Автор: Дмитрий ПОРТНОВ, AVIX, IDIS, ведущий инженер
Архитектурные модели AI в CCTV: Edge, Cloud и Hybrid. Анализ решений. Вектор развития на ближайшие 3–5 лет
Выбор архитектуры вычислений определяет стоимость проекта, операционные расходы, требования к каналам связи и общую отказоустойчивость системы. На 2026 год в индустрии закрепились три основные модели распределения нейросетевых мощностей. 1. Edge AI (Аналитика на борту камер) Математические расчеты и выполнение нейросетевых функций происходят непосредственно на процессоре самой IP-камеры, либо специальном сопроцессоре. Камера генерирует не просто видеопоток, а структурированные метаданные. • Преимущества: – Минимальная задержка. Анализ кадра происходит со скоростью съемки. Время от фиксации триггера до формирования управляющего сигнала — минимально. – Экономия полосы пропускания. На регистратор, сервер или облако передаются только метаданные и короткие тревожные скриншоты/ видеоклипы. Основной поток высокого разрешения идет в систему записи по параллельным каналам. – Высокая отказоустойчивость системы. При неполадках сервера локальная аналитика на камере продолжает работать и может управлять исполнительными устройствами через сухие контакты, HTTP-запросы и т. д. • Ограничения: – Лимиты вычислительной мощности. Аппаратные ресурсы процессора камеры ограничены. На камерах нельзя запустить «тяжелые» универсальные модели или проводить глубокий анализ изображений. Зачастую производители заявляют, что камеры поддерживают множество аналитических сценариев, а по факту, одновременно могут работать только две-три или одна. – Сложность апгрейда. Обновление нейросетевых моделей в камерах требует обновления прошивок, внимательно следить за их совместимостью, что усложняет обслуживание и требует высокой квалификации персонала. 2. Cloud/Server Based AI (Облачная/ Серверная аналитика) При этой схеме IP-камеры выполняют «простую» роль трансляции видеопотоков (RTSP/SRT) на сервер обработки или в сторонний дата-центр. Вся обработка, декодирование и анализ видео происходят на виртуальных или физических серверах с мощными CPU / GPU. • Преимущества: – Практически неограниченные ресурсы. Возможность динамического масштабирования мощностей. Доступ к «тяжелым» ИИ-моделям, сквозной аналитике по множеству камер, распознаванию сложных паттернов поведения и атрибутов, применение универсальных больших моделей. – Гибкость и простота апгрейда. Все изменения, улучшение точности алгоритмов и добавление новых модулей происходят централизованно на стороне сервера или облачного провайдера, без привязки к камерам на объекте. – Единый пул метаданных. Упрощенный сквозной поиск по всему архиву распределенной компании. • Ограничения: – Критическая зависимость от каналов связи. Большие видеопотоки требуют соответствующей сетевой инфраструктуры, а в случае облачного решения, при обрыве/нарушении канала связи с провайдером, система безопасности полностью теряет аналитическую функцию. – Высокая стоимость внедрения/владения. «Практически неограниченные ресурсы» серверов, ведут к лавинообразному увеличению их стоимости. Постоянные затраты на аренду облачных мощностей и оплату гарантированной полосы пропускания, при большом количестве камер ведут к высоким финансовым затратам. Зачастую желание – «Нужно, чтоб все видеопотоки на объекте обрабатывал ИИ» сводится к – «Давайте определим самые критические зоны». 3. Hybrid AI (Гибридный подход — мейнстрим индустрии) Оптимальная и наиболее экономически эффективная архитектура для средних и крупных проектов на 2026 год. Она распределяет вычислительную нагрузку по каскадному принципу: Edge (Первичный анализ) > Server/Cloud (Глубокий анализ). • Логика распределения задач: 1. На стороне камеры (Edge). Происходит базовая фильтрация шума, ИИ-детекция движения, трекинг объектов и их первичная классификация (человек, транспорт, в том числе его вид), определение номеров и т. д. Чем производительней камера, тем разнообразней этот набор. Камера отсекает до 90% «пустого» трафика. 2. На стороне сервера/облака. Отправляется не весь поток, а только целевые кадры высокой четкости (Best Shots и/или координаты объекта в видеопотоке) с метаданными. Серверные мощности подключаются только в момент целевого события для выполнения сложных задач: распознавание, идентификация лица по базе, проверка наличия СИЗ или детекция специфических признаков (пол, возраст, бороды, очки, шляпы, сумки и т. п.), интеллектуальный поиск в архиве.
