Распознавание лиц на объектах: доступ, розыск, контроль посещений
Биометрическая идентификация по камерам на проходных, в бизнес-центрах и на транспортных узлах — GPU-сервер в контуре объекта.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
Что решаем
Пропуск по карте или QR-коду не подтверждает, что через турникет прошёл её владелец. На крупных объектах — заводах, бизнес-центрах, стадионах, вокзалах — охрана физически не может сверить тысячи лиц с базами розыска или чёрными списками, а инциденты разбираются по архиву постфактум. Ручной просмотр видео для поиска человека занимает часы.
Облачные сервисы распознавания лиц для большинства объектов неприемлемы: биометрические данные относятся к специальной категории, их обработка регулируется отдельно в России и странах СНГ, а передача во внешний сервис создаёт юридический и репутационный риск. Требуется система, которая работает полностью внутри периметра, с локальным хранением шаблонов и прозрачным журналом обработки.
Что делает ИИ
InsightFaceNVIDIA DeepStreamTensorRTFaissPostgreSQLONVIF/RTSP
Видеопотоки с камер на точках прохода и в зонах контроля обрабатываются на локальном GPU-сервере: детектор находит лица, модель проверки живости отсеивает фото и экраны, нейросеть строит вектор-шаблон и сравнивает его с базой сотрудников, посетителей или лиц в розыске. Совпадение передаётся в СКУД или оператору за доли секунды.
- Биометрический проход без карт с проверкой живости и защитой от подмены.
- Сверка с чёрными и белыми списками, уведомление охраны о совпадении.
- Поиск человека по фото во всём видеоархиве за секунды.
- Учёт рабочего времени и контроль присутствия на опасных зонах без участия персонала.
- Хранение шаблонов и журналов только внутри объекта, обработка по согласию и политике организации.
Какие данные нужны
- Видеопотоки камер на точках контроля
- База шаблонов сотрудников и посетителей с согласиями
- Интеграция со СКУД и системой видеонаблюдения
Какая инфраструктура нужна
Профиль vision: непрерывный анализ десятков–сотен потоков с детекцией, проверкой живости и сравнением векторов — задача для GPU с аппаратными декодерами; сравнение с базой в сотни тысяч шаблонов выполняется на GPU за миллисекунды. Объекту с 50–150 камерами подходит сервер R5 PLUS из раздела GPU-серверов; транспортному узлу или стадиону — ASUS ESC8000A с L40S. Проходная предприятия с 10–20 камерами обходится станцией W5 MAX из рабочих станций. Узел размещается в серверной службы безопасности, шаблоны хранятся в зашифрованном виде, а резервирование питания и второй узел закладываются для непрерывной работы проходных.
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.

