Как ИИ обнаруживает аномалии в видеонаблюдении: руководство на 2026 год

Зачем Фора Софт написала этот гид

Большую часть инженерного времени мы тратим на две области: видеоинфраструктуру и ИИ-модели, работающие поверх неё. Видеонаблюдение — самое сложное пересечение этих двух сфер: задержка критична, ложные срабатывания портят продукт, ограничения по производительности оборудования на краю сети реальны, а требования по соответствию нормативам всё шире и строже. Этот гид — наш внутренний бриф для старта проекта. Он помогает архитекторам выбрать подходящие модели, определить протоколы взаимодействия, контролировать допустимый уровень ложных срабатываний и понимать, где в 2026 году проходят правовые границы.

Честная цель — помочь избежать двух типичных ошибок при внедрении. Первая: команда демонстрирует демо с точностью 90% в лаборатории, а потом видит, как она падает до 55% под дождём. Вторая: из-за особенностей обработки биометрии охранный продукт становится мишенью для судебных исков. Оба сценария можно предотвратить, правильно выбрав стек технологий уже на первой неделе.

Пара слов о скорости: наша практика agent engineering — внутренний тулинг и ИИ-усиленный процесс разработки, который мы применяем на каждом проекте, — обычно сокращает интеграцию ИИ-видеонаблюдения на 30–40% по сравнению с базовыми показателями 2024 года. Edge-облачная оркестрация, парсеры ONVIF Profile M, пайплайны сжатия моделей под Jetson / Hailo — всё это у нас реализовано как переиспользуемые модули, а не создаётся с нуля каждый раз.

Что в 2026 году реально значит «обнаружение аномалий»

За одной фразой стоят три разных класса задач, для которых нужны отдельные модели и отдельные пайплайны оценки.

• Поведенческие аномалии. Праздное шатание, скопления людей, движение навстречу друг другу, выход за пределы разрешённой зоны, проявления агрессии, падения, обнаружение оружия, оставленные предметы. Наиболее востребованы в умных городах и розничной торговле.
• Аномалии внешнего вида. Маски там, где их не должно быть (банки), отсутствие СИЗ там, где они обязательны (заводы, стройплощадки), нарушения дресс-кода в защищённых зонах.
• Временные аномалии. Активность после рабочего времени, резкий рост посещаемости, необычная продолжительность пребывания в зоне. Легко обнаруживаются, но без настройки параметров сцены вызывают больше всего ложных срабатываний.

Современные платформы Video Content Analytics (VCA) объединяют это с детекцией объектов в реальном времени, реидентификацией между камерами, корреляцией событий и экспортом метаданных по ONVIF Profile M. Продукт-победитель в 2026 году не просто распознаёт — он анализирует. Он отвечает на запросы вроде «покажи все случаи, когда этот человек входил в запрещённую зону без бейджа» на естественном языке — благодаря видео-языковым foundation-моделям.

Рынок: две кривые с эффектом сложения

Рынок видеонаблюдения растёт. Сегмент с искусственным интеллектом растёт в 3–4 раза быстрее. Картинка 2025–2026 годов:

Две вещи стоит подчеркнуть. Во-первых, результаты внедрения ИИ-решений в умных городах уже ощутимы: время реакции экстренных служб сократилось на 28%, точность выявления дорожных инцидентов выросла на 34%, а уровень преступности в муниципалитетах, где ИИ-аналитика внедрена в масштабах города, снизился на 22%. Во-вторых, темпы внедрения различаются. Крупные компании и государственные структуры действуют быстро, а малый и средний бизнес ждёт, пока облачные решения (например, Verkada, Eagle Eye) станут доступнее по цене.

Референсный стек из четырёх столпов

Каждая система обнаружения аномалий, которую мы поставляем, опирается на четыре ключевых принципа. Удалите один — и точность сразу снизится.

Ландшафт моделей: кто что поставляет в 2026

Четыре семейства моделей реально справляются с нагрузкой в видеонаблюдении 2026 года. Выбирайте их исходя из ограничений внедрения, а не из-за хайпа.