Гибридный подход позволяет снизить совокупную стоимость владения системой: уменьшаются требования к пропускной способности сети, экономятся серверные емкости (так как сервер не тратит ресурсы на декодирование «пустого» видео), но сохраняется доступ к сложной централизованной аналитике. Анализ решений Сегодня грань между «исследовательским» и «коммерческим» ИИ определяется тремя факторами: возможностью работы на edge-устройствах, предсказуемой точностью и понятным снижением операционных расходов. Далее приведен разбор технологий, которые полностью прошли этап пилотов и стали индустриальным стандартом. Метаданные и глубокая классификация объектов (распознавание объектов / поведения / атрибутов) Технологии, применяемые в охранном видеонаблюдении, эволюционировали от детекции движения к классификации объектов на уровне камеры (Edge AI), видеопоток мгновенно преобразуется в векторные описания. Технические особенности. Современные нейросети оптимизированы для работы на процессорах камер. Происходит мгновенное определение атрибутов: тип, класс объекта, цвет, наличие шлема/жилета, пол, очки, борода и элементы одежды человека и т. д. Экономический эффект. Снижение операционных расходов: Перенос аналитики на «борт камеры» снижает требования к производительности серверов, а соответственно их стоимость. Экономия времени. Скорость расследования инцидентов в архиве увеличивается в разы (поиск по фильтрам занимает секунды вместо часов ручного пересмотра). Интеллектуальный контроль (пересечение линий / вторжение в зону / праздношатание с фильтрацией ложных тревог) Классические детекторы движения генерировали множество ложных тревог (птицы, тени, осадки, шум изображения в темное время суток), что приводит к повышенным нагрузкам на операторов. Аналитика классификации целей в реальном времени анализирует изменения в кадре, если геометрия и характер движения объекта не соответствуют заданным классам (человек, транспорт и т. д.), происходит автоматическая фильтрация тревог, что снижает нагрузку на систему и оператора. Оптимизация штата охраны. Один оператор может эффективно наблюдать до 150–200 камер вместо 10–20, поскольку реагирует только на верифицированные угрозы. Минимизация расходов. Исключается ложное реагирование, минимизируются затраты на штат охраны. Видеонаблюдение в охране труда и промышленной безопасности Видеонаблюдение превратилось из средства фиксации постфактум в превентивный инструмент контроля рисков. Нейросети контроля средств индивидуальной защиты (СИЗ) обучаются на специфических индустриальных датасетах для детекции касок, жилетов, страховочных привязей и контроля нахождения персонала в опасных зонах. Что приводит к снижению травматизма и рисков: автоматическая остановка конвейера или оборудования при заходе человека в опасную зону окупает систему при предотвращении даже одного серьезного инцидента. Интеллектуальное управление трафиком и парковками Интеграция видеоаналитики в транспортные экосистемы показывает самую быструю прямую монетизацию, системы контроля потока окупают себя за считаные недели. Камеры с определением номеров (LPR) и классификацией ТС работают в связке со СКУД или системами контроля трафика, оценивается плотность потока и автоматически подстраивается регулирование транспортного потока (адаптивное регулирование). Для логистики и паркингов. Автоматизация проезда без диспетчера сокращает время простоя транспорта. Для городов. Увеличение пропускной способности дорог на 15–25% без расширения полотна.
