#Видеоаналитика #Веб-разработка #Для-IT-руководителей

Видеоаналитика: какие задачи бизнеса она закрывает и что нужно от камер

Видеоаналитика — программный слой поверх уже работающих камер: события и цифры вместо видеопотока. Какие задачи окупаются, сколько стоит на рынке и какие нужны камеры, свет и каналы связи.
видеоаналитика на производстве — камеры в цехе и экран оператора с разметкой зонвидеоаналитика на производстве — камеры в цехе и экран оператора с разметкой зон
Видеоаналитика — это программный слой поверх уже работающих камер, который превращает видеопоток в события и цифры: человек без каски вошёл в зону пресса, погрузчик заблокировал проезд на двенадцать минут, очередь на кассе выросла до шести человек. Бизнес покупает не «распознавание», а конкретное уведомление и отчёт, по которым кто-то принимает решение. По деньгам рынок разошёлся на три уровня: облачная подписка на готовый сценарий — 0,7–6 тысяч рублей за камеру в месяц, коробочная лицензия на канал — от 1 до 7 тысяч единоразово плюс свой сервер, проект под конкретную задачу на уже стоящих камерах — примерно от 100 тысяч рублей. Миллионные сметы тоже существуют, но это верхняя граница: промышленные проекты с новым железом, освещением и обучением модели под свой объект. У нас внедрение начинается от 99 тысяч рублей, обслуживание — 6 тысяч рублей в месяц за одну камеру, следующие считаются кратно.

Дальше разберём, какие задачи действительно закрываются, где проект чаще всего ломается (почти всегда на камерах и свете, а не на нейросети) и как считать экономику до того, как подписан договор. Сразу оговорюсь: Else Digital строит веб-сервисы, мобильные приложения и боты вокруг таких систем — дашборды, роли, интеграции, уведомления. Поэтому про интерфейсную и интеграционную часть пишу подробнее, а про модели — честно, с рыночными цифрами и публичными примерами.
Бизнес покупает не распознавание, а уведомление и отчёт: видеоаналитика присылает мастеру сообщение «зона 3, работа без каски» со стоп-кадром
Бизнес покупает не распознавание, а уведомление и отчёт: видеоаналитика присылает мастеру сообщение «зона 3, работа без каски» со стоп-кадром

Что такое видеоаналитика и какие задачи она закрывает

Три слоя видеоаналитики: детекция объектов, правила, агрегация данных
Три слоя видеоаналитики: детекция объектов, правила, агрегация данных
Под словом «видеоаналитика» на практике прячутся три разных слоя. Первый — детекция объектов: люди, техника, каски, жилеты, номера, коробки. Второй — правила поверх детекций: пересечение линии, нахождение в зоне дольше N секунд, отсутствие объекта там, где он должен быть. Третий — агрегация: счётчики, тепловые карты, отчёты по сменам и участкам.

Ценность почти всегда рождается на втором и третьем слое. Модель, которая умеет находить человека с точностью 95%, бесполезна сама по себе; полезной она становится, когда на её основе мастер смены получает в мессенджер сообщение «зона 3, работа без защитных очков, 14:22» со стоп-кадром, а директор по производству — недельный отчёт с динамикой нарушений по участкам.

Набор задач, который окупается чаще остального, выглядит скучно и прагматично. Контроль средств индивидуальной защиты, фиксация простоев оборудования и персонала, подсчёт посетителей и построение маршрутов в торговом зале, контроль очередей, распознавание номеров на въезде, проверка комплектности отгрузки, контроль заполнения паллет и чистоты рабочего места.

Отдельная группа — задачи, где видео заменяет ручную сверку документов и визуальный контроль качества. Здесь выгода считается прямо в человеко-часах: если контролёр тратит четыре минуты на проверку одной единицы, а система отбирает ему на ручной досмотр только 12% подозрительных случаев, нагрузка падает в несколько раз.