Реидентификация людей (TransReID, ReID-MGN, ReID-NFormer) и multi-object tracking (ByteTrack, BoT-SORT) закрывают разрыв между детекцией и reasoning: они связывают bounding box между камерами и во времени. Pose estimation (YOLOv8-Pose, RTMPose) — дешёвый способ детектировать падения, драки и необычные позы, не сохраняя данные о лицах.

Бенчмарки: на чём проверять

Если вендор не может назвать цифры по этим датасетам, заявления о точности — маркетинг.

Метрики важны не меньше, чем сами цифры: AUC скрывает результаты по отдельным классам, EER сводит все границы принятия решений к одной точке, а mAP оценивает точность локализации. Просите полную PR-кривую по целевым классам аномалий, а не только общее число.

Edge-железо: где работает инференс

Экономика 2025–2026 годов делает edge выбором по умолчанию. Облачный инференс по 3–22 ₽ за стрим-час обходится в 32–197 тыс. ₽ на камеру в год при круглосуточной работе. Edge-ускоритель — разовая покупка, которая обходится дешевле.

Как мы выбираем по умолчанию. Hailo-8 в самих камерах для распознавания объектов; Jetson Orin NX или AGX Orin на уровне NVR для отслеживания, реидентификации и сбора данных; облако (Gemini 2.5 Pro, Twelve Labs) — для криминалистического поиска и анализа между камерами. AGX Thor устанавливаем на площадке, только когда нужен LLM-анализ на устройстве без обращения в облако — обычно это высокозащищённые или чувствительные к задержкам системы, например, железнодорожные платформы и аэропорты.

Ложные срабатывания: метрика, которая действительно работает

AUC на бенчмарке — базовая ставка. Продукт убивает оператор, который отключил алерты после десятой ложной пожарной тревоги. Вот техники 2026 года, которые повышают эту цифру.

• Временное окно. Требуется N последовательных кадров с уверенностью выше порога для срабатывания. Пять кадров при 10 fps — это 0,5 с стабильной детекции. Просто и очень эффективно.
• Ансамбли нескольких моделей. YOLOv11 + RT-DETR v2 + reasoning Qwen2.5-VL; голосуют по bounding box. Падение ниже «2 из 3» согласия в наших замерах сокращает ложные срабатывания примерно вдвое.
• Фильтрация по оптическому потоку. Разделяем движение объектов и движение камеры / фона с помощью методов Lucas-Canade или FlowNet. Устраняет большинство ложных срабатываний из-за ветра и погодных условий.
• Пороги под каждую сцену. Настройте параметры для каждой камеры с учётом её освещения, фона и типичной активности. Не используйте один и тот же порог уверенности и для открытого стадиона, и для дата-центра без окон.
• Active learning. Оператор помечает ложный срабатывание → кадр попадает в обучающий набор → модель дообучается за ночь. Петля замыкается — и система сама себя корректирует.
• Проверка человеком в петле. Для критичных алертов (оружие, насилие) человек подтверждает сигнал до эскалации. Канонический пример — круглосуточный обзор бывшими сотрудниками силовых структур у ZeroEyes.

Базовое ожидание: системы первого поколения дают 30–60% ложных срабатываний. Лучшие решения 2026 года — ниже 10%. Меньше 3% случаев требует участия человека в пайплайне.

Интеграция с VMS: ONVIF Profile M и пайплайн алертов

ИИ-слой — простая часть. Сделку закрывает то, что он легко интегрируется с уже установленными у заказчика системами: Milestone XProtect, Genetec Security Center или Avigilon Control Center.

• ONVIF Profile S. Базовый стандарт для видеонаблюдения. Обнаружение устройств и передача видеопотока по RTSP. Устаревший, но до сих пор остаётся общепринятым форматом.
• ONVIF Profile T. Продвинутое IP-видео: H.264 / H.265 / AV1, управление изображением, простая детекция движения.
• ONVIF Profile M. Именно он важен для ИИ. Стандартизированный экспорт метаданных: bounding box детекции, уровень уверенности (confidence), публикация по MQTT, геолокация, атрибуты транспорта, лиц или тел, фильтрация и запросы событий. Наш гид по Profile M подробно разбирает схему.
• RTSP. Транспорт видео. Универсальный.
• MQTT. Лёгкий протокол pub/sub. Алерты в IoT и облачные дашборды — самый дешёвый способ передачи событий.
• AMQP. Advanced Message Queuing Protocol. Гарантированная доставка сообщений для корпоративных процессов (Rabbit, Azure Service Bus, AWS MQ).

