Обнаружение аномалий в видеонаблюдении в реальном времени: практическое руководство 2026

По теме: читайте наш подробный гид — Топ-7 моделей обнаружения аномалий для видеонаблюдения (2026).

Почему Фора Софт написала это руководство по обнаружению аномалий

В компании Фора Софт мы уже два десятилетия разрабатываем продакшен-продукты для видеонаблюдения и видеоаналитики, включая интерфейс системы наблюдения Netcam Studio и десятки многокамерных аналитических инсталляций. Мы каждую неделю работаем с WebRTC, ONVIF, инференсом на edge и облачными пайплайнами. Эта страница — наша опинионированная версия 2026 года того, что мы рассказали бы любому CTO, который спросил бы: «Как сделать обнаружение аномалий в реальном времени и не сжечь 18 месяцев?»

В 2024–2026 годах базовая технология шагнула вперёд: трансформерные видео-бэкбоны созрели, слабоконтролируемые варианты MIL подтянулись к полностью размеченным моделям, edge-NPU (Hailo-8, Jetson Orin, Coral) подешевели достаточно для парковых инсталляций, а EU AI Act ввёл реальные требования к документации для всего, что в реальном времени смотрит на людей. Это руководство построено вокруг решений, которые действительно двигают проект: семейство моделей, топология деплоя, стратегия по данным, протокол интеграции, комплаенс — и ловушек на каждом из этих участков.

Если хотите сначала контекст из смежных тем — у нас есть материалы про видеоаналитику в реальном времени и обработку видео в реальном времени с помощью ИИ. По стандартам и интеграции — наш обзор профилей ONVIF в системах безопасности и более глубокий разбор ONVIF Profile M.

Что считается «аномалией» в видеонаблюдении

В большинстве технических заданий слово «аномалия» тянет слишком много смысла. На практике оно покрывает четыре совершенно разных класса задач, и модель подбирается под конкретный класс:

• Поведенческие аномалии — человек бежит по запретной зоне, ошивается на месте, перелезает через забор, забирается на платформу. Здесь выигрывают модели, работающие с временем и движением.
• Физические аномалии — оставленная без присмотра сумка, лужа на полу цеха, упавший знак. Покадровое детектирование плюс отслеживание устойчивости объекта.
• Аномалии плотности и толпы — переполненная очередь, давка, плотность на платформе. Регрессия тепловых карт плюс пороговая логика.
• Временные аномалии и нарушения расписания — движение в неурочной зоне, машина, стоящая слишком долго. Часто решается правилами и обучением модели нормального поведения.

Назвать класс до выбора модели — самый большой по эффективности шаг. Каждый квартал к нам приходят ТЗ с запросом «обнаружение аномалий на трансформерах», когда реальная задача — детектирование оставленных объектов с расписанием. Правильно подобранный инструмент экономит 3–6 месяцев и 70% бюджета инференса.

Бюджет задержки для real-time

Real-time здесь означает «достаточно быстро, чтобы успеть среагировать до конца события». В цифрах это превращается в конкретные бюджеты:

Рисунок 1. Бюджеты задержки и реалистичные топологии деплоя. Сетевой RTT добавляет 50–100 мс на WAN-маршрутах, поэтому всё, что должно укладываться в 300 мс, требует инференса на месте.

Семейства моделей, которые важны в 2026

Рисунок 2. Семейства моделей и их ниши. «Подходит для edge» предполагает NPU класса Jetson Orin с INT8-квантизацией.

Датасеты и бенчмарки, на которые стоит ориентироваться

Бенчмарки не переносятся в продакшен один в один — но они задают точку отсчёта для разговора. Актуальные цифры на 2025–26:

• UCF-Crime — 1 900 видео, 13 классов аномалий (насилие, поджоги, кражи и т. д.). Реальный референс для слабоконтролируемых методов. SOTA: ~97% AUC на уровне видео при связке I3D с MIL на основе внимания. Подробно мы разбирали этот датасет в отдельной статье.
• ShanghaiTech Campus — 437 видео из кампуса. SOTA: ~95–96% AUC у VideoSwin и VideoMAE.
• Avenue — 47 видео с необычным поведением пешеходов. SOTA: ~98,5% AUC, доминируют трансформеры.
• XD-Violence — 2 405 видео с разметкой по насилию. Гибридные CNN+Transformer-модели дают ~96% AP.
• Street Scene (2024–2025) — разнообразная городская съёмка; бенчмарк на доменный сдвиг. AUC обычно падает на 10–15 пунктов по сравнению с in-domain — полезная проверка реальностью.

