Исследования внимания операторов видеонаблюдения дают жестокую цифру: уже через 20 минут наблюдения за видеостеной человек пропускает большую часть значимых событий. А детекторы движения, призванные помочь, делают только хуже — они кричат на каждую тень, кошку и качающуюся ветку. Разбираем, почему так происходит и как это чинится архитектурно.
Почему детекторы шумят
Классическая видеоаналитика — это один алгоритм, который смотрит на один кадр и принимает окончательное решение. У такого подхода фундаментальный порок: на уровне одного кадра тень от облака действительно похожа на движение, спецовка — на жилет, дрель — на пистолет. Порог чувствительности приходится выбирать между двумя злами:
- чувствительный — и пульт тонет в ложных срабатываниях, которые быстро приучают всех их игнорировать;
- грубый — и система молчит в момент настоящего вторжения.
Обе настройки заканчиваются одинаково: реальное событие пропущено. Не потому что алгоритм плох, а потому что решение принимается на месте и один раз, без контекста.
Как решает человек — и как должна решать машина
Опытный оператор, увидев подозрительное движение, не жмёт тревожную кнопку. Он смотрит запись на полминуты назад, переключается на соседнюю камеру, вспоминает график смен, проверяет, не ждут ли сегодня доставку. То есть — проводит маленькое расследование.
Именно это делает платформа Watchdog: не «классифицирует кадр», а расследует событие. Дешёвые ноды на объекте срабатывают чувствительно и мгновенно, а центральный сервер-мозг разбирает каждое срабатывание как оператор — только за секунды и круглосуточно.
Получив сигнал от ноды, сервер сам запрашивает контекст до и после события, восстанавливает маршрут человека по всем камерам, сверяется со списками сотрудников и жильцов, перепроверяет смежный ракурс — и только после этого решает: тревога или шум.
Воронка событий: из тысяч — единицы
На реальном объекте это выглядит как воронка. За сутки ноды дают тысячи срабатываний — и это нормально, они и должны быть чувствительными. Сервер проводит десятки расследований. До человека доходят единицы событий — подтверждённых, с приложенным клипом, маршрутом и рекомендацией:
| УРОВЕНЬ | ЗА СУТКИ | ЧТО ПРОИСХОДИТ |
|---|---|---|
| Ноды | ~4 200 срабатываний | движение, люди, машины, позы — фиксируется всё |
| Сервер-мозг | ~37 расследований | контекст, маршруты, базы, смежные камеры |
| Человек | 2–3 события | подтверждённая тревога + отчёт + выполненные автодействия |
99% шума гаснет внутри системы. При этом ни одно событие не теряется: всё записано в журнал, и по любому объекту можно поднять историю.
Автодействия: система реагирует раньше человека
Подтверждённая тревога — это не только уведомление. Сервер сам включает прожектор, даёт голосовое предупреждение через громкую связь, при необходимости — сирену, и формирует человекочитаемый отчёт. На практике большинство ночных попыток проникновения заканчиваются на этапе голосового предупреждения — человек уходит до приезда наряда.
Что это меняет для охранного бизнеса
- Один оператор спокойно ведёт в разы больше объектов — рутину сняла машина;
- KPI охраны становятся объективными: каждое событие задокументировано;
- Заказчик получает не абонплату за «камеры пишут», а живой отчёт: что происходило и что сделано;
- Ложные выезды групп реагирования — главная статья лишних расходов — сходят на нет.
Как та же архитектура работает на стройке — в статье про контроль СИЗ, в магазине — в статье про ритейл. Полное описание платформы — на главной.