Анализ аномалий поведения: драки, падения, паника, подозрительные действия
Модели действий и аномалий распознают драки, падения, бег в толпе и нетипичное поведение на камерах — тревога без участия оператора.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
Что решаем
Большинство инцидентов на объектах — конфликты, падения, кражи, вандализм — не сопровождаются предметами, которые можно детектировать. Их выдаёт поведение: резкие движения, скопление и разбегание людей, человек, лежащий на полу, попытки вскрыть турникет, долгое нахождение у банкомата. Операторы замечают такие события редко, а разбирать их по архиву приходится после жалоб.
Особые требования у медицинских и социальных учреждений, где падение пациента должно быть замечено немедленно, и у транспорта, где паника в вагоне или на платформе требует реакции за секунды. Правила на основе детекции движения не отличают драку от объятий, а бег на перрон от паники, и генерируют шум, который охрана перестаёт воспринимать.
Что делает ИИ
PyTorchNVIDIA DeepStreamRTMPoseSlowFast/X3DTensorRTONVIF/RTSP
Помимо детекции людей, система оценивает позы и последовательности движений моделями распознавания действий, а детектор аномалий обучается на нормальном поведении конкретной сцены и выделяет отклонения от него без разметки всех возможных инцидентов. События с уверенной классификацией уходят оператору с коротким фрагментом видео.
- Распознавание драк, падений, лежащих людей, бега и резких скоплений.
- Аномалии сцены: нетипичное движение, оставление постов, вход в зону вне графика.
- Мониторинг палат и коридоров учреждений с уведомлением персонала о падении.
- Контроль кассовых зон и банкоматов: длительное присутствие, манипуляции с устройством.
- Обратная связь оператора для дообучения и снижения ложных срабатываний.
Какие данные нужны
- Видеопотоки камер в зонах контроля
- Разметка инцидентов из архива объекта
- Графики работы и регламенты для правил контекста
Какая инфраструктура нужна
Профиль vision: модели поз и действий тяжелее простых детекторов и анализируют последовательности кадров, поэтому на поток требуется больше вычислений. Сервер R5 PLUS из раздела GPU-серверов обслуживает 50–100 камер; для транспортных узлов и крупных комплексов — ASUS ESC8000A с L40S, а дообучение детектора аномалий под каждую сцену выполняется на том же узле в ночное время. Учреждение с 10–20 камерами в зонах риска начинает со станции W5 MAX из рабочих станций. Вся обработка идёт внутри объекта, в архив сохраняются только фрагменты событий.
Как идёт проект
- 01
Данные и цель
Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.
- 02
Пилот на нашей конфигурации
Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.
- 03
Инфраструктура
Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.
- 04
Сопровождение
Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.
Что ещё автоматизируют в отрасли «Безопасность и видеонаблюдение»
Опишите задачу и данные.
Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