Сколько стоит видеоаналитика и из чего складывается бюджет

Сколько стоит видеоаналитика: облачная подписка 0,7–6 тыс. ₽, лицензия 1–7 тыс. ₽, проект от 100 тыс. ₽, внедрение Else Digital от 99 тыс. ₽
Сколько стоит видеоаналитика: облачная подписка 0,7–6 тыс. ₽, лицензия 1–7 тыс. ₽, проект от 100 тыс. ₽, внедрение Else Digital от 99 тыс. ₽
Вилки на рынке такие. Самый дешёвый вход — облачная подписка на готовый модуль: распознавание номеров на шлагбауме стоит от 700 рублей за камеру в месяц, контроль кассовых операций — около 800, детекция очередей — от тысячи, подсчёт посетителей — 1,5–2 тысячи, распознавание лиц — 4,5–5 тысяч. Профильные студии видеоаналитики чаще держат единый тариф 3–6 тысяч рублей за камеру в месяц независимо от сценария. Коробочный софт с бессрочной лицензией дешевле в пересчёте на годы: канал стоит от тысячи рублей в бюджетных системах до 5–7 тысяч в профессиональных, но к нему нужен свой сервер и человек, который это сопровождает. Разработка под нестандартный сценарий начинается примерно от 100 тысяч рублей за первый контур на существующих камерах и доходит до 1,5–4 млн, когда нужны свой датасет, обучение модели и интеграция в учётный контур. Железо для локальной обработки — ещё 150–600 тысяч рублей на сервер с GPU уровня RTX 4090, который тянет 12–20 потоков; в облачном варианте этой строки нет вовсе.

Самая недооценённая строка бюджета — разметка, но нужна она далеко не всегда. Для типовых объектов — человек, каска, жилет, автомобиль, номерной знак, коробка на конвейере — модели уже обучены, и проект сводится к разметке зон и правил на кадре. Свой датасет нужен, когда объект специфический: конкретная деталь, фирменная спецодежда, нестандартная маркировка. Тогда это 3–8 тысяч размеченных кадров, по рыночным расценкам 5–20 рублей за объект — 40–200 тысяч рублей и две-три недели календарного времени, причём кадры должны быть с ваших камер, в вашем свете, а не из открытых датасетов. Если подрядчик закладывает обучение модели в типовой сценарий, спросите, почему не подходит готовая.

Вторая недооценённая строка — интерфейс и интеграции. Событие нужно куда-то доставить: в ERP, в 1С, в CRM, в мессенджер, в мобильное приложение бригадира. Этот слой мы в Else Digital как раз и делаем — разработка веб-сервисов. Стартовый контур — журнал событий со стоп-кадрами, уведомления в Telegram, выгрузка — у нас начинается от 99 тысяч рублей, обслуживание — 36 тысяч в месяц за шесть камер. Полноценный кабинет с ролевой моделью, архивом, апелляциями нарушений и аналитикой по участкам — это уже 600 тысяч — 2 млн рублей, и такой объём нужен далеко не каждому объекту.

Третья статья — эксплуатация. Модель деградирует: меняется освещение, переставляют камеры, вводят новую спецодежду, зимой появляются капюшоны. Нормальный бюджет на год после запуска — 10–20% от стоимости внедрения, иначе через полгода точность упадёт, и люди перестанут верить уведомлениям. Как выстраивать регламент сопровождения, мы разбирали в материале про техническую поддержку после запуска.

Что нужно от камер: разрешение, свет, угол и поток

Большинство провалившихся пилотов упираются не в алгоритмы, а в физику съёмки. Правило простое: объект, который модель должна распознать, обязан занимать достаточное число пикселей по высоте. Для детекции человека в кадре хватает 40–60 пикселей, для каски на голове — уже не меньше 25–30 пикселей по вертикали, для чтения номера автомобиля — около 130–170 пикселей на ширину номерного знака, для мелкой маркировки на детали — от 2 пикселей на миллиметр символа.
Сколько пикселей нужно для видеоаналитики: человек 40–60 px, каска 25–30 px, номер 130–170 px, маркировка от 2 px на мм
Сколько пикселей нужно для видеоаналитики: человек 40–60 px, каска 25–30 px, номер 130–170 px, маркировка от 2 px на мм
Отсюда считается всё остальное. Камера 2 Мп (1920×1080) с объективом 4 мм на расстоянии 12 метров даёт человека высотой примерно 90–110 пикселей — для детекции людей достаточно, для контроля очков или перчаток уже нет. Поэтому под задачи с мелкими объектами ставят либо 4–8 Мп, либо отдельную камеру с узким углом на конкретную точку, а не пытаются вытянуть всё одной обзорной.

Освещённость критична не меньше разрешения. Ниже 50 люкс камера уходит в ночной режим, включает шумоподавление и длинную выдержку, движущиеся объекты смазываются, и точность падает на десятки процентов. В цехах и на складах с перепадами света помогает WDR от 120 дБ, фиксированная экспозиция и запрет автофокуса, иначе кадры между сменами выглядят по-разному и модель сходит с ума.

