Видеоаналитика: камеры, которые смотрят сами. Что она умеет и где ошибается
Обычно камеры только пишут архив: его открывают, когда что-то уже случилось. Видеоаналитика смотрит сама и присылает событие с кадром. Разбираем, какие задачи она решает надёжно, откуда берутся ложные тревоги и как за полчаса понять, подойдут ли ваши камеры.
На складе, стройке или в коттеджном посёлке камеры есть почти всегда. А вот человека, который весь день смотрит в стену из 16 окошек, обычно нет — да и долго смотреть внимательно он не сможет. Поэтому камеры работают как видеорегистратор: запись есть, а о событии узнают на следующий день.
Видеоаналитика меняет порядок: нейросеть просматривает каждый кадр и сообщает, когда происходит то, что вас интересует. Человек смотрит только на события, а не на всё подряд.
Как это работает
Между камерой и сообщением в рабочем чате — пять шагов. Нейросеть занята только первыми двумя, остальное — обычные правила, которые задаёте вы.
От кадра до тревоги
Нейросеть находит объекты, правила решают, что из этого событие
Поток с обычной IP-камеры, 5–10 кадров в секунду достаточно
Находит на кадре людей, машины, каски, номера — и обводит рамкой
Связывает рамки между кадрами: это тот же человек, он идёт к воротам
Зона, время, направление, длительность: «человек у забора ночью дольше 3 секунд»
Кадр и короткий ролик — в чат охраны, в журнал или в учётную систему
Из этого следует главное: нейросеть не «понимает ситуацию». Она находит объекты, а смысл — «чужой на территории», «машина стоит в проезде» — задаёт правило. Чем точнее правило, тем меньше лишних тревог.
Что работает надёжно, а что пока нет
Задачи сильно различаются по зрелости. Одни сегодня работают из коробки, другие требуют дообучения на ваших кадрах, третьи пока дают слишком много ложных срабатываний.
Зрелость задач видеоаналитики
Наша оценка на октябрь 2026
| Задача | Где нужна | Как работает сегодня |
|---|---|---|
| Человек или машина в зоне | Периметр, склад ночью, посёлок | Надёжно. Ночью нужна ИК-подсветка |
| Подсчёт людей и очереди | Магазин, пункт выдачи, проходная | Надёжно при камере сверху или под углом |
| Номера машин | Въезд, парковка, весовая | Надёжно при правильной установке камеры |
| Каски, жилеты, спецодежда | Стройка, производство | Работает после дообучения на ваших кадрах |
| Оставленный предмет, драка, падение | Общественные места, цех | Сложно: много ложных тревог, нужен человек на проверке |
Распознавание лиц — отдельный разговор: это биометрия, и без согласия людей и юриста мы за него не берёмся
Хорошее правило выбора: начинайте с задачи из первых трёх строк. Она окупается быстрее всего и показывает, как система ведёт себя на ваших камерах, прежде чем браться за сложное.
Откуда берутся ложные тревоги
Встроенный в камеру детектор движения реагирует на любые изменившиеся пиксели: тени от облаков, фары, качающиеся ветки, снег, паука на объективе. Поэтому уведомления от него через неделю выключают. Нейросеть реагирует не на движение, а на объекты, и лишних тревог становится на порядок меньше. Правило убирает ещё часть.
140 тревог за ночь → 2
Одна камера на периметре, 12 часов · камера и цифры условные
Что остаётся после нейросети: собака у забора, человек за оградой на тротуаре · что убирает правило: тех, кто прошёл мимо
Свести ложные тревоги к нулю нельзя, и обещать это не стоит. Цель другая: чтобы тревог было столько, что каждую реально посмотрят. Две за ночь — посмотрят. Сорок — перестанут.
Подойдут ли ваши камеры
Чаще всего покупать новые камеры не нужно. Важно, сколько пикселей приходится на метр сцены: от этого зависит, что на кадре вообще можно разобрать. Для этого есть стандарт видеонаблюдения EN 62676-4 с четырьмя уровнями.
Сколько пикселей нужно на метр
Уровни по стандарту EN 62676-4 (DORI)
Понять, что в кадре человек, а не собака. Хватает для охраны периметра
Видеть, что он делает: идёт, несёт, перелезает. Каски и жилеты
Узнать знакомого человека, прочитать крупную надпись
Опознать незнакомого человека по кадру
Посчитать просто: ширину кадра в пикселях делим на ширину сцены в метрах на том расстоянии, где нужно что-то разобрать. Камера Full HD — 1920 пикселей по ширине. Если на дальнем краю двора в кадр попадает полоса шириной 20 метров, получается 96 пикселей на метр: человека обнаружить и понять, что он делает, — можно, узнать — нет. Камера на 4 Мп (2560 пикселей) на той же сцене даст 128 — уже уровень «узнать».
Ещё четыре вопроса, которые стоит проверить до проекта:
- Ночь. Есть ли ИК-подсветка и до какого расстояния она реально добивает. Самые частые проблемы — именно ночные кадры.
- Угол. Камера не должна смотреть против солнца и фар. Для подсчёта людей лучше вид сверху, для номеров — небольшой угол к машине.
- Доступ к потоку. Можно ли забрать видео с камеры или регистратора по сети (протокол RTSP). У большинства IP-камер — можно.
- Где считать. На своём сервере с видеокартой рядом с камерами — видео не уходит наружу, или в облаке — нужен стабильный канал. Как считать, что выгоднее, мы разбирали в статье про сервер и оплату за запросы.
Как проверить до покупки
Видеоаналитику, как и ИИ-помощника, проверяют не на демо-ролике, а на своих данных. Нормальный пилот — одна-две камеры на две недели:
- Записываем все тревоги и смотрим каждую: настоящая или ложная. Считаем ложные за ночь.
- Проверяем пропуски: человек несколько раз проходит через зону днём, в сумерках и ночью. Считаем, сколько проходов система заметила.
- Отдельно смотрим плохую погоду: дождь, снег, туман — если они случились за пилот.
- Решаем по двум цифрам: сколько проходов поймано и сколько ложных тревог за ночь. Порог договариваемся назвать заранее.
Это тот же подход, что и контрольный набор вопросов для ИИ-помощника, о котором мы писали в прошлой статье: заранее известные правильные ответы и честный счёт ошибок.
Как это делаем мы
В Kalman Lab начинаем с ваших кадров, а не с выбора системы: смотрим дневные и ночные записи, считаем пиксели на метр и говорим, какие задачи решаются на текущих камерах. Потом — пилот на одной-двух камерах с цифрами по пропускам и ложным тревогам. Если видео нельзя выносить с объекта, всё работает на сервере внутри вашей сети.
Первый разбор задачи — 30 минут, бесплатно. Пришлите два-три кадра со своих камер — днём и ночью, — скажем, что на них можно распознать уже сейчас.
Ещё в блоге: Как проверить, что ИИ-помощник отвечает правильно: контрольный набор из 30 вопросов