Обнаружение аномалий в видеонаблюдении: практическое руководство по VMS на 2026 год

Почему Фора Софт написала этот playbook по детекции аномалий

Фора Софт разрабатывает программное обеспечение для видеонаблюдения с 2005 года. Valt — наш многолетний референс в этой области: платформа для видеонаблюдения и анализа записей, которую используют правоохранительные органы, исследовательские и корпоративные службы безопасности. Мы также создаём инструменты для подключения камер по ONVIF, плагины для VMS и пайплайны AI-аналитики для интеграторов и продуктовых компаний. Практика видеонаблюдения — именно та область, где применяются шаблоны из этого playbook; команда AI-интеграции Фора Софт строит поверх них слой inference.

Каждый вендор VMS и интегратор систем безопасности, с которыми мы работали за последние два года, задавал один и тот же вопрос — только разными словами: «Как запустить детекцию аномалий, чтобы операторы не отключили её через неделю?» Этот playbook даёт на него ответ: какие модели использовать, какое оборудование ставить и где, как маршрутизировать события через ONVIF Profile M в Milestone / Genetec / Nx Witness, как пройти проверку на соответствие требованиям и что измерять, чтобы понимать, что система работает.

Что на самом деле означает «детекция аномалий в реальном мире»

В маркетинговых текстах в этот термин сваливают две совершенно разные задачи. В техническом задании их нужно разделять.

Детекция объектов отвечает на вопрос: есть ли в кадре человек, машина, номерной знак? Задача хорошо изучена, решается готовыми моделями уровня YOLO с точностью > 95 % по состоянию на 2026 год. Это необходимое условие, а не цель.

Детекция аномалий отвечает на вопрос: типично ли такое поведение для этой зоны в это время? Задача здесь — контекстная и временная. Человек, стоящий неподвижно в зале ожидания, — это нормально; тот же человек в той же позе в запретной зоне склада в 02:00 — уже инцидент. Для этого нужны покадровые признаки, модель «нормы» для каждой зоны и слой временного анализа, который реагирует на отклонения.

Типовые классы аномалий, которые реально доходят до продакшна:

• Периметр: проникновение, пересечение виртуальной линии, перелаз через забор, несанкционированный въезд транспортного средства.
• Поведенческие: бессмысленное болтание, зависание в запрещённых зонах, оставленные вещи, необычные маршруты движения.
• Безопасность жизни: падения, поскользновения, потеря сознания, длительное пребывание в неподвижном состоянии.
• Конфликты: драки, агрессия, скопления резкого движения, оружие.
• Толпа: аномалии плотности, направление движения, встречные потоки, паническое рассеяние.
• Транспорт: проезд на красный свет, движение против направления, превышение скорости, стоящие машины на проезжей части.

Ландшафт моделей в 2026 году: с учителем, без учителя, с самообучением

Обучение с учителем по-прежнему уместно, если у вас есть размеченный датасет «аномалия / норма» и узкий сценарий — например, недостача в рознице при конкретной планировке магазина. После обучения на датасете уровня UCF-Crime (1900 видео, 13 категорий аномалий) модель достигает 85–92 % AUC на бенчмарковых разбиениях. На новые камеры и новые сцены это не переносится без потерь.

Обучение с самообучением (self-supervised) — доминирующий подход для новых внедрений. Предобучают на большом неразмеченном видеокорпусе (Kinetics, YouTube-8M), а затем дообучают на 7–30 днях «нормального» видео с каждой платформы. Такой метод гораздо лучше адаптируется к предметной области — именно так устроены VideoMAE и современные трансформерные модели VAD.

Без учителя и со слабым учителем — Multiple Instance Learning (MIL), оценка плотности на автоэнкодерах, one-class SVM на глубоких признаках — работают, когда размеченных аномалий мало. MIL, в частности, рассматривает каждое видео как набор клипов и учится определять аномальные наборы без покадровой разметки; это подходящий инструмент для интеграторов безопасности, у которых есть часы записанных инцидентов, но нет точных временных меток и аннотаций.