Угол установки — третья вещь, которую почти никогда не проверяют заранее. Камера строго сверху отлично считает людей, но не видит каску спереди; камера под 15–20 градусами к горизонту хорошо распознаёт СИЗ, но создаёт перекрытия, когда люди идут группой. Рабочий компромисс для большинства сценариев — наклон 25–35 градусов и высота 3,5–4,5 метра.
Как повесить камеру для видеоаналитики: наклон 25–35°, высота 3,5–4,5 м, 2 Мп на 12 метров
Как повесить камеру для видеоаналитики: наклон 25–35°, высота 3,5–4,5 м, 2 Мп на 12 метров
И поток. Для аналитики обычно достаточно 10–12 кадров в секунду и второго, низкобитрейтного субпотока; подавать полный 25 fps в модель бессмысленно и дорого по железу. Проверьте, что камеры отдают RTSP или ONVIF, что регистратор не режет доступ к субпотоку и что сеть выдержит: 20 камер по 4 Мбит — это 80 Мбит постоянного трафика, который нельзя гнать по той же линии, что и производственные системы.
Требования к камерам для видеоаналитики: освещённость от 50 люкс, WDR от 120 дБ, 10–12 кадров в секунду, RTSP или ONVIF
Требования к камерам для видеоаналитики: освещённость от 50 люкс, WDR от 120 дБ, 10–12 кадров в секунду, RTSP или ONVIF

Видеоаналитика на производстве: что считать и где выигрыш

Видеоаналитика на производстве держится на трёх сюжетах: безопасность, простои и дисциплина процессов. Безопасность — самый понятный вход, потому что цена одного тяжёлого инцидента в разы перекрывает стоимость системы, а требования охраны труда дают внутреннего заказчика с бюджетом и мотивацией.

Контроль СИЗ обычно начинают с касок и жилетов: это крупные, контрастные объекты, модель достигает 90–95% точности без экзотики. Очки, перчатки и беруши дают заметно хуже — 70–85%, и здесь честный разговор с заказчиком обязателен. Если обещать 98% на перчатках, через месяц система утонет в ложных срабатываниях, и мастера начнут игнорировать уведомления.

Простои считаются иначе: не через детекцию человека, а через состояние зоны. Система фиксирует, что станок в рабочей зоне не обслуживается дольше заданного порога, что погрузчик стоит в проезде, что паллета ждёт на буферной площадке. Такие метрики нужны не для наказаний, а для расшивки узких мест: обычно выясняется, что 60–70% потерь концентрируются в двух-трёх точках маршрута.

Третий сюжет — соблюдение технологии: работа без ограждения, пропуск операции, нарушение последовательности сборки. Он требует самой дорогой разметки и самой плотной работы с технологами, зато и эффект даёт прямой, через процент брака. Здесь я бы советовал не стартовать с него, а подключать на второй-третьей итерации, когда инфраструктура уже проверена боем.

Розница, склад и офис: какие сценарии окупаются быстрее

Что окупается быстрее: видеоаналитика на производстве, в рознице и на складе
Что окупается быстрее: видеоаналитика на производстве, в рознице и на складе
В рознице быстрее всего окупается связка «подсчёт посетителей плюс контроль очередей». Счётчик на входе с точностью 95–97% даёт конверсию торговой точки, а детектор очереди позволяет открывать дополнительную кассу по правилу, а не по ощущениям администратора. Сокращение средней очереди на одного человека в часы пик заметно влияет на процент брошенных корзин.

Тепловые карты и маршруты интересны маркетингу, но окупаются медленнее: решения по выкладке принимаются раз в квартал, и эффект размазан. Если бюджет ограничен, их разумно отложить на вторую очередь, а первой очередью взять кассы, вход и контроль выкладки по планограмме.

На складе выигрыш дают три вещи: контроль отгрузки (что именно поставили в машину), фиксация простоя доков и распознавание номеров на въезде с автоматическим открытием шлагбаума и записью в WMS. Номера — самый предсказуемый сценарий, точность 96–98% при нормальной геометрии и подсветке, и почти всегда заметный эффект на пропускной способности КПП.

Офисные сценарии скромнее: загрузка переговорных, учёт присутствия, контроль доступа в серверную. Они редко окупаются деньгами, но хорошо работают как первый безопасный пилот, на котором компания учится обращаться с персональными данными и выстраивает регламент до того, как трогает производство.

Как считать окупаемость до старта: расчёт на конкретных цифрах

Ниже — расчёт на конкретных вводных. Цифры взяты как рыночные ориентиры, чтобы показать логику, по которой считает нормальный заказчик.

