В системах видеонаблюдения качество изображения напрямую влияет на эффективность безопасности. Особенно это заметно в условиях слабой освещённости или контрастного фона, где цифровой шум искажает картинку и затрудняет идентификацию объектов. Традиционные методы шумоподавления помогают лишь частично: вместе с шумом часто теряется и полезная информация — детали, текстуры, контуры.

Кроме ухудшения визуального восприятия, шум оказывает существенное влияние на размер видеоархива. Избыточная информация, создаваемая шумовыми артефактами, значительно увеличивает объём данных, подлежащих кодированию и хранению. По оценкам Hanwha Vision, одна и та же сцена может генерировать в 4–10 раз больший битрейт при ночной съёмке по сравнению с дневной — исключительно из-за шума. Это означает дополнительные расходы на хранение, передачу и обработку данных.

Для специалистов по безопасности это означает компромисс между качеством изображения и реальными ограничениями системы: будь то ограниченная пропускная способность, дефицит хранения или сложные условия съёмки. Именно в этой точке вступают в игру современные решения на базе искусственного интеллекта.

Hanwha Vision предлагает новый подход — Wisenet 9. Это не просто обновлённый процессор изображения, а платформа, в основе которой — нейросетевые алгоритмы, способные отличать шум от информации на уровне каждого пикселя. Новый SoC с искусственным интеллектом меняет принципиально, как формируется изображение, и открывает новые возможности для отрасли.

Что такое Wisenet 9

Wisenet 9 — новое поколение системного процессора (SoC), разработанного Hanwha Vision для профессиональных задач видеонаблюдения. Его ключевая особенность — архитектура с двумя независимыми нейропроцессорами (NPU), каждый из которых выполняет отдельную функцию:

• Первый NPU отвечает за интеллектуальное улучшение изображения, включая ИИ-подавление шума (AI-NR);
• Второй NPU занимается видеоаналитикой: распознаванием объектов, определением атрибутов, повторной идентификацией (Re-ID).

Такой подход позволяет разделить задачи по потокам и исключить конкуренцию за ресурсы между обработкой изображения и аналитикой. Это особенно важно при работе в реальном времени и в условиях низкой освещённости, где критична как чёткость картинки, так и точность распознавания объектов.

Каждый нейропроцессор обучен на конкретных шумовых характеристиках, присущих определённой матрице изображения. Это позволяет системе точнее различать полезную информацию и цифровой шум, обеспечивая высокую точность визуального восприятия и аналитической обработки. Такой уровень индивидуализации делает Wisenet 9 более адаптивным и эффективным по сравнению с универсальными алгоритмами, применяемыми в большинстве телекамер.

AI-NR: искусственный интеллект против шума

AI-NR (AI Noise Reduction) — ключевая технология Wisenet 9, переосмысливающая подход к шумоподавлению в видеонаблюдении. В отличие от классических методов, где шум просто «размазывается» по кадру, AI-NR работает на уровне каждого пикселя и делает это с хирургической точностью.

Традиционные алгоритмы, основанные на усреднении соседних пикселей или сравнении последовательных кадров, часто приводят к потере деталей: сглаживаются контуры, появляются артефакты и «призраки» от движущихся объектов. Кроме того, остаточный шум может усиливаться при последующей обработке — например, при повышении яркости или контрастности, — что ещё больше ухудшает итоговое изображение.

AI-NR решает эти проблемы за счёт применения моделей машинного обучения, обученных на шумовых профилях конкретных сенсоров. Это позволяет алгоритму с высокой точностью различать полезные детали и цифровой шум. Чистые пиксели остаются нетронутыми, а шумовые заменяются на основу из окружающего контекста — как по пространственным, так и по временным данным.

Главный результат — максимально чистое изображение без потерь детализации. Контуры объектов сохраняются чёткими, текстуры — читаемыми, а цвета — точными. Это критично для задач распознавания лиц, номеров автомобилей, анализа поведения.

Кроме визуальных улучшений, AI-NR существенно снижает объём видеоданных. Удаляя избыточную шумовую информацию до этапа кодирования, система уменьшает битрейт. По внутренним тестам Hanwha Vision, такая оптимизация позволяет сократить нагрузку на хранилище и сеть значительно — без ущерба для информативности видео.

Как работает система

Эффективность Wisenet 9 достигается благодаря интеграции двух подходов к шумоподавлению: традиционного и основанного на искусственном интеллекте. Эта гибридная архитектура позволяет точно управлять шумом на всех этапах обработки видео.

В начале обработки используется классический механизм пространственно-временной фильтрации. Он анализирует соседние пиксели и последовательные кадры, чтобы выявить стабильные участки изображения и подавить общий шум. Такой метод хорошо справляется с фоновыми артефактами, особенно в статичных сценах.

Далее вступает в работу AI-NR, обученный на конкретных характеристиках сенсора и уровнях усиления. Искусственный интеллект проверяет каждый пиксель и принимает решение: оставить без изменений, если он «чистый», или заменить, если это шум. Замена происходит не на усреднённое значение, а на предсказанное на основе анализа контекста — как пространственного (соседние пиксели), так и временного (предыдущие и последующие кадры).