Фреймворки, о которых стоит знать в 2026 году: RTFM (temporal feature magnitude), MGFN (моделирование признаков смесью гауссиан), PEL4VAD (совместный эмбеддинг внешнего вида и движения), а также волна трансформерных детекторов аномалий, выросшая из TimeSformer и ViViT. На публичных бенчмарках они показывают 80–88 % AUC; на продакшн-камерах — на 10–15 пунктов ниже, так что калибровка на ваших собственных данных — не опция, а требование.

Цифры бенчмарков против реального качества ваших камер

Разрыв между цифрами из статей и реальными показателями в работе — главная причина разочарования клиентов с VMS, которую мы наблюдаем на практике. Реалистичная картина:

*Recall на падениях должен быть высоким: пропуск может стоить жизни. За это можно заплатить ростом ложных срабатываний.

Edge или облако: выбор места развёртывания, который влияет на экономику

Edge-инференс запускает модель прямо на устройстве — на Jetson Orin, Hailo-8, Coral или даже внутри камеры на чипе Ambarella CVflow. Видео остаётся на месте; за пределы периметра выходят только оповещения и 5–10 секунд подтверждающего видео. Задержка составляет 50–200 мс, конфиденциальность обеспечивается изначально, а эксплуатационные расходы остаются низкими после первоначальных вложений в оборудование.

Облачный инференс отправляет RTSP-потоки в управляемый GPU-пул (AWS, Azure, GCP или специализированные провайдеры вроде NVIDIA Metropolis / Eagle Eye Networks). Задержка — от 500 до 2000 мс, капитальные затраты почти отсутствуют, операционные расходы стабильны и предсказуемы.

Гибрид — это то, к чему в итоге приходят все: edge используется для анализа в реальном времени и отсеивания ложных срабатываний, а облако — для еженедельного дообучения, анализа трендов и аудита. Такой подход совпадает с тем, как устроены продукты вендоров VMS: локальные рекордеры обрабатывают видео, а облако отвечает за администрирование и отчётность.

Железо в 2026 году: Jetson, Hailo, Coral, Ambarella

Практический выбор интегратора, который в 2026 году собирает многокамерный объект, — семейство Jetson Orin: Nano для миниатюрных устройств, NX для среднего сегмента, AGX — как локальный сервер аналитики для корпоративных решений. Hailo выигрывает там, где важен энергопотребление (периметры на солнечных батареях, установка на транспорт, компактные NVR-устройства).

ONVIF Profile M: как события аномалий реально доходят до вашей VMS

Детекция аномалий без интеграции с VMS — это скорее научный эксперимент, чем готовый продукт. ONVIF Profile M — стандартный способ передачи аналитических метаданных вместе с видео. Именно этот путь уже поддерживают большинство плагинов для Milestone, Genetec и Nx Witness. В нашей подробной статье про ONVIF-профили в системах безопасности мы разбираем всё семейство стандартов.

Поток в продакшн-развёртывании:

1. Edge-инференс. Устройство класса Jetson подключается к камере по RTSP, запускает модель детекции аномалий и передаёт метаданные Profile M вместе с RTP-потоком.

2. Приём в VMS. Системы Milestone XProtect, Genetec Security Center, Nx Witness или Avigilon Control Center получают метаданные через плагин или встроенный драйвер. Алерты отображаются на временной шкале оператора, а рамки распознавания — при воспроизведении видео.

3. Движок правил. Настройка порогов по зонам, маршрутов эскалации и назначение операторов. Типичная точка входа — движок правил Nx Witness и алерты Smart Client в Milestone; у Genetec используется собственная проприетарная система правил.

4. SIEM / управление инцидентами. Алерты высокой важности отправляются через вебхук в Splunk, Sentinel или SOAR-платформу; службы безопасности сопоставляют их с событиями контроля доступа и сетевыми данными от IDS.

Ловушка: соответствие Profile M у вендоров VMS неравномерное. В поле закладывайте 20–30 % расхождений по схеме. Проверяйте на реальном экземпляре VMS, прежде чем подписываться под цифрами проекта.