Возьмём среднее производство: 300 человек, два цеха, задача — контроль касок и жилетов на 12 камерах. Лёгкий вариант, если камеры уже стоят и дают нужную детализацию: разметка зон и правил, журнал событий, уведомления мастерам — внедрение от 99 тысяч рублей и две-три недели, дальше 72 тысячи в месяц за двенадцать точек, то есть два пакета по шесть камер. Тяжёлый вариант, когда ракурсы не годятся и нужна своя модель под фирменную спецодежду: доработка четырёх камер и света — 180 тысяч, сервер с GPU — 350 тысяч, сбор и разметка 5 тысяч кадров — 90 тысяч, обучение и настройка правил — 600 тысяч, кабинет с отчётами и ролями — 450 тысяч, интеграция уведомлений — 120 тысяч, итого около 1,8 млн рублей и 10–14 недель. На входе разница восемнадцатикратная: 99 тысяч против 1,8 млн. За первый год она сглаживается — около 963 тысяч против 1,8 млн, — но во втором случае деньги нужны сразу и целиком, а в первом растянуты по месяцам и прекращаются, если система не прижилась.

Теперь выгода. Если на предприятии фиксируется 15–20 нарушений СИЗ в неделю и два-три микротравматизма в год, а средняя стоимость одного инцидента с временной нетрудоспособностью по рыночным оценкам измеряется сотнями тысяч рублей с учётом простоя, расследования и штрафов, то предотвращение даже одного-двух случаев в год закрывает половину бюджета. Вторая половина набирается на отказе от двух ставок контролёров, которые обходили участки с чек-листом.

Важная оговорка: эффект получают только те, кто довёл систему до регламента. Уведомление должно иметь адресата, срок реакции и форму разбора. Проекты, где события падают в общий чат без ответственного, умирают за два месяца — модель работает, а поведение людей не меняется.

Свои сценарии мы собрали в отдельном разделе кейсов по машинному зрению. На реальной записи работает видеоаналитика для ресторана: заведение согласилось на публикацию, лица на кадрах размыты, название не раскрываем. Система подключилась к камерам, которые в зале уже стояли, различает персонал и гостей, считает занятость столов и время у бара и кофемашины — за пять минут проверки она приняла 18 решений о роли человека в кадре, и все оказались верными при ручном просмотре. Рядом лежат разборы-примеры: очередь у кассы и время до уборки стола, пустующая зона бара или раздачи и сверка выданных заказов с пробитыми чеками. Они показывают механику и формат события, а цифры по конкретному объекту даёт пилот.

Как выбрать подрядчика и что записать в договор

Первое, что я советую спрашивать: как подрядчик собирается мерить точность и на каких данных. Правильный ответ звучит так — снимаем две недели видео с ваших камер, размечаем отложенную выборку, которую модель не видела при обучении, и на ней считаем precision и recall отдельно по каждому классу. Ответ «у нашей нейросети точность 99%» без указания датасета означает, что цифра взята из презентации вендора.

Второе — кто владеет данными и моделью. В договоре должно быть написано, где хранится видео, сколько дней, кто имеет доступ, передаются ли кадры во внешнее облако и что происходит с обученной моделью при расторжении. Для производств с режимом это вопрос допуска, и решать его нужно до начала съёмок, а не после.

Третье — приёмка по метрикам, а не по факту установки. Разумная формулировка: не менее 90% recall по каске и не более 5% ложных срабатываний в сутки на камеру при освещённости выше 150 люкс. С оговорёнными условиями: если свет упал или камеру передвинули, метрика пересогласовывается. Как вообще устроены границы ответственности в договорах на разработку, мы подробно разбирали в статье про выбор подрядчика.

Четвёртое — кто делает интерфейсную часть и мобильный доступ. Мастер смены не сидит за компьютером, ему нужно приложение или бот с пушем и стоп-кадром; разработка мобильных приложений здесь часто оказывается отдельным подпроектом, и лучше заложить его сразу, чем прикручивать потом к готовой платформе.

Что делать, если точность оказалась ниже ожидаемой

Если точность видеоаналитики низкая: дообучение модели, положение камеры, пороги правил, обход камеры людьми
Если точность видеоаналитики низкая: дообучение модели, положение камеры, пороги правил, обход камеры людьми
Самая частая причина — несовпадение данных обучения и данных эксплуатации. Модель училась на летних кадрах, а зимой люди в капюшонах и объёмных куртках; училась при верхнем свете, а в ноябре включили боковые прожекторы. Лечится дообучением на свежей выборке: обычно хватает 800–1500 новых кадров и трёх-пяти дней работы.

Вторая причина — геометрия. Если объект в кадре меньше нужного порога по пикселям, никакая модель не поможет, и правильное решение — передвинуть камеру или поставить вторую с узким углом. Это дешевле и быстрее, чем месяц мучить нейросеть: перенос одной камеры стоит десятки тысяч рублей, попытка вытянуть качество алгоритмом — сотни.