Честный взгляд: модель с 97% на UCF-Crime всё равно потребует дообучения на 2–6 недель реальных записей с ваших объектов, прежде чем достигнет клиентского уровня. Закладывайте этот сбор данных и переразметку в смету заранее.

Edge, облако или гибрид — как выбрать топологию

1. Только edge. Jetson Orin, Hailo-8 или Coral рядом с каждой камерой. 4–16 одновременных 1080p-потоков на устройство, 50–200 мс инференса, никакой зависимости от WAN, самая сильная история по приватности (кадры не покидают объект). Железо стоит 15 000–45 000 ₽ за устройство. Подходит для небольших объектов, регулируемых отраслей и плохой связи.

2. Только облако. Потоки уходят на NVIDIA L4 или A100. 100+ потоков на GPU, 20–50 мс инференса, централизованное переобучение, горячая замена моделей. Стоимость на managed-тарифах — 37–225 ₽ за поток в час. Подходит для крупных централизованных парков с хорошим WAN и упором на криминалистику. Не подходит для отклика <300 мс — сетевой RTT съедает бюджет.

3. Гибрид (наш вариант по умолчанию). Edge детектирует с высокой точностью и умеренной полнотой; облако доразмечает пограничные события, держит реестр моделей, ловит дрейф и хранит архив. Типичное распределение: 60–70% полноты на edge при точности 95%+, остаток забирает облако. Именно так в поле работают интеграции BriefCam, Motorola Avigilon и Milestone.

4. Что определяет выбор. Бюджет задержки (см. Рисунок 1), количество камер, связь на объекте, режим комплаенса (EU AI Act гораздо проще соблюсти при edge-only) и локальность данных.

5. Антипаттерн. Гонять сырые 1080p-потоки в облако ради latency-критичного сценария только потому, что у вас уже есть облачный GPU. Заплатите трафиком, задержкой и регуляторными рисками.

Протоколы интеграции — ONVIF, RTSP, WebRTC, MQTT

Детектирование без интеграции — это демо. Четыре протокола, которые имеют значение:

• ONVIF Profile M. Профиль для метаданных и аналитики, утверждённый в 2022–2024 годах и широко принятый Milestone, Genetec, Avigilon, Hikvision, Axis. Если ваш детектор не умеет публиковать события через ONVIF, он не встанет в корпоративные VMS.
• RTSP. До сих пор стандарт для камерных потоков. Задержка 30–50 мс в LAN, 100–300 мс в WAN. Edge-боксы тянут RTSP, прогоняют инференс и публикуют события.
• WebRTC. Задержка 20–100 мс, лучше проходит через файрволы, сильнее шифрование. Применяется в более новых облачных VMS и операторских интерфейсах, которые мы поставляем, когда важна доставка с задержкой меньше секунды, — на этом же стеке у нас построен Worldcast Live.
• MQTT. Шина для оповещений. Детектор аномалий публикует event/shoplift/zone-5/conf-0.87; SIEM, тикетинг (Jira, ServiceNow), системы контроля доступа и мобильные приложения для персонала подписываются.

Цены вендоров и расчёт build-vs-buy

Рисунок 3. Ориентировочные цены вендоров на 2025–26. Корпоративные контракты сильно варьируются: воспринимайте цифры как порядок величины, а не как коммерческое предложение.