Стандартный паттерн интеграции: камера или NVR запускает модель детекции, передаёт метаданные по ONVIF Profile M, VMS применяет правило («человек + праздное шатание > 60 с»), MQTT передаёт данные в SIEM (Splunk, ELK) для аудита и корреляции. По необходимости — отправка в облако для тяжёлых моделей (reasoning-запросы Gemini 2.5 Pro, криминалистический поиск Twelve Labs).

Платформы: кто что продаёт

Сжатая матрица VCA-платформ, которые чаще всего используются в продакшене.

Детекция оружия: самая критичная подкатегория

Детекция оружия заслуживает отдельного раздела — здесь режимы отказа имеют экзистенциальные последствия. Пропустите реальное оружие — рискуете получить иск о возмещении ущерба. Поднимите слишком много ложных срабатываний — продукт могут закрыть. Ландшафт 2026 года:

• ZeroEyes. Круглосуточный мониторинг с участием бывших военных и сотрудников силовых структур. Лицензия действует на год на одну камеру. Модель с участием человека (HITL) — их главный защитный механизм.
• Omnilert. Мультимодальная система распознавания, обученная на реальных видеозаписях с камер наблюдения. Специализируется на школах и детских площадках.
• Evolv Express. ИИ-сканирование на входах, оценка угроз в объёме. Находится под пристальным вниманием FTC (2025) из-за заявлений о точности. Используйте с осторожностью и проводите независимый аудит.
• Scylla AI, Actuate AI. Новые участники рынка с заявленной точностью 95%+. Перед покупкой просите результаты независимых тестов.

Наша позиция по этой категории: внедряйте детекцию оружия только с HITL-слоем проверки и защищённым плейбуком реакции на инциденты. Алерт — не конец пайплайна, а начало процедуры, которую нужно отрепетировать.

Комплаенс: правовая плоскость в 2026

ИИ-видеонаблюдение живёт на пересечении приватности, биометрии и регулирования безопасности ИИ. Снимок на 2026 год:

Модель стоимости: сколько реально стоят 100 камер

Конкретное внедрение на 100 камер, смешанное помещение / улица, цены 2026 года.

Типичный срок окупаемости — 1–3 года. Экономия достигается за счёт сокращения времени на ручной мониторинг, более быстрой реакции на инциденты, предотвращения краж в рознице, снижения рисков в здравоохранении и на производстве. Для обоснования закупки требуется специализированная модель расчёта ROI под каждую отрасль.

Мини-кейс: ритейлер внедряет обнаружение аномалий в 250 магазинах

Североамериканский специализированный ритейлер с 250 магазинами пришёл к нам с уже установленным парком камер Avigilon и VMS Milestone XProtect. Организованная розничная преступность за 18 месяцев подняла их потери от усушки с 1,2% до 2,8% выручки. Корпоративное подразделение по работе с потерями хотело внедрить ИИ-обнаружение аномалий по всей сети за один квартал.

Мы строили поверх их существующей инфраструктуры:

• Инференс на edge. Jetson Orin NX в каждом магазине (один на 8–10 камер) с YOLOv11 для распознавания людей и объектов, а также ByteTrack для отслеживания нескольких целей.
• Классы аномалий. Бездельничанье у дорогих витрин, «схватил и побежал» (разогнул руку — и товара нет), одновременный выход нескольких человек через неохраняемые двери, несканирование на самообслуживании (товар в пакете, а сигнализации нет). Всего шесть классов, обученных на записях заказчика.
• Мост в VMS. Метаданные ONVIF Profile M с edge NVR → плагин XProtect → оповещения в консоль управляющего магазином с клипом продолжительностью 5 секунд.
• Облачный криминалистический слой. Еженедельная пакетная обработка через Twelve Labs Marengo 3.0 — чтобы команда LP могла задавать вопросы на естественном языке по полному архиву из 250 магазинов.
• HITL. Проверка управляющим магазином перед эскалацией в компанию; разбор LP-аналитиком — для случаев, которые доходят до суда.