Переходим к заключительному и самому стратегически важному разделу. Здесь фокус смещается с оптимизации на избыточность в архитектуру систем, которые закладываются в проекты в 2026 году, но будут активно эксплуатироваться и далее. Вектор развития на ближайшие 3–5 лет. Прогноз технологических трендов Проектирование систем видеонаблюдения сегодня сталкивается с вызовом: жизненный цикл аппаратного обеспечения (камеры, серверы) составляет 5–7 лет, в то время как парадигма ИИ меняется каждые 1.5–2 года. Системы, закладываемые в проекты сейчас, должны иметь архитектурный запас для внедрения трех ключевых трендов ближнего горизонта. 1. Мультимодальные модели на камерах и серверах. Классический подход «одна видеоаналитика — одна задача» (отдельная нейросеть для касок, отдельная для номеров) уходит в прошлое. На смену им приходят мультимодальные модели, способные одновременно понимать и видеоряд, и текст, и контекст происходящего. Технический сдвиг. Переход от жестких классификаторов к гибким архитектурам. Модели обучаются на глобальных датасетах и способны распознавать объекты или паттерны поведения, которые не были заложены в нее при первичном обучении. Влияние на проектирование. Многократно возрастают требования к вычислительной мощности на стороне обработки, экономически система с аналитикой за счет вычислительной емкости становится кратно дороже «простой» системы записи. Проектировщикам необходимо закладывать серверную архитектуру с поддержкой высокопроизводительных GPU и/или возможностью гибкого апгрейда оборудования. 2. Естественные языковые запросы к архивам Интерфейс взаимодействия оператора с системой видеонаблюдения радикально упрощается. Вместо настройки сложных фильтров, выбора регионов интереса (ROI) и комбинации галочек, поиск будет осуществляться через классическую строку ввода (LLM-интерфейс). Это работает уже сегодня, как правило, на английском языке, но производители ПО не стоят на месте. Система переводит видеопоток в семантическое векторное пространство в реальном времени. Оператор пишет запрос: *«Найди человека в желтой куртке, который оставил коробку у входа и ушел направо»* или *«Покажи все машины, которые останавливались на выезде с парковки»*. Языковая модель сопоставляет смысл текстового запроса с векторами видеоархива и мгновенно выдает тайм-коды. Возрастают требования к дисковой подсистеме. Помимо хранения стандартного видеопотока, потребуется выделение до 10–15% емкости хранилища под быстрые базы данных векторов (таких как Qdrant, Milvus или pgvector). 3. Генеративный синтез данных (GenAI для дообучения и верификации) Проблема «галлюцинаций» ИИ и падения точности в сложных условиях (дождь, туман, встречная засветка) будет решаться не за счет бесконечного сбора реальных кадров, а через их генерацию. Использование сложных моделей для создания синтетических обучающих выборок. Если для промышленного объекта нужно обучить систему распознавать редкий тип аварии (например, количество труб в складской емкости), генеративный ИИ создает тысячи вариаций этого события в разных условиях видимости. Также генеративные модели будут использоваться для «дорисовывания» (суперразрешения) и очистки зашумленного ночного кадра до состояния, при котором классическая аналитика сможет распознать лицо или номер ТС, похожее, но пока на слабом уровне происходит уже сегодня. Если раньше, у пуско-наладчика стоял вопрос, как убрать шум с системы детекции движения, то в будущем он столкнется с вопросом, как не перейти тонкую грань между реальностью и «фантазиями» нейросетей. Потребуется пересмотр политик информационной безопасности и пропускной способности каналов связи. Передача синтезированных данных потребует высокой пропускной способности магистральных сетей. Напомню, что сейчас 1 Гбит порты де-факто являются стандартом для узлов систем видеонаблюдения, грядет время и мы перейдем, сначала на 10G, а потом и дальше.
Чек-лист для проектировщика: как готовить системы сегодня Чтобы спроектированная сегодня система не морально устарела к моменту ввода в эксплуатацию, в проектную документацию необходимо стремиться закладывать следующие параметры: 1. Кабельная инфраструктура и ЛВС Резервирование оптических линий связи на уровне ядра сети и технологий «кольцевой связи». Запас пропускной способности коммутаторов доступа, не менее 40% под будущий рост плотности данных. Использование кабелей категории 5e, только на «последней миле» (камера – коммутатор доступа), остальные, не менее Cat 6A. 2. Архитектура серверов Использование серверных шасси с поддержкой PCIe Gen 5/Gen 6 и свободных слотов полной высоты для установки ИИ-ускорителей (GPU). Модульные блоки питания с запасом по мощности под GPU-нагрузки. 3. Выбор камер Отказ от камер без встроенных процессоров с поддержкой ИИ. Минимальное требование к бортовой аналитике — поддержка открытых платформ, позволяющих обновлять сторонние контейнеры приложений (Docker) с новыми моделями ИИ. Или выбирать производителей с существующими долгосрочными моделями ИИ поддержки. 4. Программная платформа (VMS) Выбор программного обеспечения с микросервисной архитектурой, поддержкой интеграции векторных баз данных и открытыми API (REST) для бесшовного подключения внешних LLM сервисов.
Внимание! Копирование материалов, размещенных на данном сайте допускается только со ссылкой на ресурс http://www.tzmagazine.ru