Как работает интеллектуальная система видеонаблюдения VALT — VMS на 727 млн рублей

Почему Фора Софт написала это руководство

Эта статья появилась не по маркетинговому заданию. Мы написали её, потому что выпустили VALT — интеллектуальную систему видеонаблюдения, о которой пойдёт речь ниже, — и сейчас поддерживаем её более чем для 650 организаций США: полицейских управлений, центров защиты детей и медицинских вузов. Каждое архитектурное решение, выбор кодека и сценарий работы с PTZ, описанные на этой странице, проверены в реальных условиях — на настоящих комнатах для допросов, учебных симуляциях и цепочках доказательств.

VALT — не разовый проект. В нашем портфолио — дроновое наблюдение с воздуха для контроля территорий, заказные ML-пайплайны для обнаружения аномалий, интеграции аналитики ONVIF Profile M и приём видео с мобильных камер для клиентов, которым нужно наблюдение за пределами фиксированной сети камер. Около 40% наших активных инженеров работают с видео, видеостримингом и компьютерным зрением — ключевыми направлениями, без которых современному партнёру по разработке систем видеонаблюдения не обойтись, если он хочет создать качественный продукт.

Если вы разрабатываете VMS — интеллектуальный модуль мониторинга для существующего парка камер или вертикальное решение для видеонаблюдения (например, для полиции, здравоохранения, образования, ритейла или «умного города»), — эта статья рассказывает о тех же компромиссах, с которыми мы сталкивались с клиентами: от выбора протокола стриминга до конкретных затрат. В ней показано, как «Фора Софт» реализует такие проекты с помощью Agent Engineering, чтобы сократить сроки и снизить стоимость.

VALT в цифрах

VALT — это интеллектуальная система видеонаблюдения, или, как говорят в отрасли, система управления видео (Video Management System, VMS) со встроенной аналитикой на основе искусственного интеллекта. Ниже — как выглядит этот бизнес сегодня.

Видео продукта ниже показывает реальный рабочий процесс, которым пользуются операторы. Это настоящий интерфейс, а не маркетинговая визуализация.

Посмотрите двухминутный обзор продукта VALT на YouTube →

Что на самом деле означает интеллектуальный видеомониторинг в 2026 году

Этот термин используют довольно свободно. Для покупателей «интеллектуальный» может означать как простой маркетинговый датчик движения, так и полноценный ML-пайплайн, классифицирующий поведение. Ниже — рабочее определение, которое мы используем при разработке проектов; оно основано на функциях, которые реально проверяют при корпоративных закупках.

Уровень 1 — умный захват (минимальный базовый уровень в 2026 году)

Запись по движению. Камера или сервер фиксируют движение и записывают только нужные фрагменты, сокращая затраты на хранение на 60–90%. Именно функция детекции движения в VALT позволяет уместить хранение данных за 30 дней на обычных дисках.

Пресеты PTZ и запись по расписанию. Операторы задают положения камеры для пересменок — одним кликом камера обходит всю комнату для допросов или весь лабораторный стол. В сочетании с планировщиком камера обеспечивает шестичасовую симуляцию без участия оператора.

Двусторонняя аудиосвязь (push- to-talk). Двусторонняя голосовая связь через ту же камеру — это граница между «видеонаблюдением» и «системой мониторинга». Она необходима медицинским преподавателям и специалистам, которые проводят опросы детей.

Уровень 2 — доказательства, которые можно искать

Поиск по произнесённым словам. Введите слово — и система перейдёт к каждому моменту, где оно было сказано. VALT накладывает Amazon Transcribe от AWS на аудиодорожку и индексирует расшифровки. Для полицейских допросов это превращает 8-часовое видео в инструмент поиска доказательств одним нажатием. Лежащую в основе интеграцию мы описывали в услуге заказной разработки распознавания речи.

Заметки с привязкой ко времени. Проверяющие отмечают конкретные кадры; метки становятся гиперссылками в экспортированном PDF. Этот PDF — документ, который отправляется в суд, в архив обратной связи по студентам или в дело о защите ребёнка.

Гранулярные права доступа. RBAC на уровне камеры, папки и пользователя с неизменяемым журналом действий. Без этого продукт не пройдёт проверку по стандартам CJIS или HIPAA.

Уровень 3 — понимание на основе машинного обучения

Обнаружение объектов и людей. Пайплайны на YOLOv8/YOLOv11 распознают людей, транспорт, лица и посылки. Подробный разбор моделей обнаружения — в материале «Топ-7 моделей обнаружения аномалий для видеонаблюдения».

Обнаружение аномалий. Модели без учителя выявляют необычные паттерны движения — праздношатание, присутствие в нерабочее время, аномальную плотность толпы. Подробности о применяемых схемах инференса — в материале про обнаружение аномалий в видеонаблюдении в реальном времени.