Результаты пилота за 90 дней на 40 магазинах. Доля ложных срабатываний снизилась с 47% на первой неделе до 11% к третьему месяцу благодаря переобучению с использованием активного обучения. Усушка в пилотных магазинах уменьшилась на 0,9 процентных пункта по сравнению с контрольной группой. Уровень освоения менеджерами (заходы в консоль хотя бы раз в неделю) достиг 78%. Раскатали систему на оставшиеся 210 магазинов в следующем квартале.

5 ловушек, которые хоронят проекты по ИИ-видеонаблюдению

• 1. Перекос данных по регионам. Модели, обученные на западных съёмках, плохо работают с людьми из других регионов — с другой внешностью, одеждой и поведением. Заложите подрыночный fine-tuning ещё до запуска: иначе внедрение в Токио пропустит половину аномалий.
• 2. Ложные срабатывания от среды. Погода, тени, птицы, мигающие LED. Временное окно, фильтрация по оптическому потоку и калибровка под сцену — три решения. Заложите бюджет на них с первой недели.
• 3. Иски за хранение биометрии. Даже при добросовестном использовании баз данных лиц возникают претензии по BIPA, EU AI Act и California CPRA. По умолчанию храните только метаданные. Биометрические эмбеддинги сохраняйте только при наличии законного основания и реальной операционной необходимости, а также при наличии проверенных процедур получения согласия.
• 4. Расположение камер и свет. Мусор на входе — мусор на выходе, какой бы хорошей ни была модель. Настаивайте на обследовании площадки, разрешении не ниже 1080p, нормальной ИК- или дополнительной подсветке, частоте кадров 5–15 fps. Камера под неправильным углом гарантирует провал проекта.
• 5. Нет петли с человеком. Полностью автономное оповещение берёт на себя ответственность (упущенный контекст, риск ошибочного задержания). Проверка оператором с аудиторским следом — минимальный защищённый стандарт. Институциональные заказчики без этого продлевать контракт не будут.

KPI: что измерять

• Доля ложных срабатываний. Цель — <10% в течение 90 дней с момента внедрения; <3% с HITL.
• Полнота истинных срабатываний. По каждому классу — на размеченном тестовом наборе записей от заказчика, а не на демо-ролике от вендора.
• Среднее время до алерта. От захвата кадра до отображения в консоли оператора — end-to-end. Цель — менее 2 секунд для real-time-классов (оружие, насилие, периметр).
• Скорость реакции оператора. Доля алертов, подтверждённых в срок по SLA. Если показатель опускается ниже 70%, значит, алерты слишком шумные или консоль работает медленно.
• Дрейф модели. Ежемесячный бенчмарк по отложенному тестовому набору; фиксируем любую регрессию AUC более чем на 5%.
• Бизнес-результат. Снижение потерь от усушки в ритейле, сокращение времени реагирования на инциденты в сфере общественной безопасности, снижение уровня травматизма на производстве. Каждый квартал сопоставляйте с первоначальным обоснованием закупки.

Когда НЕ браться

Сигналы, по которым мы отказываемся от проектов:

• Заказчик хочет использовать распознавание лиц в реальном времени для наблюдения за публичными пространствами в юрисдикции ЕС — это запрещено статьёй 5 AI Act.
• Разрешение камер ниже 720p или частота кадров меньше 5. Качество модели не может быть выше «плохо» ещё до обработки потока софтом.
• Нет аппетита к 60-дневному пилоту с тюнингом порогов. Внедрение провалится из-за ложных срабатываний уже в первый месяц.
• Нет слоя оператора или HITL. Проекты по детекции оружия без чёткого плана действий при инцидентах и этапа проверки мы не реализуем.
• Юрисдикция без чёткого правового основания для обработки биометрических данных. Мы не поставляем продукты, которые провоцируют судебные разбирательства.

