Обучение AI для вашей системы видеонаблюдения: сбор данных и тюнинг

Обучение AI для вашей системы видеонаблюдения: сбор данных и тюнинг

Вот как это работает: вы хотите, чтобы камера не просто записывала картинку, а понимала, кто на кадре, отличала автомобиль от велосипеда, замечала падение человека или подсчитывала посетителей. Для этого нужен набор данных, правильная разметка и настройка модели под вашу задачу и окружение.

Кому это нужно и зачем

Частный домовладелец захочет распознавание лиц жильцов или детектор вторжения. Магазин — подсчёт покупателей и детекцию кассовых очередей. Офис — контроль доступа и поиск аномалий. Поставщики услуг и интеграторы — масштабная автоматизация и кастомные модели для клиентов.

Выбор архитектуры и места выполнения

Нужно решить, где будет работать модель: на камере/edge-устройстве, на сервере в локальной сети или в облаке. Каждый вариант имеет свои плюсы и минусы.

• Edge (NVR, Jetson, Coral) — низкая задержка, конфиденциальность, не нужно много канала. Но ограничены по ресурсам.
• Сервер/Cloud — мощнее, проще масштабировать, удобнее для дообучения. Но нужна хорошая сеть и обсуждение вопросов хранения персональных данных.

Сбор данных: что и сколько

Качество модели зависит от данных больше, чем от архитектуры. Нужна репрезентативная выборка для ваших условий: ракурсы, времена суток, погодные условия, плотность людей, перекрытия объектов.

• Для задач детекции: минимум 1–3k объектов на класс для базовой модели. Чем разнообразнее — тем лучше.
• Для распознавания лиц: сотни изображений на человека с разных ракурсов и выражений.
• Для поведения/анализов — видео сегменты с примерами нормального и аномального поведения.

Разметка и инструменты

Разметка — ключевой этап. Инструменты, которые часто используют: CVAT, LabelImg, Supervisely, VGG Image Annotator. Размечают bounding-box, сегментацию, ключевые точки, треки в видео.

CVAT — удобен для видеоразметки и командной работы.

Препроцессинг и аугментации

Аугментация помогает при малом наборе данных: повороты, изменение яркости, шум, обрезка, симуляция тумана/дождя. Следите, чтобы аугментации были реалистичны для вашей камеры.

Тюнинг модели: простые шаги

Если нет ресурсов для обучения с нуля, берут предобученную модель и дообучают (transfer learning). Процесс обычно такой:

1. Выбрать базовую модель (YOLO/SSD/RetinaNet для детекции; MobileNet/ResNet для классификации).
2. Подготовить аннотированные данные и разделить на train/val/test (70/20/10 или схожее).
3. Настроить скорость обучения, размер батча, число эпох; мониторить loss и метрики (precision, recall, mAP).
4. Проверять на валидации и править набор данных при переобучении или недообучении.

Метрики и проверка качества

Основные метрики для задач детекции—precision, recall и mAP. Для задач подсчёта — точность подсчёта и процент ошибок при пиковых нагрузках. Для распознавания лиц — FAR/FRR.

Развёртывание и интеграция

Интеграция с системой видеонаблюдения обычно через RTSP/ONVIF. Вы можете запускать модель на NVR или на отдельном сервере. Обратите внимание на совместимость с оборудованием, которое можно посмотреть в каталоге систем видеонаблюдения на y-ss.ru:

Каталог систем видеонаблюдения на y-ss.ru

Безопасность данных и закон

Видео часто содержит персональные данные. В России действует закон о персональных данных (ФЗ-152). Нужно минимизировать хранение личных данных, защищать каналы передачи и хранение, вести журналы доступа и информировать субъектов, если это требуется. При использовании облака — учитывать юрисдикцию хранилища.

Примеры расчётов и практические числа

Хранение: 4 Мп камера, 15 FPS, H.264 ~2–3 Мбит/с. За сутки 2.5 Мбит/с × 86400 = ~27 ГБ. Для 10 камер — ~270 ГБ/сутки. Это грубая оценка; кодеки и сцена меняют число.

Нагрузка на CPU/GPU: простая детекция (YOLOv5 small) может работать 5–15 FPS на NVIDIA Jetson Nano; на Jetson Xavier — 20–60 FPS в зависимости от модели и разрешения.

Сравнение: edge vs сервер (коротко)

Edge — низкая задержка, приватность, меньше трафика. Сервер — гибкость, проще обновлять модели, масштабируемость. Выбор зависит от задач и бюджета.

Стоимость проекта — ориентиры

• Разработка простого детектора (адаптация предобученной модели) — от 50–150 тыс. руб. в типичном случае.
• Пользовательское обучение и интеграция в систему с оборудованием — 150–500 тыс. руб., зависит от количества камер и требований.
• Edge-устройства: Jetson Nano ~10–20 тыс. руб., Jetson Xavier/AGX — дороже. NVR с аналитикой — смотрите в каталоге y-ss.ru.

Типовая схема проекта (шаг за шагом)

1. Определить задачу и нужные классы объектов.
2. Собрать репрезентативное видео и кадры.
3. Разметить данные и проверить качество аннотаций.
4. Дообучить предобученную модель, провести валидацию.
5. Развернуть на выбранной платформе (edge/сервер).
6. Мониторить работу и собирать «реальные» примеры ошибок для дообучения.

Чек-лист перед запуском

• Есть ли разнообразные данные по условиям съёмки?
• Размечены ли достаточные примеры для каждого класса?
• Проверены ли метрики на валидации и тесте?
• Проработаны вопросы хранения и защиты данных?
• Определён порядок обновлений и дообучения модели?
• Совместимо ли оборудование с RTSP/ONVIF и можно ли интегрировать модель?

Маленькая хитрость: первые месяцы системы лучше работать в режиме «мониторинг и сбор ошибок» — сохраняйте кадры с ложными срабатываниями и дообучайте модель по мере накопления таких кейсов. Это даёт реальный прирост качества без больших затрат.

Если хотите подобрать оборудование или посмотреть готовые решения под разные задачи, загляните в каталог систем видеонаблюдения на y-ss.ru — там есть камеры, NVR и варианты с аналитикой, которые можно сразу использовать в проектах с AI.