Грубая точка пересечения build-vs-buy для парка из 100 камер — район 18–24 месяцев: расходы на SaaS растут линейно с числом камер, кастомная разработка фронт-лоадит инженерию, а дальше живёт на амортизированном железе и эксплуатации. За счёт того, что в Фора Софт мы опираемся на инженерию, усиленную ИИ-агентами, циклы MVP по кастомному обнаружению аномалий теперь измеримо короче, чем были два года назад, — но мы по-прежнему считаем цены консервативно и не озвучиваем цифры, которые не можем обосновать на бумаге.

Приватность, GDPR и EU AI Act

1. Статья 9 GDPR. Биометрические данные относятся к «специальной категории». Обнаружение аномалий по лицу почти всегда подпадает под статью 9 и требует явного правового основания (редко согласия; чаще — существенный общественный интерес или трудовое право).

2. Статья 35 GDPR (DPIA). Любая видеоаналитика с обнаружением аномалий в сколь-нибудь заметном масштабе требует оценки воздействия на защиту данных. Закладывайте 2–4 недели работы DPO и юристов.

3. EU AI Act (Регламент 2024/1689). Биометрическая категоризация в реальном времени в общедоступных пространствах жёстко ограничена; многие продукты видеоаналитики теперь открывают европейские деплои только после оценки соответствия, оформления документации, механизмов человеческого контроля и пострыночного мониторинга. Именно поэтому несколько вендоров ушли из ЕС в 2025 году.

4. ICO UK (январь 2024) и законы отдельных штатов США. Live-распознавание лиц фактически запрещено для частных операторов в Великобритании; BIPA в Иллинойсе, CUBI в Техасе и CCPA в Калифорнии добавляют требования по согласию и раскрытию для биометрии и видеоаналитики.

5. Практические следствия. Предпочитайте обнаружение по походке, позе или объектам распознаванию лиц, где это возможно. Держите кадры на объекте, когда бюджет задержки позволяет. Логируйте каждое срабатывание с уверенностью, ID оператора и итогом разбора — этот журнал становится юридическим доказательством человеческого контроля.

Сценарии, которые окупают себя

1. Сокращение потерь в ритейле. В связке с обученным персоналом зала real-time алерты по кражам уменьшают потери на 20–40% за первый год работы в сетях среднего размера. Подробности — в нашем разборе видеоаналитики для ритейла.

2. Транспортная безопасность. Детектирование падения на край платформы с задержкой <200 мс позволяет автоматически удерживать поезд или закрывать ворота. Метро Парижа, Сингапура и Сеула в 2022–2025 годах накладывали обнаружение аномалий на существующее видеонаблюдение.

3. Охрана периметра. Детектирование перелаза через забор и проезда на удалённых объектах: при текущих моделях достижимы 90–95% true-positive при <10 ложных срабатываний на 1 000 часов.

4. Промышленная безопасность (СИЗ, разливы, поведение). Детектирование объектов класса YOLO плюс логика аномалий; отчётность уровня OSHA и снижение фиксируемых инцидентов на 40–60% в инсталляциях, которые мы наблюдали.

5. Детектирование падений пожилых в учреждениях ухода. Edge-инференс на Jetson Nano / Orin; чувствительность 95%+ при <500 мс до сигнала персоналу. Режимы приватности в здравоохранении (HIPAA в США) требуют хранения на объекте и жёстких политик удержания данных.

Мини-кейс: аналитика видеонаблюдения, выпущенная без драмы запуска

Контекст. Корпоративному вендору видеонаблюдения требовалось добавить обнаружение аномалий поверх многокамерных объектов накануне крупного обновления платформы. Команда держала зелёный CI, но предложенная модель (на трансформерах, только в облаке) промахнулась бы по бюджету в 300 мс на их WAN. Журналы аудита уровня регулятора были жёстким требованием.

План на 12 недель. Перевести на гибридную архитектуру: квантизованный I3D со слабоконтролируемой MIL-головой на edge (Jetson Orin), TimeSformer-доразметчик в облаке для пограничных событий. Шина событий по ONVIF Profile M для интеграции с VMS. Фан-аут через MQTT на персонал объекта и центральный SOC. Мониторинг дрейфа на скользящих 7-дневных когортах. Формальный DPIA и документы соответствия AI Act — параллельно. Класс операторских интерфейсов, который мы обычно поставляем, можно увидеть на примере Netcam Studio.