Решающая рамка: выбираем стек за шесть вопросов

1. Какие аномалии важны? Только поведенческие → YOLOv11 + ByteTrack. Поведенческие + запросы с логикой → добавляем Qwen2.5-VL или Gemini 2.5 Pro. Оружие / насилие → добавляем HITL.
2. Edge или облако? Круглосуточный мониторинг — edge. Криминалистические / батч-запросы — облако. Большинству внедрений нужно и то, и другое.
3. Какой VMS уже стоит? Milestone / Genetec / Avigilon → интегрируем через ONVIF Profile M. Greenfield → выбираем по операционным предпочтениям заказчика.
4. Какая юрисдикция? ЕС → по умолчанию без распознавания лиц; оценка соответствия AI Act. США → учитываем BIPA; муниципальные запреты важны. Азия → правила зависят от региона.
5. Сколько камер? <50 → справляется один AGX Orin. 50–500 → распределённые Jetson Orin NX на каждой площадке + центральная агрегация. 500+ → Hailo-10 на камерах + AGX Thor в региональных хабах.
6. Кто оператор? Подготовленный SOC — сырые алерты ок. Управляющий магазином / первая линия — только отфильтрованные и проверенные алерты с видеоклипами.

Интеграционный плейбук: путь за 10–14 недель

Смежные вопросы стриминга мы рассматривали в наших плейбуках по ИИ-видеоаналитике для безопасности и по ИИ-видеоаналитике для стриминга.

Куда идёт ИИ-видеонаблюдение в 2026–2027

Видео-языковой reasoning на устройстве становится стандартом. Кремний класса AGX Thor обеспечивает reasoning масштаба Qwen2.5-VL на краю сети. Больше не нужно отправлять запросы в облако, чтобы, например, найти всех, у кого за последний час была красная сумка.

Сертификация по EU AI Act становится ключом к госзакупкам. С августа 2026 года госсектор ЕС будет требовать оценки соответствия. Вендоров без неё не пустят на рынок.

Метод детекции с открытым словарём вытесняет системы с фиксированным набором классов. Grounding DINO и его последующие версии позволяют оператору задать новую аномалию — например, «ребёнок приближается к бассейну» — с помощью текстового запроса, не требуя переобучения модели. К 2027 году такой подход становится стандартным интерфейсным решением.

Зреет обучение на синтетических данных. Физическая симуляция помогает моделировать редкие аномалии — например, падение на платформу или столкновение с погрузчиком на складе. Это закрывает разрыв в «длинном хвосте»: реальные съёмки таких ситуаций либо слишком дороги, либо невозможны по юридическим причинам.

Спайковые нейросети одерживают первые победы в продакшене. UCF-Crime-DSV (event-ased датасет, 2025) показывает, что нейроморфные чипы, потребляющие менее ватта, приближаются к показателям мейнстримных решений по AUC на низкопотребляющих always-on камерах. Первые коммерческие внедрения ожидают в 2027 году.

FAQ

Что почитать дальше

Итог

ИИ-обнаружение аномалий в видеонаблюдении — уже зрелая технология: рынки исчисляются триллионами рублей, доступны edge-решения уровня 2026 года, готовые к использованию открытые модели и формирующиеся нормативные требования. Успешная реализация строится на четырёх компонентах: детекция объектов на edge-устройствах, оценка аномалий без обучения на размеченных данных, логический анализ на базе foundation-моделей и интеграция с системами видеонаблюдения через ONVIF Profile M. Весь цикл — от старта до внедрения — занимает 10–14 недель, включая пилотный проект продолжительностью 60 дней.

Три решения, определяющих успех: выбираем edge-подход ради экономии и снижения задержек; по умолчанию обрабатываем только метаданные ради соответствия требованиям; включаем человека в цикл для алертов, которые действительно важны. Сделайте это правильно — и инженерия становится управляемой. Сделайте неправильно — и внедрение тихо превращается в дорогую, бесполезную сигнализацию.