Поведенческая аналитика. Подсчёт посетителей, время пребывания, длина очереди, контроль ношения СИЗ, обнаружение падений. Подробное описание технической реализации — в нашем руководстве по интеграции видеоаналитики с системами видеонаблюдения.

VALT изнутри — стек, который мы разработали

Архитектура — это то, на чём чаще всего падают разработки VMS. Мы выбрали стек, который открыт, позволяет быстро итерировать и легко масштабируется.

Подробный разбор ONVIF Profile M и его место рядом с Profile T — в нашем материале об ONVIF Profile M.

Эталонная архитектура интеллектуальной VMS

Схема ниже — это стандартный пайплайн, который мы используем. Камеры передают RTSP в кластер Wowza, он раздаёт HLS для зрителей и WebRTC для живой операторской консоли, а параллельные задачи подают данные в слои ML и ASR.

Эта же восьмиэтапная схема работает и для 50 камер в одной школе, и для 2 500 в национальной сети — приём данных и ML-модели масштабируются горизонтально, а API и поиск остаются изолированными для каждого клиента.

Выбор протокола стриминга — RTSP, HLS или WebRTC

Продукту для видеонаблюдения почти всегда нужны все три протокола. Покупатели и инженеры их путают, из-за чего закладывают лишний бюджет. Ниже — как мы это решили в VALT.

Канал и хранение — цифры, которые губят плохие бюджеты

Бюджеты на VMS взрываются, когда покупатели недооценивают битрейт камер. Расчёт ниже — эмпирическое правило, которым мы пользуемся при проработке.

Из этой таблицы следуют три правила. Первое: H.265 не обсуждается — он вдвое сокращает объём хранения при том же визуальном качестве. Второе: запись по движению дополнительно уменьшает объём на 70–80%. Третье: используйте многоуровневое хранение — горячее на 7 дней, тёплое на 30, холодное — для юридического «хвоста». Иначе счёт за S3 станет той статьёй расходов, которую финансовый директор точно заблокирует.

Разрабатывать или покупать — правило числа камер

Честный ответ зависит от количества камер, отрасли и того, насколько нестандартны рабочие процессы. Ниже — фреймворк, который мы разбираем с потенциальными клиентами, включая случаи, когда мы прямо советуем купить готовый продукт вместо того, чтобы нанимать нас.

Модель затрат — во что реально обходятся MVP и продакшен-VMS

Ниже мы указываем диапазоны, а не точные цифры, потому что количество камер на арендатора, объём задач машинного обучения и требования к соответствию нормативам оказывают наибольшее влияние. Эти диапазоны отражают цены Фор Софт, рассчитанные с использованием Agent Engineering — нашего внутреннего процесса разработки с применением ИИ, — и стабильно остаются ниже отрасленного среднего: 9,9 млн ₽ и 13 месяцев, которые аналитики называют типичными для заказной разработки проектов такого масштаба.

По текущим расходам закладывайте 300–675 ₽ в месяц на камеру — это стоимость облачного канала и хранения при разрешении 1080p, кодеке H.265 и записи по движению. Дополнительно — затраты на машинное обучение: если использовать Jetson Orin NX на стороне устройства, потребуется разовая закупка оборудования примерно за 26 тыс. ₽; при облачной обработке на GPU — около 22 ₽ в сутки на камеру при модели YOLOv8.

Безопасность и соответствие — что спросят регулируемые покупатели

VALT работает в трёх регулируемых отраслях, и каждая проверила соответствие по своему направлению.

1. CJIS для полиции. Данные уголовного правосудия требуют защищённых от подделки журналов действий, шифрования при передаче и хранении, а также строгого разделения между ведомствами. Мы изолируем хранилище каждого арендатора на уровне бакета, подписываем каждую запись в журнал с помощью хеш-цепочки и запрещаем экспорт без указания обоснования.

2. HIPAA для медицинского обучения. Идентифицирующие пациента записи из симуляционных центров требуют, чтобы ключами шифрования управляло учреждение, и аудита по принципу break-glass при каждом просмотре. Мы поддерживаем KMS для каждого арендатора, облачные регионы, готовые к подписанию BAA, и отзыв доступа в один клик.

3. FERPA для защиты детей и образования. Записи с данными несовершеннолетних требуют согласия родителей и ограниченного срока хранения. Политики хранения мы задаём как TTL на уровне папок — их устанавливает учреждение через интерфейс, а не инженер.

4. SOC 2 Type II. Корпоративные закупки всё чаще требуют его как базовый минимум. Стоимость аудита обычно составляет около 1,8–3 млн ₽ за оценку готовности плюс ежегодные сборы аудитора — закладывайте контроли в спринт 1, а не дорабатывайте их на второй год.

