HANGZHOU, Tiongkok, 25 Mei 2026 /PRNewswire/ — Hikvision meluncurkan Guanlan Encoding, teknologi kompresi video berbasis kecerdasan buatan (AI) yang mampu menghemat kebutuhan penyimpanan hingga 30%-50% tanpa mengurangi kualitas rekaman penting.
Hikvision launches AI-powered Guanlan Encoding, cutting video storage by up to 50%
ADVERTISEMENT
SCROLL TO RESUME CONTENT
Seiring meningkatnya resolusi kamera, jumlah kanal pemantauan, serta kebutuhan penyimpanan data dalam jangka panjang, biaya penyimpanan data kini menjadi salah satu komponen terbesar dalam sistem keamanan video. Hikvision mengembangkan Guanlan Encoding berdasarkan standar internasional H.265 dan Guanlan Large-Scale AI Model Hikvision. Teknologi ini memperluas pemanfaatan Guanlan dari analisis video ke proses encoding.
Dalam penerapan sistem keamanan berskala besar, Guanlan Encoding mampu memangkas kebutuhan hard disk drive (HDD) dan ruang rak server hingga setengahnya, sekaligus mengurangi konsumsi energi dalam jangka panjang. Dengan demikian, total biaya kepemilikan sepanjang siklus proyek dapat ditekan secara signifikan.
Fokus pada Objek Penting, Hemat Kapasitas Penyimpanan
Teknologi kompresi konvensional memperlakukan seluruh piksel secara setara sehingga pengguna kerap harus memilih antara kualitas gambar yang tinggi atau efisiensi penyimpanan. Guanlan Encoding mengatasi dilema tersebut dengan mengenali objek penting dalam suatu adegan, seperti manusia dan kendaraan, lalu mempertahankan kualitas visualnya melalui segmentasi Region of Interest (ROI). Sementara itu, data latar belakang yang dinilai kurang penting lalu dikompresi secara lebih agresif.
"Selama ini, efisiensi penyimpanan video hampir selalu mengorbankan kualitas gambar. Guanlan Encoding mengubah pendekatan tersebut dengan terlebih dahulu memahami isi gambar, lalu menentukan bagian mana yang harus dipertahankan dalam kualitas terbaik," ujar Vice President, Hikvision International Business Center, Jason Yang.
Teknologi ini memadukan dua mode utama. Dynamic Sensing secara otomatis menyesuaikan alokasi bitrate untuk menjaga detail pada adegan yang kompleks dan bergerak cepat. Di sisi lain, Static Optimization menerapkan kompresi tingkat tinggi pada hasil rekaman video yang minim pergerakan sehingga ukuran data berkurang drastis. Kombinasi keduanya menghadirkan pendekatan video encoding yang lebih cerdas dan adaptif sesuai kebutuhan.
Teruji di Berbagai Skenario
Pengujian internal yang membandingkan H.265 konvensional dengan Guanlan Encoding menunjukkan penghematan bitrate yang konsisten dalam berbagai kondisi:
- Kantin (24 jam): penghematan 49% sepanjang fluktuasi aktivitas harian.
- Pintu masuk kawasan perkantoran (30 menit): penghematan 42% saat lalu lintas padat.
- Lobi kantor perusahaan (2 jam): penghematan 38% pada lingkungan dalam ruangan standar.
- Kawasan komersial yang ramai (1 jam): penghematan 18% dalam kondisi dengan aktivitas dan kompleksitas tinggi.
Kompatibel dengan Sistem yang Sudah Ada
Menggunakan standar H.265, Guanlan Encoding dapat digunakan dengan dekoder H.265 yang telah dipakai, baik pada perangkat Hikvision maupun buatan pihak ketiga, serta tetap mendukung fitur analisis AI tingkat lanjut. Format encoding, resolusi, dan frame rate tidak mengalami perubahan sehingga implementasinya relatif mudah, baik pada proyek baru maupun sistem yang sudah berjalan.
Tersedia di Berbagai Lini Produk Hikvision
Saat ini, Guanlan Encoding telah tersedia pada kamera jaringan dan kamera PTZ seri DeepinView(X), kamera seri Ultra, kamera dengan teknologi ColorVu 3.0, serta DVR Hikvision. Ke depan, dukungan teknologi ini akan diperluas ke lebih banyak lini produk. Guanlan Encoding dirancang untuk berbagai kebutuhan, mulai dari kawasan perkantoran, jaringan ritel, fasilitas publik, hingga infrastruktur vital.
Dengan mengintegrasikan AI langsung ke dalam proses kompresi video, Guanlan Encoding menandai pergeseran dari pendekatan kompresi berbasis piksel menuju kompresi yang memahami konteks dan makna visual. Informasi lebih lanjut dapat diperoleh melalui laman Guanlan Encoding atau perwakilan Hikvision di masing-masing wilayah.
