Ракурс и скорость движения человека также может сказываться на эффективности «умных» видеокамер, считает председатель совета по противодействию технологическим правонарушениям КС НСБ России Игорь Бедеров.
Несмотря на активное внедрение в Северной столице «умных» видеокамер, их эффективность в борьбе с нарушителями по-прежнему вызывает вопросы у экспертов, которые объясняют проблемы уровнем освещенности и качеством оптики. Напомним, что сегодня в городе к комплексам ИИ подключены более 80 тыс. устройств, причем сотрудники ГАТИ расширяют использование нейросетей. Новая система позволяет автоматически находить мусор, сугробы, граффити и ямы на дорогах. Подробности — в материале обозревателя Business FM Петербург Дарьи Федотовой.
Масштабный проект стартовал еще в 2024 году. Тогда к системе подключили всего 20 тыс. камер наблюдения, которые работали лишь в четырех центральных районах Петербурга. Использование уже существующих устройств позволяет контролировать состояние улиц без привлечения дополнительных человеческих ресурсов. Кроме того, как отмечали в Смольном, система помогает предотвращать происшествия. По итогам 2025 года уличная преступность в городе, по официальным данным, снизилась на 19,5%. Число нарушений в общественных местах также сократилось на 10%. Всего за год было зарегистрировано 59 тыс. происшествий. Это минимум за последние пять лет. О том, как работают подобные системы видеонаблюдения, рассказывает сотрудник компании «АйТи Бастион» Дмитрий Михеев.
Сотрудник компании «АйТи Бастион» Дмитрий Михеев Как правило, используются те или иные инструменты под несколько задач одновременно. То есть история про контроль чистоты — это вполне конечные усилия, которые нужно применять для того, чтобы выделить что-то похожее на мусор на асфальте. Если будет та же камера обрабатывать, например, расположение машины или автомобили, которые паркуются на газоне, то там немного другие инструменты. Похожие, но другие. Они могут работать не торопясь, то есть им необязательно работать в ту же секунду. Они могут пожевать один сценарий, поработать над другим сценарием, постепенно обрабатывая поток.
Однако некоторые эксперты отмечают, что внедрение ИИ в системы видеонаблюдения может повлечь за собой технические сложности. Качающиеся ветки деревьев или дождь мешают нейросетям определять нарушителей. Так, в начале 2026-ого в Петербурге функция распознавания лица была доступна лишь для четверти устройств, сообщал «ДП» со ссылкой на комитет по информатизации и связи. Из более чем 115 тыс. камер соответствующим функционалом были оснащены лишь около 30 тыс. устройств. Эта проблема подтолкнула ученых петербургского Университета промышленных технологий и дизайна разработать способ для повышения точности систем распознавания лиц. О том, насколько эффективны такие камеры и какие еще могут возникать проблемы, рассказывает председатель совета по противодействию технологическим правонарушениям Координационного совета негосударственной сферы безопасности (КС НСБ) России Игорь Бедеров.
Председатель совета по противодействию технологическим правонарушениям КС НСБ России Игорь БедеровЗдесь эффективность измеряется не в абстрактных уровнях безопасности, а в каких-то конкретных показателях. Это чистые улицы, отсутствие жалоб от населения и даже снижение, в том числе, и преступности. Важно отметить, что видеоаналитика — это всегда технология вероятностная, она не абсолютна. Точность распознавания зависит от десятка факторов: освещенности, ракурса, качества оптики, скорости движения человека и режима дня. В ночное время без дополнительного освещения, показывается снижение примерно трехкратной производительности, до 60% идентификации может быть потеряно.
Добавим, что ранее в аппаратно-программный комплекс «Безопасный город» включили 50 камер наружного наблюдения крупного торгово-развлекательного комплекса. Он находится в Московском районе. Сегодня в систему включено более 117 тыс. подобных устройств. В их числе — камеры в метро, на вокзалах и стадионах.