BERITA TERKINI
Hikvision Luncurkan Guanlan Encoding, Klaim Hemat Penyimpanan Video hingga 50% Berbasis AI

Hikvision Luncurkan Guanlan Encoding, Klaim Hemat Penyimpanan Video hingga 50% Berbasis AI

Hikvision meluncurkan Guanlan Encoding, teknologi kompresi video berbasis kecerdasan buatan (AI) yang diklaim mampu menghemat kebutuhan penyimpanan hingga 30%–50% tanpa mengurangi kualitas rekaman penting. Peluncuran ini diumumkan dari Hangzhou, Tiongkok.

Hikvision menyebut biaya penyimpanan data kini menjadi salah satu komponen terbesar dalam sistem keamanan video, seiring meningkatnya resolusi kamera, jumlah kanal pemantauan, serta kebutuhan penyimpanan jangka panjang. Guanlan Encoding dikembangkan berdasarkan standar internasional H.265 dan model AI skala besar Guanlan milik Hikvision, sekaligus memperluas penerapan Guanlan dari analisis video ke proses encoding.

Dalam penerapan sistem keamanan berskala besar, perusahaan menyatakan teknologi ini dapat memangkas kebutuhan hard disk drive (HDD) dan ruang rak server hingga setengahnya, serta menurunkan konsumsi energi dalam jangka panjang. Dampaknya, total biaya kepemilikan sepanjang siklus proyek disebut dapat ditekan.

Fokus pada objek penting

Menurut Hikvision, kompresi konvensional memperlakukan seluruh piksel secara setara sehingga pengguna kerap dihadapkan pada pilihan antara kualitas gambar tinggi atau efisiensi penyimpanan. Guanlan Encoding diklaim mengatasi hal tersebut dengan mengenali objek penting dalam adegan, seperti manusia dan kendaraan, lalu mempertahankan kualitas visualnya melalui segmentasi Region of Interest (ROI). Sementara itu, bagian latar belakang yang dinilai kurang penting dikompresi lebih agresif.

Vice President Hikvision International Business Center, Jason Yang, mengatakan efisiensi penyimpanan video selama ini hampir selalu mengorbankan kualitas gambar. Ia menyebut Guanlan Encoding mengubah pendekatan dengan terlebih dahulu memahami isi gambar, lalu menentukan bagian yang dipertahankan pada kualitas terbaik.

Teknologi ini menggabungkan dua mode utama. Mode Dynamic Sensing menyesuaikan alokasi bitrate secara otomatis untuk menjaga detail pada adegan kompleks dan bergerak cepat. Adapun Static Optimization menerapkan kompresi tingkat tinggi pada rekaman dengan pergerakan minimal sehingga ukuran data berkurang signifikan. Kombinasi keduanya ditujukan agar proses encoding lebih adaptif sesuai kebutuhan.

Hasil uji internal di sejumlah skenario

Berdasarkan pengujian internal yang membandingkan H.265 konvensional dengan Guanlan Encoding, Hikvision melaporkan penghematan bitrate dalam beberapa kondisi. Pada skenario kantin selama 24 jam, penghematan disebut mencapai 49% mengikuti fluktuasi aktivitas harian. Pada pintu masuk kawasan perkantoran selama 30 menit, penghematan dilaporkan 42% saat lalu lintas padat. Di lobi kantor perusahaan selama dua jam, penghematan disebut 38% pada lingkungan dalam ruangan standar. Sementara pada kawasan komersial yang ramai selama satu jam, penghematan yang dilaporkan sebesar 18% dalam kondisi aktivitas dan kompleksitas tinggi.

Klaim kompatibel dengan sistem yang ada

Hikvision menyatakan karena menggunakan standar H.265, Guanlan Encoding dapat digunakan dengan dekoder H.265 yang sudah dipakai, baik pada perangkat Hikvision maupun buatan pihak ketiga, serta tetap mendukung fitur analisis AI tingkat lanjut. Perusahaan juga menyebut format encoding, resolusi, dan frame rate tidak berubah, sehingga implementasi dinilai lebih mudah untuk proyek baru maupun sistem yang sudah berjalan.

Tersedia di beberapa lini produk

Hikvision menyebut Guanlan Encoding saat ini tersedia pada kamera jaringan dan kamera PTZ seri DeepinView(X), kamera seri Ultra, kamera dengan teknologi ColorVu 3.0, serta DVR Hikvision. Dukungan teknologi ini disebut akan diperluas ke lebih banyak lini produk untuk kebutuhan mulai dari kawasan perkantoran, jaringan ritel, fasilitas publik, hingga infrastruktur vital.

Dengan integrasi AI langsung ke proses kompresi, Hikvision menilai Guanlan Encoding menandai pergeseran dari kompresi berbasis piksel menuju kompresi yang memahami konteks visual.