Ложные срабатывания — проблема, которая реально может погубить проект

Операторы сталкиваются с менее чем одним необъяснённым алертом на камеру в день — после этого они отключают каналы или выключают зоны. Всё, что выше этого порога, — провал продукта, даже если показатель recall на бумаге выглядит прилично. Пять повторяющихся причин:

1. Тени и смена освещения. Угол солнца меняется в течение дня. Метод PCA-вычитания фона воспринимает движение теней как движение объектов. Проблема решается с помощью адаптивной модели фона на основе смеси гауссиан, которая обновляется каждые 24–48 часов, а также детекторами, учитывающими тени на границе объектов.

2. Вибрация камеры. Ветер на камере на столбе, тряска от вентиляции, дрожь от транспорта — всё это вызывает ложные срабатывания детектора движения. Префильтр стабилизации (на основе гомографии) и минимальные пороги по амплитуде движения позволяют отсеивать простые случаи.

3. Дрейф базовой линии. Магазин переставил витрины — «норма» изменилась. Склад добавил погрузочную зону — маршруты людей сдвинулись. Закладывайте ежеквартальный пересмотр базовой линии как операционную гигиену, а не как тушение пожаров.

4. Погода. Дождь на объективе, снег на земле, туман — всё это снижает контраст. Используйте сезонные окна дообучения и пороги, учитывающие погодные условия (например, снижайте чувствительность при сильных осадках и информируйте оператора о режиме).

5. Переходы сцены. Движение камеры PTZ, смена фокуса, включение ИК-подсветки в сумерках. На N секунд после любого изменения сцены отключайте оповещения — это патч из 20 строк, который спасает рассудок оператора.

Закладывайте 4–8 недель на калибровку на каждой площадке после установки. «Подключай и работай» — это маркетинговый лозунг, а не реальность внедрения.

Кейсы с цифрами: розница, логистика, периметр, города, забота о людях

Розница, предотвращение потерь. Целевая недостача — 1–2 % от инвентаря, на практике — 2–4 %. Отслеживаемые аномалии: задержки у дорогих полок, подмена ценников, подозрительное поведение в слепых зонах. Сеть из 50 магазинов может получить ощутимую шестизначную экономию в рублях в год, если система распознавания аномалий внедрена правильно. Стоимость на одну точку — 60–90 тыс. ₽ за edge-узел плюс интеграция. Подробно эту тему мы разбираем в статье про видеоаналитику в рознице.

Безопасность на складе. По данным OSHA, на каждые 1000 работников в среднем приходится 2–4 случая падений из-за скольжения в год. Обнаружение падения с задержкой 2–5 секунд позволяет быстрее среагировать аварийным службам. Один предотвращённый серьёзный инцидент окупает установку системы на отдельном объекте. Для покрытия 1000 м² требуется 8–12 камер, стоимость установки — 375–600 тыс. ₽.

Периметровая безопасность (аэропорты, тюрьмы, границы). Обнаружение проникновения с задержкой менее 500 мс. Допустимое количество ложных срабатываний — не более 0,2 на камеру в день. Используются модели 3D CNN с высокой временной согласованностью. На объект устанавливается от 24 до 72 камер; полная реализация системы обычно обходится в 15–37 млн ₽ с учётом оборудования, интеграции и калибровки, которая занимает шесть–восемь недель.

Умные города и транспорт. Проезд на красный свет, движение против направления, машины, стоящие на действующих полосах. Задержка распознавания — 1–3 с, чтобы система могла применить санкции. Обычно в городе 50–500 перекрёстков, бюджет — от 3,7 до 37 млн ₽ и выше в зависимости от масштаба; система интегрируется с уже работающими системами управления трафиком SCATS / SCOOT.

Забота о пожилых и независимое проживание. Обнаружение падений и длительной неподвижности. Анализ на основе скелетной модели (без распознавания лица, без идентификации личности) — для соответствия требованиям HIPAA и GDPR. Целевой уровень обнаружения — 85–95 %; менее 0,5 ложных срабатываний на комнату в день, чтобы родственники не утомлялись от уведомлений. 1–2 камеры на комнату; стоимость интеграции — 150–375 тыс. ₽ на одного жильца.

