در تاریخ توسعه فناوری های دوربین مداربسته شاید بتوان گفت که مهمترین مشکل سد راه کیفیت تصاویر ضبط شده توسط دوربین های مداربسته، مشکلات ناشی از نویزهای محیطی بوده است. با توجه به توسعه تجهیزات الکترونیک و همچنین شتاب روز افزون استفاده از این تجهیزات در مناطق مختلف کاملا بدیهیست که دوربین  های مداربسته در هر جایی که نصب شوند در معرض دریافت سیگنال های مختلفی خواهند بود که می تواند کیفیت تصاویر ضبط شده توسط این دوربین ها را کاهش دهد. برای مثال ایجاد تصاویر برفکی و تار و یا اختلال در رنگ های تصاویر دوربین مداربسته همگی ناشی از آلودگی های سیگانال های محیط است.

فناوری DNR یا Digital Noise Reduction یکی از آخرین خلاقیت های توسعه دهندگان و تولید کنندگان دوربین مداربسته است تا بتوانند تاثیر نویزهای محیطی بر روی تصاویر دوربین مداربسته را به شکل دیجیتال حذف کنند. این فناوری امروز با ورژن پیشرفته تر خود با نام ۳D-DNR نیز شناخته می شود. در مدل پیشرفته DNR نویزهای محیطی به شکل بسیار موثر تری حتی در شرایط محیط های کم نور نیز فیلتر می شوند.

انواع نویز در دوربین های مداربسته

اگر بخواهیم نویزهای مختلفی که بر روی کیفیت تصاویر دوربین مداربسته تاثیر مخربی می گذارند را دسته بندی کنیم می توان به دو دسته زیر اشاره کرد:

• یکی از رایج ترین نوع نویز که به شکل نقاط سیاه و سفید در تصویر دیده می شود، به داغ شدن سنسورهای CCD یا نشستن گرد و غبار بر روی دوربین مداربسته مربوط می شود. عموما چنین اختلالی به صورت تصادفی ایجاد می شود.
• در دومین دسته بندی نویزهای دوربین مداربسته باید به اختلال الکتریسیته در مدارهای دوربین های مداربسته اشاره کرد. در صورت ایجاد اختلال الکتریسیته رنگ پیکسل های تصاویر ضبط شده با رنگ واقعی محیط تفاوت خواهد داشت و در نهایت یک تصویر کدر و تار شده به دست شما می رسد.

بیشتر بخوانید :  پکیج دوربین مداربسته    نصب دوربین مداربسته  نمایندگی هایک ویژن

تکنولوژی DNR

تکنولوژی DNR دقیقا برای برطرف کردن نویزهای گفته شده در بالا طراحی شده است. این فناوری از تکنیک فریم به فریم تصاویر استفاده می کند و با استفاده از هوش مصنوعی فریم های ضبط شده توسط دوربین را آنالیز می کند. در صورتی که در مقایسه فریم های تصاویر ضبط شده با فریم قبلی، نقطه نامتعارفی توسط دوربین تشخیص داده شود آن نقطه حذف می شود. به عبارتی هوش مصنوعی به کار رفته در دوربین مداربسته با استفاده از فناوری DNR فریم های پی در پی را با هم مقایسه می کند و در صورتی که نقاطی به یکباره در تصویر ظاهر شوند که همخوانی با فریم قبل نداشته باشند را حذف می کند.

مشکل اصلی که برای تکنولوژی DNR  ذکر می شود این است که این فناوری در یک دستور العمل کلی توانایی برطرف کردن نویز تصاویر جلوی و نزدیک به دوربین را دارد اما اشیا با فاصله دورتر و در پس زمینه تصویر توسط این تکنیک پردازش نمی شود و در نتیجه نویز تصاویر پس زمینه باقی می ماند. برای مثال در یک پارکینگ تصاویر افرادی که در جلوی اتوموبیل قرار گرفته اند به عنوان تصاویر جلویی توسط دوربین پردازش می شود و نویز آنها نیز برطرف می شود اما اتوموبیل ها که در پشت سر افراد قرار دارند و به عنوان تصاویر پس زمینه نویزشان باقی خواهد ماند.

تکنولوژی ۳D DNR

همانطور که در بالا نیز اشاره کردیم ورژن توسعه یافته فناوری DNR از دقت بیشتری برخوردار است و با نام تکنولوژی ۳D DNR مدتی است که به بازار عرضه شده است. در این تکنولوژی بجای مقایسه فریم های تصاویر از مقایسه پیکسل های تصویر با دقت بسیار بالا استفاده می شود. به عبارتی در این فناوری هر پیکسل تصویر با پیکسل های مجاور آن مقایسه می شود و در صورت مقایرت های ناهمگون ، هوش مصنوعی بکار رفته در تکنولوژی ۳D DNR این مغایرت ها را نویز محیطی تشخیص داده و آنها را حذف می کند. کاملا مشخص است که در تکنولوژی ۳D DNR وضوع تصویر به شدت بهتر از فناوری های دیگر خواهد بود.

مزایای تکنولوژی ۳D DNR

1. ۳D DNR سیگنال‌های واضح‌تری نسبت به DNR تولید می‌کند. این موضوع باعث می‌شود با صرفه‌جویی در فضای ذخیره‌سازی، مدت زمان بیشتری روی هارددیسک ذخیره شود.
2. دوربین‌هایی که از تکنولوژی ۳D DNR استفاده می‌کنند، عکس‌های شفاف و واضح‌تری ارائه می‌کنند. که این باعث می‌شود تشخیص چهره دقیق‌تر شود.
3. تکنولوژی ۳D DNR با کاهش نویزها، حرکات اضافی ناشی از نویزها در تصویر را نیز کاهش داده که این موضوع باعث می‌شود دستگاه DVR بطور بسیار کارآمدتر عمل موشن دیتکت (تشخیص حرکت) را بخصوص در محیطی که نور کم است، انجام دهد.

نکته نهایی در خصوص تکنولوژی ۳D DNR این است که این فناوری جدید کمک شایانی به عملکرد دوربین های تشخیص چهره و تشیخص حرکت کرده و باعث می‌شود دقت این دوربین ها به حد اعجاب آوری افزایش پیدا کند.

1. سیستم امنیتی و حفاظتی    سیستم های ایمنی منزل     امنیت هوشمند    شاخص های شهر هوشمند