5. GDPR для записей из ЕС. Право на удаление данных конкретного человека — это реальная инженерная задача: нужно криптографически стереть ключ на уровне сегмента, а также подготовить шаблон соглашения об обработке данных для потенциальных клиентов.

Сценарии, которые окупают продукт

Частая ошибка в продуктах для наблюдения — продавать «безопасность», когда клиенты на самом деле платят за «доказательства», «обучение» или «контроль процесса». Отрасли ниже — те, что реально финансируют заказную разработку VMS.

Правоохранительные органы и пенитенциарная система

Полицейские допросы, приём доказательств с нагрудных камер, камеры в комнатах предварительного содержания в судах. Пресеты PTZ охватывают стандартную планировку комнаты для допросов; поиск по словам помогает детективу найти фразу «он назвал адрес» за семь секунд вместо семи часов; PDF с расшифровкой автоматически попадает в материалы дела. Журнал действий уровня CJIS — обязательная функция, без которой сделка невозможна.

Медицинское и клиническое обучение

Симуляционные центры медицинских вузов записывают экзамены OSCE, хирургические тренировки ординаторов и приёмы со стандартизированными пациентами. Экзаменаторы оценивают технику выполнения манипуляций, делают заметки с указанием времени и формируют PDF-отчёты по каждому студенту. Тот же подход применяется в сестринских школах, академиях парамедиков и стоматологических симуляционных лабораториях.

Защита детей и судебный опрос

Центры, записывающие опросы уязвимых несовершеннолетних, работают на пределе требований к приватности и проверяемости. Двухкамерная съёмка (лицо и помещение), защищённый от подделки аудит и короткие сроки хранения — это обязательные условия. Экспорт в PDF становится документом, который передают прокурорам и сотрудникам органов защиты детей.

Смежные отрасли, которые стоит проработать

Безопасность на производстве: обнаружение объектов для контроля ношения СИЗ с оповещением начальникам цехов. Защита от потерь в ритейле: анализ времени пребывания и аномалий на выходе с распознаванием номеров на парковке. Умный город: подсчёт трафика, плотность толпы, классификация транспорта. Дроновое наблюдение с воздуха: разобрано в нашем кейсе DSI Drones — другой класс камер, но идентичный пайплайн дальше по цепочке.

Мини-кейс — чему нас научил выпуск VALT

Ситуация. Клиент обратился в Фора Софт с работающим, но ограниченным продуктом: около 400 камер, частые зависания видео при подключении более 30 проверяющих одновременно и поиск доказательств, основанный только на именах файлов. Дорожная карта предполагала масштабирование до тысяч камер, добавление поиска по произнесённым словам и поддержку iPad в качестве камер в комнатах для опроса детей — без увеличения облачных расходов втрое.

План. Двенадцать недель. Спринты 1–2: заменить энкодер потока на Wowza, перевести камеры на приём в H.265. Спринты 3–4: добавить Amazon Transcribe и OpenSearch для поиска по словам. Спринты 5–6: выпустить нативные энкодеры для iOS и Android, чтобы телефоны работали как RTSP-камеры. Спринты 7–8: реализовать рабочий процесс пресетов PTZ, добавить заметки с привязкой ко времени, экспорт в PDF. Спринты 9–10: настроить журналирование с изоляцией по арендаторам, провести аудит шифрования по требованиям CJIS, выполнить нагрузочный тест на 2 500 камер.

Результат. Количество камер выросло с 400 до 2 500 (+525%); число одновременных пользователей превысило 25 000 в день; нагрузка на канал снизилась на 48% благодаря использованию H.265 и записи только при движении; выручка достигла 727 млн ₽ в год — и остаётся на этом уровне до сих пор. Сейчас продукт работает с 650 организациями в полиции, здравоохранении и сфере защиты детей на единой мультиарендной платформе. Хотите провести такую же 12-недельную оценку для своей VMS? Позвоните нам по телефону +7 (911) 236-51-91 или напишите на info@fora-soft.ru.

Edge AI против облачного инференса для ML-функций

Как только вы добавляете ML, нужно решить, где он будет работать. Здесь доминируют два принципа.

Фреймворк принятия решения — выберите путь VMS за пять вопросов

1. Вы перепродаёте продукт или просто им пользуетесь? Если планируете продавать его как SaaS, придётся разрабатывать — Verkada перепродать нельзя. Если он нужен только внутри компании, готовое решение почти всегда дешевле.

2. Сколько камер будет через 24 месяца? Менее 100 — выбираем готовое решение. От 100 до 500 — подходит гибрид (SDK Milestone/Genetec + собственный интерфейс). Более 500 с вертикальным процессом — оправдана разработка под заказ, например, VALT.

