Интеллектуальный поиск по видеоархиву: люди, транспорт, события, описание
Индексация архива видеонаблюдения нейросетями и поиск по описанию, фото, номеру и признакам за секунды вместо часов просмотра.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
Что решаем
Архив видеонаблюдения среднего объекта — сотни камер и недели записи, то есть тысячи часов видео. Расследование инцидента, запрос правоохранительных органов, поиск потерянного ребёнка или бесхозного багажа означают ручной просмотр в ускоренном режиме, часто силами нескольких сотрудников в течение смены. Пока идёт поиск, свидетель уходит, а автомобиль покидает город.
Системы видеонаблюдения умеют искать по движению в зоне, но не по смыслу: «мужчина в красной куртке с рюкзаком между 14:00 и 15:00 у выхода B» или «белый фургон, который стоял дольше 20 минут у ворот». Архив содержит ответы, но не имеет индекса.
Что делает ИИ
CLIPPyTorchNVIDIA DeepStreamFaiss/MilvusvLLMONVIF/RTSP
Видеоархив и живые потоки индексируются нейросетями: для каждого человека и транспортного средства сохраняются вектор внешнего вида, атрибуты (цвет одежды, сумка, тип и цвет ТС, номер), траектория и время. Мультимодальные модели связывают кадры с текстовыми описаниями, а LLM превращает запрос оператора на естественном языке в поисковый фильтр. Результат — лента кадров с таймкодами и переходами между камерами.
- Поиск по текстовому описанию, по фото-образцу и по атрибутам с фильтром времени и камер.
- Построение маршрута человека или автомобиля по всем камерам объекта.
- Поиск номеров, повторных появлений и длительных стоянок ТС.
- Подготовка выгрузки по запросу правоохранительных органов за минуты.
- Индексация без изменения существующей системы записи.
Какие данные нужны
- Видеоархив и живые потоки по RTSP/ONVIF
- Карта камер и зон объекта
- Журналы инцидентов для проверки качества поиска
Какая инфраструктура нужна
Профиль vision: индексация архива — пакетная задача, где GPU обрабатывает видео в 10–30 раз быстрее реального времени, а поиск по векторному индексу занимает миллисекунды. Объекту со 100–300 камерами подходит сервер R5 PLUS или ASUS ESC8000A с L40S из раздела GPU-серверов: он индексирует живые потоки и историю. Для транспортной сети или города с тысячами камер решение размещается на платформе LM TEK 4U8GPU10KW. Небольшой объект начинает со станции W5 MAX из рабочих станций. Индекс хранится на NVMe узла, само видео остаётся на регистраторах.
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.

