Метод повышения информационной ценности видеоданных на основе фильтрации кадров и оценки энтропии

Введение. Применение современных систем видеонаблюдения сопряжено с решением задач мониторинга деятельности персонала и соблюдения технологического процесса на основе анализа и обработки больших объемов видеоданных. Это приводит к удорожанию хранилища информации, затратам временных ресурсов персонала на поиск ключевых событий на длительных временных отрезках. Рассмотрена задача повышения информационной ценности хранимых данных с камер видеонаблюдения на основе фильтрации кадров и оценки энтропии. Метод. Предложена реализация алгоритмов обработки и сжатия информации, направленных на снижение объема хранимых видеоданных. Применение данной реализации способствует повышению общей информационной ценности, эффективности работы систем видеонаблюдения за счет оптимизации объемов хранимой информации и увеличению соотношения полезной информации. Для повышения информационной ценности видеоданных предложен метод, включающий использование современных технологий сжатия видео, алгоритма фильтрации кадров и оценку обработанного видео по метрике энтропии Шеннона. Основные результаты. Выполнены анализ и сравнение существующих алгоритмов сжатия видеоданных. Проведен эксперимент, в результате которого доказана корреляция между высокими значениями энтропии и информационной ценностью кадра. Успешно апробирован алгоритм фильтрации кадров, позволивший повысить энтропию в 5,4 раза и сократить длительность видео в 8 раз. Использование методов сжатия видеоданных и эффективных кодеков, например, H.265/HEVC позволило уменьшить объем файла по сравнению с исходным в 14,57 раз. Рассмотрена апробация предложенного метода при решении задач фильтрации, передачи и хранения видеоданных для повышения информационной ценности видеоданных, производительности процессов анализа и поиска информации за счет снижения избыточных, малополезных фрагментов данных. Обсуждение. Преимущество представленного метода заключается в удалении избыточных кадров на основе анализа движения и оценки энтропии видеоданных, комбинации различных подходов по снижению объема передаваемой и хранимой информации. Применение метода позволит повысить эффективность хранения данных в различных системах видеонаблюдения (для логистических центров, складских комплексов, торговых помещений).

1. Синегубова С.В., Савельева Д.Г. Задачи, возникающие при азработке проекта системы видеонаблюдения для частного объекта охраны // Актуальные проблемы деятельности подразделений УИС: cборник материалов Всероссийской научно-практической конференции. Т. 1. 2020. С. 46–49.

2. Медведев Д.С. Гносеологические аспекты информации // Социально-гуманитарные знания. 2019. № 10. С. 47–50.

3. Егорова С.Ю., Смолина С.Г. Некоторые подходы к определению информационной энтропии // Что есть жизнь?: cборник статей университетской научной конференции студентов и преподавателей. 2021. С. 25–32.

4. Бородко А.В. Классификация центров обработки данных // Информационные технологии и телекоммуникации. 2019. Т. 7. № 1. С. 1–9. https://doi.org/10.31854/2307-1303-2019-7-1-1-9

5. Кожемякина А.А., Буторина Н.Б. Система сжатия информации с выбором оптимального алгоритма // Материалы VII Международной молодежной научной конференции «Математическое и программное обеспечение информационных, технических и экономических систем». 2019. С. 202–210.

6. Qiao W., Fang Z., Chang M.-C.F., Cong J. An FPGA-based BWT accelerator for Bzip2 data compression // Proc. of the 2019 IEEE 27th Annual International Symposium on Field-Programmable Custom Computing Machines (FCCM). 2019. P. 96–99. https://doi.org/10.1109/fccm.2019.00023

7. Görne L., Reuss H.-C., Sauerwald R. Enhancing ground truth for digital twins by complete and real-time upload of vehicle signals // 22. Internationales Stuttgarter Symposium. Proceedings. Wiesbaden: Springer Vieweg, 2022. P. 322–333. https://doi.org/10.1007/978-3-658-37009-1_23

8. Tayyeh H.K., Al-Jumaili A.S.A. A combination of least significant bit and deflate compression for image steganography // International Journal of Electrical and Computer Engineering (IJECE). 2022. V. 12. N 1. P. 358–364. https://doi.org/10.11591/ijece.v12i1.pp358-364

9. Chen Z., Pan X. An optimized rate control for low-delay H.265/ HEVC // IEEE Transactions on Image Processing. 2019. V. 28. N 9. P. 4541–4552. https://doi.org/10.1109/tip.2019.2911180

10. Ohm J.R., Sullivan G.J., Schwarz H., Tan T.K., Wiegand T. Comparison of the coding efficiency of video coding standards— including high efficiency video coding (HEVC) // IEEE Transactions on Circuits and Systems for Video Technology. 2012. V. 22. N 12. P. 1669–1684. https://doi.org/10.1109/tcsvt.2012.2221192

11. Тимошенко А.В., Кошкаров А.С. Сравнительный анализ энтропийных метрик информативности оптических изображений космических объектов // Труды МАИ. 2020. № 112. С. 10. https://doi.org/10.34759/trd-2020-112-10

12. Ibrahim S.K., Khamiss N.N. A new video transcoding for future wireless communication system // Proc. of the 2019 International Conference on Electrical Engineering and Informatics (ICEEI). 2019. P. 544–548. https://doi.org/10.1109/iceei47359.2019.8988900

13. Hao Q., Qin L. The design of intelligent transportation video processing system in big data environment // IEEE Access. 2020. V. 8. P. 13769–13780. https://doi.org/10.1109/access.2020.2964314

14. Бекболатова Ж.Б. Вопросы организации хранения и перемещения массивов видеоданных // Kazakhstan Science Journal. 2019. Т. 2. № 8(9). С. 5–14.

15. Nikbakht R., Kahvazadeh S., Mangues-Bafalluy J. Video on demand streaming using RL-based edge caching in 5G networks // Proc. of the 2022 IEEE Conference on Standards for Communications and Networking (CSCN). 2022. P. 208. https://doi.org/10.1109/CSCN57023.2022.10051020