Tantangan utama dari sistem kamera ini adalah mereka harus selalu aktif/menyala, terutama karena banyak kamera pintar yang digunakan untuk keperluan keamanan, sehingga mereka harus menyala 24 jam sehari, 365 hari setahun, sesuai perannya.
Melihat hal tersebut, maka teknologi penyimpanan data harus mampu mengimbangi kebutuhan yang ada. Salah satu caranya adalah dengan mengembangkan teknologi transfer data dengan cepat, untuk memastikan perekaman video berkualitas tinggi. Selain itu, teknologi penyimpanan pada kamera yang dapat memberikan daya tahan dan keandalan menjadi semakin penting, dibandingkan dengan teknologi penyimpanan di pusat data jarak jauh.
2. Variasi tempat penggunaan
Sektor keamanan tidak hanya bergantung pada data visual. Kini, kamera modern punya banyak tipe dan output data yang semakin beragam. Peletakannya pun bervariasi – mulai dari di atas gedung, di dalam kendaraan, di drone, atau di atas bel pintu.
Lokasi dan form factor dari kamera pintar memengaruhi teknologi penyimpanan yang diperlukan. Akses ke kamera perlu dipertimbangkan – apakah kamera akan dipasang di atas gedung pencakar alngit? Atau mungkin di tengah hutan?
Lokasi-lokasi tersebut harus berhadapan dengan variasi suhu yang ekstrem. Semua kemungkinan ini perlu dipertimbangkan untuk memastikan perekaman video bisa tetap andal dan bertahan lama tanpa tersendat.
3. Chipset AI
Dengan semakin canggihnya kamera, maka semakin banyak keputusan yang dibuat secara real time di tahap edge. Chipset baru akan hadir untuk kamera yang memiliki kemampuan AI yang lebih baik, dan chipset yang lebih canggih menawarkan pemrosesan jaringan yang kompleks untuk analitik pembelajaran mendalam pada kamera. AI akan menjadi semakin cerdas dan serba bisa.
Seiring dengan perkembangan inovasi kamera, diharapkan bahwa proses deep learning AI – yang membutuhkan kumpulan data video besar supaya efektif – bisa dimasukkan ke dalam kamera juga, sehingga mendorong kapasitas penyimpanan di kamera untuk turut diperbesar.
Bahkan untuk solusi yang menggunakan kamera keamanan standar, chipset yang disempurnakan AI dan GPU discrete (unit pemrosesan grafis) masih digunakan di perekam video jaringan (NVR), peralatan analitik video, dan edge gateway untuk mengaktifkan fungsi AI tingkat lanjut dan analisa deep learning.
Dengan berkembangnya firmware NVR dan arsitektur OS (sistem operasi) untuk menambahkan kemampuan tersebut ke recorder utama, maka penyimpanan data pun harus mampu menangani beban kerja yang jauh lebih besar.
Sebagai contoh, ada kebutuhan untuk menyimpan beberapa rekaman kamera (misalnya dari angle berbeda). Maka, metadata yang diambil dari AI dan data referensi untuk pencocokan juga harus bisa disimpan.
| Penulis | : | Rafki Fachrizal |
| Editor | : | Rafki Fachrizal |
KOMENTAR