Модель затрат: SaaS против edge, TCO на 5 лет

Две ориентировочные модели для решения вопроса «строить или покупать». SaaS-сервис AI-детекции аномалий обычно стоит 750–3 000 ₽ за камеру в месяц — цена зависит от полноты функционала и уровня SLA. Развёртывание на edge-устройствах позволяет амортизировать затраты на оборудование, монтаж и обслуживание за 5 лет.

Точка безубыточности между edge и SaaS — около 40–60 камер в портфеле. Ниже этой отметки выгоднее SaaS, особенно если учесть инженерное дежурство и обновление оборудования. Выше — амортизация edge-решений становится существенной, зато выигрывают приватность и низкая задержка.

Комплаенс: GDPR, BIPA, CCPA и местные правила по видеонаблюдению

GDPR (ЕС). Запись с камер — это персональные данные; обработка биометрической информации (например, лицо или походка) относится к особой категории по статье 9. Требуется правовое основание: законный интерес — для охраны периметра, договор — для контроля за сотрудниками, а согласие почти никогда не подходит при масштабном использовании. Обязательно заключайте DPA с каждым процессором и публикуйте список субпроцессоров. Метаданные без привязки к личности — например, событие, зона и время — самый простой способ обеспечить защиту.

BIPA (штат Иллинойс). Biometric Information Privacy Act требует письменного информированного согласия на использование биометрических данных — например, отпечатков лица, походки или геометрии руки. Риск коллективных исков реальный: штраф за нарушение — от 75 до 375 тыс. ₽. Если вы разрабатываете розничные или внутренние корпоративные продукты с детекцией аномалий, избегайте функций, основанных на идентификации личности, пока не настроите процесс получения согласия. Анализ скелетной модели и ключевых точек позволяет обойти большинство рисков BIPA.

CCPA (Калифорния). Потребители имеют право знать, удалять свои данные и отказаться от их обработки. Обязательно информировать о наличии камер и аналитики на основе ИИ. Контроль за наблюдением в полупубличных местах, например в магазинах, строже, чем на частных рабочих местах.

Местные регламенты. В Сан-Франциско и Окленде запрещено использовать распознавание лиц муниципальными службами; в Нью-Йорке действуют строгие требования к хранению и обработке биометрических данных. В Портленде (Орегон) частным компаниям запрещено применять распознавание лиц в общественных местах. Ожидайте, что таких городов станет всё больше.

Принцип минимизации данных. Храните метаданные об аномалии и 10-секундный фрагмент видео вокруг события, а не круглосуточную запись. Удаляйте исходные видео через 30–90 дней, если только они не связаны с конкретным инцидентом. Для аналитики, где не нужна идентификация людей, используйте скелеты и тепловые карты. Такой подход решает большинство претензий регуляторов одним решением.

Паттерны интеграции: ONVIF, вебхуки, MQTT, SDK для VMS

Четыре пути интеграции, выбираются под конкретную VMS и стек безопасности:

1. ONVIF Profile M. По умолчанию используется в популярных VMS. Метаданные аналитики передаются по той же RTSP-сессии, что и видео. Milestone, Nx Witness, Avigilon поддерживают его нативно; у Genetec поддержка частичная.

2. REST-вебхуки. JSON-данные вида event.anomaly.loitering отправляются на эндпоинт вебхука в SIEM клиента. Самый простой способ интеграции для приёмников, не являющихся системами видеонаблюдения (VMS).

3. MQTT. Publish-subscribe через брокер — удобно в IoT-средах и на объектах с узким каналом. Нагрузка ниже, чем у REST; операторы подписываются на топики по зонам.

4. SDK для VMS. Milestone MIP SDK, REST + движок правил Nx Witness, SDK Genetec (более жёсткий вендорский контроль), плагинная инфраструктура Avigilon. Используются, когда VMS — основной интерфейс для клиента и нужна тесная интеграция с таймлайном и воспроизведением.