Ключевое преимущество — точечный подход без искажения общей картины. Такой уровень селективности позволяет сохранять тонкие детали, текстуры и структуру изображения, в то время как шум устраняется почти полностью. Благодаря этому становится возможным дальнейшее цифровое усиление — яркость, контраст, цветопередача — без риска усиления остаточного шума.

Особое внимание в Wisenet 9 уделено порядку обработки. Шум подавляется до этапа цифрового усиления, а не после него. Это критически важно: если шум останется и его усилят, он неизбежно исказит видео, увеличит битрейт и снизит информативность сцены. Предварительное подавление — один из факторов, обеспечивающих высокое качество и экономию ресурсов.

Что это даёт на практике

Технология Wisenet 9 с AI-NR меняет повседневную практику проектирования и эксплуатации систем видеонаблюдения. Её применение даёт сразу несколько ощутимых выгод для разных участников отрасли.

1. Более чёткое видео в тёмных сценах

Даже при слабом уличном освещении или внутри помещений без ИК-подсветки камера с Wisenet 9 передаёт детализированное изображение: различимы лица, номера машин, текстуры одежды. Там, где другие камеры демонстрируют шум и размытость, Wisenet 9 обеспечивает читаемость сцены без необходимости в дополнительном освещении или дорогих объективах.

Пример: во дворе жилого комплекса в полумраке камера фиксирует момент вандализма на автостоянке. С обычной камерой — тени и шум. С Wisenet 9 — чёткое лицо и номер автомобиля.

2. Снижение нагрузки на хранилище и сеть

Удаление шумов до этапа кодирования снижает общий битрейт видеопотока. Это означает меньший объём архива, сниженное потребление сетевых ресурсов и более эффективную работу с облачными или удалёнными системами хранения.

Пример: система на 100 камер с Wisenet 9 экономит сотни терабайт в год по сравнению с аналогичной системой без AI-NR — при сохранении детализации.

3. Повышение точности видеоаналитики

ИИ-модули аналитики получают «чистое» изображение без шумов, что повышает точность распознавания лиц, отслеживания движения и классификации объектов. Особенно важно это в условиях низкой освещённости, где шум обычно снижает надёжность анализа.

Пример: в транспортной аналитике система с Wisenet 9 точнее классифицирует транспортные средства и корректно ведёт подсчёт даже ночью или в тумане.

4. Упрощение настройки и сопровождения

Поскольку AI-NR обучен на конкретных характеристиках матрицы, необходимость в ручной настройке шумоподавления и усиления сигнала значительно снижается. Это упрощает ввод в эксплуатацию и снижает вероятность ошибок.

Пример: подрядчик устанавливает камеры на складе с переменным освещением. С Wisenet 9 камера адаптируется автоматически — без ручной корректировки параметров.

Кому это важно

Wisenet 9 с AI-NR решает прикладные задачи, с которыми сталкиваются разные категории участников рынка систем безопасности. Ниже — кратко о том, какие выгоды технология приносит на практике:

Проектировщики и интеграторы

• Более предсказуемый результат при работе с объектами со сложным или нестабильным освещением.
• Возможность снижать требования к хранилищам и каналам передачи данных без потерь в качестве.
• Упрощённое обоснование эффективности решений за счёт меньшей нагрузки на инфраструктуру.

Инсталляторы

• Меньше времени на настройку: нет нужды вручную подбирать усиление или параметры фильтрации.
• Снижен риск ошибок при адаптации камеры к условиям съёмки.
• Удобна стандартизация настроек на объектах с множеством камер.

Заказчики

• Более информативное видео в сложных условиях: слабое освещение, контровой свет, сцены на открытом воздухе.
• Меньшие расходы на хранение данных и инфраструктуру.
• Выше точность аналитики — лучше распознаются лица, номера, движения.

IT- и службы безопасности

• Упрощённая интеграция с действующей инфраструктурой за счёт снижения битрейта.
• Меньше настроек, меньше обращений в техподдержку, выше надёжность эксплуатации.

Новый уровень, который становится стандартом

Wisenet 9 — это ключевое технологическое решение, которое компания «ТЕРАТЕК» использует как инструмент для создания более гибких и качественных систем видеонаблюдения. Архитектура с двойным нейропроцессором и обучаемым ИИ-модулем шумоподавления демонстрирует, как эффективно решать типовые задачи отрасли безопасности.

Такая технология упрощает настройку, снижает требования к инфраструктуре и позволяет получать стабильно высокое качество изображения даже в сложных условиях. Инженеры, инсталляторы и аналитики получают предсказуемый результат без необходимости вручную корректировать параметры или бороться с артефактами.

Wisenet 9 задаёт ориентир для всей индустрии: в части архитектуры, точности шумоподавления и глубокой интеграции ИИ в обработку изображения. Чёткая картинка, минимальный битрейт, высокая надёжность аналитики и простое внедрение — всё это сегодня становится стандартом, который уже применяется компанией «ТЕРАТЕК». Мы используем камеры с этой технологией при подборе оборудования и поставках на объекты наших партнёров — в проектах, где важны качество изображения, внимание к деталям и стабильная работа системы видеонаблюдения.