Третья — неверно заданные правила. Детекция работает, но порог времени в зоне выставлен в три секунды, и система ловит каждого проходящего мимо. Такие вещи правятся за час в админке, если она изначально спроектирована как настраиваемая, а не захардкожена. Поэтому в техзадании на кабинет я всегда прошу выносить пороги, зоны и расписания в интерфейс.

Четвёртая — организационная. Люди учатся обходить камеру: надевают каску перед входом в зону обзора и снимают за углом. Это нормальная стадия, и решается она не технически, а ротацией зон контроля и прозрачной процедурой разбора, где сотрудник может оспорить срабатывание.

Частые вопросы

Нужно ли менять камеры ради видеоаналитики или хватит существующих?

Примерно в половине случаев хватает действующей системы видеонаблюдения, если камеры отдают RTSP-поток и дают нужное число пикселей на объект. Менять обычно приходится 20–40% точек: те, где камера висит слишком высоко, смотрит против света или стоит 1 Мп образца середины десятых. Правильный порядок — сначала аудит: выгрузить по часу записи с каждой камеры в разное время суток и проверить на реальных кадрах, различим ли объект. Формальный аудит на 20–30 камер занимает неделю и стоит на рынке 80–150 тысяч рублей. На объекте в 5–10 камер столько платить незачем: достаточно показать подрядчику записи до договора и получить ответ, годятся точки или нет.

Можно ли обрабатывать видео в облаке или всё должно быть на территории предприятия?

Оба варианта рабочие, выбор определяется режимом и каналом. Локальная обработка на сервере с GPU нужна там, где видео нельзя выпускать за периметр и где интернет нестабилен: 20 потоков — это постоянные 60–100 Мбит исходящего трафика, который редкий промышленный канал выдержит без потерь. Облако дешевле на старте и удобнее для пилота на 3–5 камер, но на горизонте двух лет аренда GPU обычно обходится дороже собственного сервера. Гибрид тоже встречается: детекция на месте, хранение событий и аналитика — в облаке.

Законно ли вести видеоаналитику по сотрудникам и нужно ли их согласие?

Видеонаблюдение на рабочих местах в целях контроля охраны труда и сохранности имущества допустимо, но требует формальностей: приказ с целями наблюдения, ознакомление работников под подпись, информирующие таблички в зонах съёмки, прописанные сроки хранения и перечень лиц с доступом. Биометрическая идентификация конкретного человека по лицу — отдельная история с более жёсткими требованиями по согласию, поэтому большинство производственных сценариев специально строят обезличенно: система фиксирует «человек без каски в зоне 3», а не «Иванов без каски». Перед запуском согласуйте схему с юристом и службой безопасности.

Сколько времени занимает внедрение от первого разговора до работающей системы?

Для пилота на 5–10 камер с одним готовым сценарием — 4–8 недель, из которых неделя уходит на аудит камер, две-три на сбор и разметку данных, остальное на настройку правил, интеграцию и обучение пользователей. Кастомный сценарий с нестандартными объектами растягивается до 3–5 месяцев, потому что датасет приходится собирать с нуля и прогонять через несколько итераций. Масштабирование с 10 камер до 50 после удачного пилота идёт быстрее — обычно 6–10 недель, основное время занимает не софт, а монтаж и доработка света.

С чего начать, если тема интересна

Начинать стоит не с выбора нейросети, а с одного измеримого вопроса: какое событие вы хотите получать и что будете с ним делать. Если ответа нет, система превратится в красивый дашборд, на который через месяц никто не смотрит. Если ответ есть, дальше считается всё остальное — камеры, свет, железо, интерфейс.

Else Digital берёт на себя ту часть, где мы сильны и где у нас есть законченные проекты: веб-сервисы и кабинеты для работы с событиями, мобильные приложения и боты для линейного персонала, интеграции с ERP, CRM и 1С, поддержка после запуска. Модельную часть мы собираем в связке с профильными партнёрами и честно это проговариваем, а не делаем вид, что у нас десять лет опыта в компьютерном зрении.

Если у вас уже висят камеры и есть понятная боль — простои, СИЗ, очереди, отгрузка, — приходите с описанием задачи и парой часов записи. За неделю можно понять, вытягивает ли текущая инфраструктура нужную точность и сколько будет стоить первый контур. Обсудить проект можно через форму на else-digital.ru — расскажите, что происходит у вас на площадке, и мы соберём трезвую оценку без обещаний в 99%.
banner max bot
Пора обсудить
ваш проект!
Оставьте заявку или напишите