3. Каков нормативный минимум? CJIS, HIPAA, FERPA, GDPR, SOC 2 — каждый из них предъявляет свои требования к архитектуре. Чем раньше вы определите минимальный уровень соответствия, тем дешевле обойдётся разработка.

4. Целевая задержка? Менее секунды → WebRTC + периферийный инференс. Допустима задержка 5+ секунд → LL-HTTP Live Streaming + облачный инференс, вдвое дешевле.

5. Жизненный цикл ML-модели? Если требования заказчика к аналитике меняются каждый квартал, закладывайте пайплайн с обратной связью (хранилище разметки, частота переобучения) ещё на этапе спринта 0. Добавлять его позже — самый дорогой способ сэкономить на качестве в этой области.

Ловушки, в которые попадают команды VMS

1. Недооценка канала на пике. Средний битрейт может вводить в заблуждение — именно пиковый битрейт в час пик перегружает ваш аплинк. Рассчитывайте с запасом: закладывайте 1,5× от теоретического пика, а не 1× от среднего значения.

2. Игнорирование синхронизации времени. Без настройки NTP на всех камерах хронология событий теряется. Журнал действий перестаёт быть надёжным — и это сразу заметит первый же адвокат.

3. Прикручивание соответствия в конце. Журналирование уровня CJIS обходится в 3× дороже, если внедрять его позже, чем при проектировании. То же касается шифрования по HIPAA.

4. Пропуск тюнинга ложных срабатываний. Детекция движения, срабатывающая на пролетающее облако в 4 утра, убивает внедрение быстрее, чем отсутствие функции вообще. Настройте пороги вместе с заказчиком на второй неделе, а не на шестом месяце.

5. Наивное одноуровневое хранение. Хранение 1080p-видео круглосуточно на одном уровне S3 обходится примерно в 4 раза дороже, чем при многоуровневом хранении со сроком хранения 30 дней. Финансовый директор замечает это на третьем месяце, и проект начинает приносить убытки.

KPI — что действительно измерять

KPI качества. Время безотказной работы потока с камеры (цель — 99,5% и выше), сквозная задержка p95 (менее 1 секунды для операторов, менее 5 секунд для просмотра), доля ложных срабатываний при оповещениях об аномалиях (менее 5% к третьему месяцу), полнота поиска по произнесённым словам (более 90% на чистом звуке).

Бизнес-метрики. Годовая выручка на камеру, валовая маржа на арендатора, отток клиентов по отраслям, доход от расширения — за счёт новых функций (например, расшифровка видео, тарифы с апгрейдом ML). Публичные данные VALT — 727 млн ₽ годовой выручки с 2 500 камер — это около 285 000 ₽ на камеру в год. Этот показатель — ориентир, который нужно превзойти.

KPI надёжности. Среднее время обнаружения зависшего потока — менее 2 минут; среднее время восстановления — менее 10 минут за счёт автоматического переключения; журнал действий полный, без пропусков (100%); RTO и RPO соответствуют SLA вендора. Эти показатели аудиторы проверяют в первую очередь.

Когда НЕ стоит разрабатывать заказную VMS

Мы советуем потенциальным клиентам отказаться от заказной разработки, если: (а) число камер меньше 50 и нет планов по перепродаже как SaaS; (б) процесс не имеет узкой специфики, которую не покрывает готовое решение; (в) операционная команда не готова поддерживать круглосуточную стриминговую платформу; или (г) общий бюджет менее 6 млн ₽ не позволяет выйти за рамки усиленного MVP.

В любом из этих случаев подписка на Verkada или Eagle Eye Networks в связке с интеграционным проектом — а интеграцию мы всё равно поможем построить — позволит достичь результата на полгода быстрее.

Частые вопросы

Что почитать дальше

Готовы запустить собственную интеллектуальную систему видеонаблюдения?

У современной интеллектуальной системы видеонаблюдения четыре ключевые задачи — просто записывать, быстро искать, автоматически распознавать и подтверждать происхождение данных. VALT демонстрирует выполнение этих задач при годовой выручке 727 млн ₽; архитектура, выбор кодеков и уровень поддержки ONVIF — это те рычаги, которые определяют, достигнет ли ваша разработка таких же показателей или обернётся убытками из-за расходов на каналы.

Если количество ваших камер, отрасль или выход на рынок как SaaS помещают вас в колонку «разрабатывать» из таблицы выше, самый быстрый следующий шаг — 30-минутный разговор с командой, которая уже запустила систему, обслуживающую 25 000 пользователей в день. Мы обсудим архитектуру, математику кодеков и реальную стоимость одного сеанса — и честно скажем, когда проще и выгоднее было бы купить готовое решение.