UX оператора: понятность важнее чистой точности

Алерт с точностью 92 % без подтверждения всегда проигрывает алерту с точностью 80 %, у которого есть чёткая рамка, временная тепловая карта и кнопка, показывающая 10 секунд до и после события. Объяснимость вызывает доверие, а доверие — принятие. Пять UX-решений, которые реально влияют на метрики:

1. Рамки и тепловые карты при воспроизведении. Оператору важно видеть, что именно обнаружила модель, а не только метку события.

2. Уверенность в корзинах, а не в сыром числе. «Высокая / средняя / низкая», а не 0,87. Операторы не настраивают модель, они сортируют события.

3. Кнопка «это не аномалия» в один клик. Отправляется в еженедельный цикл дообучения. Операторы чувствуют, что их услышали, и петля качества замыкается.

4. Уровень тяжести по зонам. Один и тот же класс события в хранилище и в комнате отдыха означает разное. Пусть администратор настраивает уровни для каждой зоны.

5. Таймлайн алертов с причинно-следственным контекстом. Показывайте последние три события в той же зоне и данные систем контроля доступа. Операторы воспринимают ситуацию как последовательность событий, а не отдельные инциденты.

Мини-кейс: детекция аномалий, подключённая к существующему VMS-внедрению

Ситуация. Интегратор безопасности с мультисайтовыми видеовнедрениями хотел добавить AI-детекцию аномалий (болтание, проникновение, прорыв периметра) поверх уже работающих VMS — без замены камер и без переобучения клиентов. Операторы и так были перегружены; новая функция не должна была создавать лишний шум.

12-недельный план. Недели 1–2: обследование двух пилотных объектов, анализ 30 дней записанного видео с каждой камеры, построение базовой модели «нормы» для каждой камеры. Недели 3–5: установка edge-узла Jetson Orin NX на каждые 4 камеры, внедрение VAD-цепочки на основе faster-whisper, публикация метаданных по стандарту ONVIF Profile M. Недели 6–7: интеграция плагина с Milestone XProtect, отображение рамок на временной шкале, настройка приоритетов по зонам. Недели 8–10: этап калибровки — устранение ложных срабатываний от теней, фильтрация вибраций камер, настройка порогов по зонам, еженедельное дообучение модели. Недели 11–12: поэтапный запуск через фича-флаг, обучение операторов, введение регламента ежеквартального пересмотра базовой модели.

Результат. Количество ложных тревог снизилось с 6–8 на камеру в день в первую неделю до менее чем одной на камеру в день после настройки. Уровень принятия решения операторами оставался выше 80% в течение четырёх недель (мы отслеживаем это отдельно, поскольку типичный сбой — тихое отключение каналов). В следующем квартале ещё два объекта клиентов развернули внедрение, опираясь на результаты пилота.

Фреймворк решения: пять вопросов

1. Сколько камер и на скольких объектах? < 20 → SaaS. 20–50 → гибрид. > 50 → edge с дообучением в облаке.

2. Какой допуск по задержкам? Падения с угрозой жизни, проникновение периметра → edge обязателен. Предотвращение потерь без срочности → облако подойдёт.

3. Какая VMS уже стоит у клиента? Milestone или Nx Witness → ONVIF Profile M даёт чистый путь. Genetec → закладывайте время на проприетарный SDK. Avigilon → плагинная инфраструктура.

4. Каков регуляторный периметр? ЕС / штат с BIPA / зоны с муниципальным запретом → отключайте функции, связанные с идентификацией; собирайте аналитику на скелетных точках и ключевых узлах; минимизируйте данные с самого начала.

5. Кто отвечает за обучение операторов и калибровку? Если у клиента нет команды по безопасности, способной провести калибровку в течение 4–8 недель, включайте управляемый сервис в сделку. Передача детекции аномалий неподготовленным операторам почти наверняка приведёт к потере клиента.

