This Bachelor thesis examines the possibility of replacing an outdated, analog video recording system to a digital counterpart. It is key that the video and audio signals remain synchronized, generator locked and time stamped. It is up to nine different video sources and a number of audio sources to be recorded and treated in such a manner which enables synchronized playback. The  different video sources do not always follow a universal standard, and differ from format as well as resolution. This thesis aims to compare a number of state of the art commercial of the shelf solutions with proprietary hardware. Great emphasis is placed on giving a functional view over the system features and to evaluate different compression methods. The report also discusses different transmission, storage and playback options. The report culminates in a series of proposed solutions to sub problems which are solved and treated separately, leading to a final proposal from the author. The final draft set how well the system meets pre-set requirements to price.

Streaming is currently the main method used to watch videos, and with this a significant portion of all Internet traffic is occupied by streaming. In order to efficiently store and transfer this large quantity of data, compression is necessary for the streaming services. This compression causes loss of information, which could have detrimental effects on the experienced quality of the video. In this study, in order to examine how quality of video is experienced, 14 participants were asked to grade the visual quality of several clips of two different scenes. The varying factors within the clips were set to two different parameters: bitrate, and image resolution. Two different types of scenes were examined: one being still, and the other being more dynamic with plenty of movement and cuts within the scene. Depending on the scene, the two different parameters were shown to have different impacts on the perceived image quality of the clips. The video clips with higher resolution performed better during still scenes, while bitrate contributed more to the perceived quality during dynamic scenes. The compression method that was used proved to be rather effective at compressing the data with relatively small losses in experienced image quality, which was true for both scenes. / Videostreaming är den primära metoden för att titta på videor för många människor, vilket medför att streaming idag utgör en signifikant andel av världens totala internettrafik sett till mängden överförd data. För att effektivt förvara och överföra dessa stora mängder data, blir komprimering ett nödvändigt krav för distribueringstjänsterna av video på marknaden. Denna videokomprimering orsakar förluster av information i videon, vilket kan ha en negativ påverkan på den upplevda kvaliteten. I denna studie, i syfte att undersöka hur videokvalitet upplevs, och vad som påverkar detta, fick 14 deltagare subjektivt betygsätta den visuella kvaliteten hos flera videoklipp innehållandes två olika scener. De varierande faktorerna inom videoklippen begränsades till två parametrar: bitrate, och bildupplösning. Två olika scener undersöktes: en stillsam, och en dynamisk med mycket rörelse i bilden. Beroende på scen visade sig de två parametrarna ha varierande inflytande på den upplevda videokvaliteten. Resultaten visade på mönster där framförallt upplösning hade en avsevärd påverkan på den upplevda videokvaliteten under stillsamma scener, medan bitrate bidrog mer till tittarupplevelsen vid dynamiska scener. Den komprimeringsmetod som användes visade sig vara väldigt effektiv på att komprimera data till relativt små förluster i den upplevda bildkvaliteten, någonting som gällde för båda scenerna.

Intra-prediction is a method for coding standalone frames in video coding. Until now, this has mainly been done using linear formulae. Using an Artificial Neural Network (ANN) may improve the prediction accuracy, leading to improved coding efficiency. In this degree project, Fully Connected Networks (FCN) and Convolutional Neural Networks (CNN) were used for intra-prediction. Experiments were done on samples from different image sizes, block sizes, and block contents, and their effect on the results were compared and discussed. The results show that ANN methods have the potential to perform better or on par with the video coder High Efficiency Video Coding (HEVC) in the intra-prediction task. The proposed ANN designs perform better on smaller block sizes, but different designs could lead to better performance on larger block sizes. It was found that training one network for each HEVC mode and using the most suitable network to predict each block improved performance of the ANN approach. / Intra-prediktion är en metod för kodning av stillbilder i videokodning. Hittills har detta främst gjorts med hjälp av linjära formler. Användning av artificialla neuronnät (ANN) skulle kunna öka prediktionsnoggrannheten och ge högre effektivitet vid kodning. I detta examensarbete användes fully connected networks (FCN) och convolutional neural networks (CNN) för att utföra intra-prediktion. Experiment gjordes på prover från olika bildstorlekar, blockstorlekar och blockinnehåll, och de olika parametrarnas effekt på resultaten jämfördes och diskuterades. Resultaten visar att ANN-metoder har potential att prestera bättre eller lika bra som videokodaren High Efficiency Video Coding (HEVC) för intra-prediktion. De föreslagna ANN-designerna presterar bättre på mindre blockstorlekar, men andra ANN-designs skulle kunna ge bättre prestanda för större blockstorlekar. Det konstaterades att prestandan för ANN-metoderna kunde ökas genom att träna ett nätverk för varje HEVC-mode och använda det mest passande nätverket för varje block.