?？低曈^瀾編碼技術融合觀瀾大模型深度理解能力與像素級分割技術，構建“智能識別-精準ROI分割-差異化編碼”全鏈路優(yōu)化體系，實現(xiàn)存儲與畫質的雙重協(xié)同。

實測數據：存儲效率顯著提升

大模型助力，數智升級

在自研觀瀾視覺大模型的加持下，可對人、車、非機動車等高價值關鍵目標進行精準解析，識別準確率較傳統(tǒng)算法大幅提升，最高可同時支持64個目標的識別。

通過精細化ROI保護分割技術，精確分離前景目標與背景區(qū)域：前景采用常規(guī)編碼保障細節(jié)完整，背景實施高效壓縮降低存儲占用，最終輸出符合標準的合規(guī)碼流，兼顧畫質與效率。在保證人機非目標質量相當的前提下，碼率節(jié)省20%~90%。

場景感知，動態(tài)適配全場景

?？低曈^瀾編碼技術以“場景感知”為核心，構建動態(tài)適配的智能編碼體系，依托動態(tài)與靜態(tài)感知協(xié)同運作：

·動態(tài)感知：實時捕捉場景運動幅度與細節(jié)密度，按最大碼率MaxBps百分比分配資源，保障復雜場景畫質無損。

·靜態(tài)感知：對靜止或低動態(tài)畫面采用重復幀編碼，單幀僅需幾十字節(jié)，最大化優(yōu)化存儲成本。

以園區(qū)出入口場景為例：早高峰高碼率還原細節(jié)，晚間50%平衡畫質與效率，凌晨10%壓縮最大化省存儲。通過場景復雜度動態(tài)適配，實現(xiàn)編碼資源精準配置。

觀瀾編碼，省錢省電省空間

以2000路規(guī)模1080P@2Mbps，90天存儲為例，相較于傳統(tǒng)編碼，觀瀾編碼方案實現(xiàn)硬盤數量節(jié)省60%，機房空間節(jié)省60%，5年電費節(jié)省50%，大幅降低項目成本，真正實現(xiàn)“降本不降效”。

從深度學習落地到全結構化數據應用，再到觀瀾編碼技術發(fā)布，?？低暢掷m(xù)致力于“讓視頻產生更大價值”，推動安防行業(yè)從“被動記錄”向“主動智能”演進。通過AI與編碼的深度融合，讓視頻數據從“海量冗余”變?yōu)椤熬珳矢咝А?，為千行百業(yè)智能升級注入新動能。

目前，觀瀾編碼技術已應用于海康威視前后端產品，并將于近期進行產品發(fā)布，敬請期待！