Пять подводных камней, которые топят проекты по детекции аномалий

1. Использование предобученных моделей как есть. Сети, обученные на UCF-Crime, теряют 10–20 пунктов AUC на камерах в реальных условиях. Дообучайте модель на локальном видео; закладывайте 4–8 недель на калибровку при внедрении.

2. Нет порогов по зонам. Один глобальный порог уверенности либо вызывает слишком много ложных срабатываний в открытых местах, либо пропускает события в важных зонах. Настройка порогов по зонам и учёта серьёзности событий по их классам — минимально достаточный набор параметров.

3. Нет сезонного дообучения. Весенний дождь, осенняя листва, зимний снег сбивают с толку модели, обученные на летнем видео. Квартальные циклы дообучения — это операционная гигиена, а не пункт в дорожной карте.

4. Функции на основе идентичности без процесса согласия. Распознавание лиц хорошо работает в демонстрациях, но проваливает проверку на соответствие требованиям в реальной эксплуатации. Сначала создавайте систему без использования персональных данных; добавляйте идентификацию только по явному согласию пользователя и там, где это разрешено законом.

5. Отношение к интеграции с VMS как к «сантехнике». Отличная модель, но плохой плагин — бесполезная функция. Вкладывайтесь в UI-слой VMS так же серьёзно, как в слой инференса.

KPI: что измерять с первого дня

KPI качества. AUC на ежемесячной выборке, размеченной людьми (цель ≥ 80 % в продакшне). Ложные срабатывания на камеру в день (цель < 1 для критичных зон). Recall по аномалиям, угрожающим жизни (цель ≥ 85 % для падений).

Операционные KPI. Вовлечённость оператора — доля алертов, по которым были приняты меры в течение 5 минут (цель — не менее 80 % для алертов высокой тяжести). Доля отключённых каналов (цель — 0 % после 4-й недели). Время цикла дообучения (цель — не более 2 недель от получения обратной связи до внедрения в продакшн).

Бизнес-метрики. Доля закрытых инцидентов на объекте после внедрения (цель — заметный рост за два квартала). ROI по страховке и недостаче — по кварталам. Количество корпоративных продлений, где AI-аналитика указана как обязательное условие.

Когда детекцию аномалий запускать НЕ стоит

Если у вас разношёрстные камеры потребительского уровня и вы не можете привести разрешение и частоту кадров к единому стандарту, сначала потратьте бюджет на их обновление. Модели аномалий не исправят плохое качество входных данных. Если операторы уже перегружены текущими оповещениями, внедрение детекции аномалий сначала усугубит ситуацию — поэтому заранее перепроектируйте рабочие процессы параллельно с AI-проектом, а не после его запуска. Если клиенты находятся в юрисдикции, где видеонаблюдение запрещено (например, частный сектор в Портленде, штат Орегон, или часть муниципальных объектов в Сан-Франциско), проведите юридическое согласование до запуска системы, а не после.

FAQ

Что почитать дальше

Готовы запустить детекцию аномалий, которую операторы реально не отключат?

Рабочий паттерн оказывается острее, чем кажется из маркетинга. Выбирайте модели с самообучением или с учителем-руководителем, а не просто бенчмарковые сети. Развертывайте edge-вывод на железе уровня Jetson для задач, чувствительных к задержкам, и дополняйте дообучением в облаке. Маршрутизируйте события через ONVIF Profile M в ту VMS, которой клиент уже доверяет. Тратьте столько же усилий на подавление ложных срабатываний, настройку чувствительности по зонам и понятный интерфейс, сколько на саму модель.

Выигрывают те проекты, где комплаенс, калибровка и доверие оператора рассматриваются как важная часть разработки, а не как дополнительные задачи. Проигрывают те, что запускают модель с точностью 92 %, переживают четырёхнедельный «медовый месяц» с ложными срабатываниями, а потом молча наблюдают, как операторы отключают каналы. Мы внедряли детекцию аномалий, интегрированную с VMS, в среды рядом с правоохранительными органами, в логистику и розницу; полная раскатка в продакшн поверх существующего парка оборудования занимает 10–14 недель.