Результат. Раскатано в многосайтовый продакшен за 12 недель. End-to-end задержка вошла в диапазон 180–220 мс, с запасом до SLA в 300 мс. После четырёх недель дообучения уровень ложных срабатываний для приоритетных классов аномалий стал <3%. Журнал аудита прошёл проверку регулятора без замечаний. Заказчик оставил программу контроля качества на абонентском обслуживании.

Фреймворк решения — правильный размер за пять вопросов

1. Каков бюджет задержки? Менее 200 мс — только edge; 200–500 мс — допустим гибрид; больше секунды — облако и пакетная обработка.

2. Какой класс аномалий вы решаете? Поведенческий, физический, плотностной или временной — у каждого своё семейство моделей. В ТЗ должен стоять класс, а не «трансформер».

3. Сколько у вас размеченных примеров? <100 → стартуйте с CLIP/VLM zero-shot. 100–1 000 → слабоконтролируемый MIL. >10 000 → полное обучение с учителем.

4. Какой режим комплаенса? EU AI Act, HIPAA, GDPR, биометрические законы штатов — каждый диктует, где могут жить кадры и какие метаданные обязательно логировать.

5. Build, buy или гибрид? <20 камер или горизонт <18 месяцев → SaaS. >100 камер, нишевые классы аномалий, аудит уровня регулятора → кастом, возможно поверх существующей VMS.

Пять ловушек, которые мы видим в программах обнаружения аномалий

1. Гонка за точностью на бенчмарке вместо точности на объекте. Модель с 97% на UCF-Crime редко переживает первый контакт с вашими камерами. Закладывайте 2–6 недель сбора данных и дообучения.

2. Игнорирование ложных срабатываний. Даже 1% FP при 30 fps на 100 камер — десятки тысяч алертов в день. Ансамбли, пороги уверенности и проверка человеком — не опция.

3. Недостаточно проработанное обнаружение дрейфа. Сезонность, время суток и изменения на объекте незаметно сдвигают распределение. Ежемесячное переобучение и контроль дрейфа на скользящем окне должны быть в runbook с первого дня.

4. Допущение, что облако в одиночку справится с real-time. WAN RTT + GPU-инференс + рассылка алертов редко укладываются в 300 мс в продакшене. Обычно правильный ход — edge-first.

5. Отношение к AI Act и DPIA как к бумажкам постфактум. Это инженерные требования. Привязывайте их к потокам данных, журналам и артефактам model-card с первой недели.

KPI, которые подтверждают, что система работает

1. KPI качества. AP покадрово по классам ≥ 0,85 на данных объекта; полнота по приоритетным классам ≥ 0,9; ложные срабатывания ≤ 5 на 1 000 часов проверенных алертов; дрейф ΔAUC < 2 пунктов от недели к неделе.

2. Бизнес-KPI. Время до реакции на отмеченное событие; зафиксированные предотвращённые инциденты; снижение потерь и убытков относительно базы; NPS клиентов или сотрудников по восприятию безопасности.

3. KPI надёжности. p95 end-to-end задержки относительно целевого бюджета; доступность реестра моделей; дни без сбоев edge-боксов; SLO доставки алертов ≥ 99,9%.

Когда НЕ стоит делать обнаружение аномалий в реальном времени

• На алерты никто не реагирует. Без команды реагирования алерты копятся и теряют доверие. Сначала закройте кадровый вопрос.
• Бюджет задержки — минуты, а не миллисекунды. Офлайн или пакетная аналитика намного дешевле и часто точнее.
• Неоднозначный класс аномалии. Если вы не можете описать поведение одним предложением, разметить его тоже не получится.
• Узкое место — качество камеры. Купольные камеры 360p и широкоугольные «рыбьи глаза» обрезают точность ниже того, что выдаст любая модель.
• Комплаенс заблокирует. Если сценарий нарушает согласие на биометрию или локальные правила AI Act, вкладывайтесь в неИИ-меры защиты.

