Почему стоит использовать готовые системы умного видеонаблюдения: опыт MTS AI

Сурен Хоренян, Руководитель группы разработки платформы TenVision MTS AI

Непростое ТЗ для «простого» сервиса

В 2022 году мы завершили разработку собственной системы умного видеонаблюдения: методом проб и ошибок наша команда смогла создать универсальное решение, которое значительно упростит жизнь потенциальным заказчикам, ведь им не придется проходить этот путь самостоятельно. У сервисов видеоаналитики есть множество технических требований и ограничений, которые зачастую противоречат друг другу и зависят от конкретных целей, для которых бизнес планирует использовать систему.

Наш проект должен был обеспечить заказчикам безопасность охраняемых объектов, автоматизировал бы ряд бизнес-процессов (например, мониторинг кассовой зоны) и заодно помог бы в маркетинговых задачах для подсчета посетителей и анализа их маршрутов. На практике это означало, что мы должны были наладить работу множества разных камер с отличающимися прошивками, а также обеспечить масштабируемость этой системы и защитить ее от утечек и потери данных.

В результате мы пришли к тому, что для выполнения перечисленных задач нашим клиентам нужны сервисы облачного видеонаблюдения с системами видеоаналитики, однако найти какое-либо компромиссное решение по их разработке было трудно. Как мы видим, с такими проблемами на рынке столкнулись не только мы — из-за этого не более 5% пользователей видеоаналитики подключают «умные» возможности.

Как мы создавали сервис

После сбора и обработки всех требований и ограничений, мы решили создать облачную платформу, с помощью которой можно разработать систему видеонаблюдения под потребности каждого заказчика. При этом нашу систему может использовать как конечный клиент, так и провайдеры по модели White Label.

Для повышения универсальности системы мы сделали ее в формате True Cloud: весь видеопоток обрабатывается и хранится в любом облачном хранилище, совместимом с протоколом S3. Для каждой модели камеры в системе требуются прошивки, софт для работы с аналитикой, а также поддержка общепринятого протокола ONVIF с разными профилями.

Чтобы сами видеокамеры стали более эффективными для видеонаблюдения, мы доработали Cloud Agent — наш софт для оборудования. Прежде всего он позволяет сэкономить на покупке облачных камер видеонаблюдения; благодаря ему любую камеру с процессором на борту можно сделать облачной. Также Cloud Agent позволяет подключить к системе оборудование всех известных производителей (AXIS, Bosch, Panasonic, Sony, Dahua, Hikvision и другие). Добавив одну камеру по общим протоколам или серийному номеру, камеру и систему можно легко масштабировать.

При разработке нейросетей для видеоаналитики мы использовали технику MLOps, которая автоматизирует весь жизненный цикл модели машинного обучения. Благодаря эффективному распределению ролей в команде ML-разработчик не тратит время на разметку данных, деплой, мониторинги и масштабирование, а занят только обучением нейросети. Благодаря этому подходу мы сократили время на разработку и внедрение видеоаналитики до 80%.

Что получили наши клиенты

Результатом нашей работы стала интеллектуальная платформа TenVision, с помощью которой можно создать собственный сервис облачного видеонаблюдения по модели White Label и предоставлять услуги конечному потребителю под собственным брендом. Для крупных компаний мы предлагаем инструменты продвинутой видеоаналитики для контроля за бизнес-процессами, обеспечения безопасности и управления клиентским опытом.

Благодаря софту заказчики могут управлять камерами в прямом эфире, смотреть онлайн-трансляцию с камер и даже общаться через них как по рации — например, чтобы прогнать злоумышленников, которые проникли на охраняемый объект. Получить доступ к камерам и видеоаналитике можно с помощью софта для смартфона или через веб-приложение, также заказчик может интегрировать наши SDK в собственные сервисы и платформы.

Благодаря AI-аналитике систему облачного видеонаблюдения можно использовать для распознавания лиц и объектов в кадре для обеспечения доступа на закрытые объекты и для контроля пересечения «красных линий» в кадре. Например, если на охраняемую территорию проникнет неизвестный человек, система сразу пришлет об этом уведомление. При этом камера определяет, что именно находится в кадре — в 2024 году нейросеть от MTS AI сможет распознать более 50 объектов, в том числе животных, транспорт, спортинвентарь и технику.

Кроме того, в ритейле умные камеры могут зафиксировать большие очереди в торговом зале и сообщить об этом менеджеру — это поможет оптимизировать работу персонала и планировать нагрузку на сотрудников, исходя из аналитических данных. Также система может сформировать тепловые карты для определения типичных маршрутов покупателей и наиболее популярных витрин, чтобы более эффективно планировать выкладку товаров.

Преимущества решений «под ключ»

Главным ограничением в собственной разработке сервиса часто становятся завышенные ожидания от технологии. Как правило, клиентам нужна видеоаналитика с минимальным time-to-market, и они не готовы долго ждать создания сервиса. При этом разработчики не могут сразу сказать, сколько понадобится ресурсов и циклов обучения системы, сначала неизвестна даже стоимость разработки такой системы. К тому же, перед созданием системы специалистам необходимо провести ряд исследований, которые также требуют денежных и временных ресурсов.

Использование готовых сервисов для облачного видеонаблюдения может быть значительно дешевле и эффективнее, чем создание собственных. Поэтому мы решили создать своего рода конструктор, который позволяет создать систему видеонаблюдения под конкретного заказчика.

Уже готовые решения позволяют:

• быстро (от двух дней до нескольких недель) запустить систему облачного видеонаблюдения;
• сократить расходы на ее обслуживание благодаря экономии на технической поддержке и легкому масштабированию;
• использовать проверенные и обученные нейросети, это позволяет не тратить время на доработку ML-модели и проверку гипотез.

Пользователи TenVision уже отметили бизнес-эффект от внедрения нашего сервиса. При установке системы в торговых залах количество посетителей, которые уходят с пустыми руками, сокращается на 10%, а количество краж сокращается на 34%. Поскольку клиентам больше не нужно самостоятельно настраивать и контролировать систему, расходы на оплату труда сокращаются на 20%, при этом также снижается и сама стоимость обслуживания.

Также использование AI-видеоаналитики позволяет увеличить точность распознавания дефектов на производстве до 97-98%. Дополнительный бизнес-эффект обеспечивает сокращение издержек, предупреждение правонарушений и оперативное реагирование на чрезвычайные происшествия, сегментирование аудитории и прогнозирование продаж на основе данных видеоаналитики.

Провайдеры также могут ускорить вывод своих продуктов на рынок по White Label модели, добавив дополнительные возможности на свое усмотрение в уже готовые облачные решения. Например, для интеграции уже готовой системы видеоаналитики можно успеть интегрировать за два дня, а при дополнительных потребностях за неделю.

Подробнее о решении >>>