FAQ

Какая задержка реальна для обнаружения аномалий в реальном времени?

End-to-end бюджеты, которых мы достигаем в продакшене: 150–250 мс на edge (Jetson Orin / Hailo-8) для моделей класса I3D / MIL; 300–500 мс для гибрида edge+cloud; 500 мс и больше для облачных трансформеров. Всё, что заявлено <100 мс, обычно означает «от камеры до сигнала» на сильно квантизованной лёгкой модели.

Нужны ли полностью размеченные данные?

Обычно нет. Слабоконтролируемые методы (MIL, RTFM, MGFN) обучаются на метках на уровне видео и отстают от полностью размеченных всего на 2–4 пункта AUC на UCF-Crime. Zero-shot CLIP/VLM-детекторы стартуют с 1–2 примеров. Полная покадровая разметка нужна в основном в регулируемом контуре.

Edge, облако или гибрид?

По умолчанию — гибрид. Edge для задержки и приватности, облако — для реестра моделей, контроля дрейфа, доразметки пограничных алертов и архива аудита. Чистое облако нормально для криминалистической аналитики; чистый edge нормален для небольших регулируемых инсталляций. Любое другое «чисто» обычно проигрывает по стоимости или SLA.

Сколько стоит build vs buy?

SaaS — 2 250–15 000 ₽ за камеру в месяц в зависимости от вендора. Кастомная разработка фронт-лоадит инженерию и железо и окупается примерно за 18–24 месяца на парке в 100 камер. Выше этого масштаба, для нишевых классов аномалий и для аудита уровня регулятора кастом почти всегда дешевле на горизонте трёх лет.

Совместимо ли это с EU AI Act?

Да, при доработках. Видеоаналитика в реальном времени рядом с биометрией — высокий риск по Приложению III. Это значит: оценка соответствия, задокументированный риск-менеджмент, человеческий контроль, логирование и пострыночный мониторинг. Мы оформляем это как инженерные артефакты (model card, диаграммы потоков данных, журналы аудита), а не как юридический шаблон.

Что такое ONVIF Profile M и нужен ли он мне?

Profile M — это аналитический и метаданный профиль ONVIF: стандартизированный способ для детекторов публиковать события и метаданные в VMS (Milestone, Genetec, Avigilon и других). Если ваш детектор его не поддерживает, интеграция с корпоративными платформами видеонаблюдения становится индивидуальной разработкой. См. наш разбор Profile M.

Как управлять ложными срабатываниями в масштабе?

Три рычага: поднять пороги уверенности (поменять полноту на точность для некритичных классов), ансамбли моделей с голосованием и проверка человеком топ-N алертов в сутки с обратной связью в обучение. Закладывайте 4–8 недель настройки, прежде чем усталость операторов выйдет на эксплуатационно приемлемый уровень.

Как часто переобучать?

Ежемесячное инкрементальное дообучение на новых размеченных когортах; полное переобучение раз в квартал по последним 6–12 месяцам данных. Чаще — в сезонных средах (ритейл, транспорт, улица). Включайте детекцию дрейфа (PSI, KS-тест по распределениям признаков) и пусть она триггерит переобучение, а не календарь.

Что почитать дальше

Готовы запустить обнаружение аномалий в реальном времени, которое реально масштабируется?

Версия этой задачи на 2026 год — это уже не «может ли ML», а правильное сочетание семейства моделей, топологии деплоя, протокола интеграции и комплаенса под ваши камеры, ваш SLA по задержке и вашего регулятора. Математика сместилась в сторону гибридного edge+cloud, планка комплаенса поднялась, а сами модели заметно лучше, чем 24 месяца назад.

Если вы сначала посмотрели на бюджет задержки, честно определили класс аномалии, заложили ONVIF Profile M, оставили кадры на объекте там, где этого требует регулятор, и инструментировали дрейф с первого дня — у вас уже есть основная часть решения. Дальше — вкус и итерации.

Если это звучит как следующие 12 недель в вашем роадмапе — мы рады помочь: одной обзорной сессией, неделей discovery или ведением всего проекта.