Обычная система видеонаблюдения снимает, показывает картинку онлайн и хранит архив. Но решать, что в кадре важно, по‑прежнему приходится человеку: смотреть трансляцию или перематывать запись в поисках нужного момента. Видеоаналитика берёт часть этой работы на себя. Она сама замечает события в кадре, присылает уведомление, считает людей и машины и помогает быстро найти нужный фрагмент в архиве. Разберём, что именно она умеет, как каждая функция выглядит в работе и где возможности заканчиваются.
Коротко
- Видеоаналитика — это программа, которая разбирает видео с камер и сама находит заданные события: человека в закрытой зоне, очередь у кассы, номер машины, дым.
- Основные возможности — умная детекция движения, контроль зон, поиск по архиву, подсчёт людей, тепловые карты, контроль очередей, распознавание номеров и лиц, детекция дыма и огня, контроль средств защиты и состояния водителя.
- Каждая функция предъявляет свои требования к камере, её высоте, углу и освещению. Обзорная камера в углу справляется далеко не со всем.
- Аналитика не заменяет охранную сигнализацию и человека, который принимает решения. Ложные срабатывания и пропуски бывают у любой системы.
Что такое видеоаналитика и чем она отличается от обычного видеонаблюдения
Видеоаналитика добавляет к камере программу, которая разбирает видеопоток и выделяет в нём события по заданным правилам. Современные системы опираются на нейросети, обученные различать людей, машины, животных, предметы, дым и огонь. Поэтому они не просто фиксируют изменение картинки, а понимают, что именно появилось в кадре.
Из этого складываются три вида задач. Первая — реагировать на события: система замечает нарушителя, дым или оставленную сумку и сразу присылает уведомление. Вторая — собирать данные: считать посетителей и машины, строить тепловые карты, следить за очередями и полками. Третья — работать с архивом: находить нужный эпизод по описанию, а не перематывать часы записи.
Возможности видеоаналитики
Умная детекция движения
Обычный детектор движения сравнивает соседние кадры и срабатывает, когда меняется картинка. Её меняют и качающиеся ветки, и тени, и дождь, поэтому ложных тревог много. Нейросетевой детектор сначала определяет, что за объект в кадре, и только потом решает, тревога это или нет. Если настроить уведомления только о людях и машинах, ветки, тени и животные будут поднимать тревогу гораздо реже.
Детектор движения в камере — это программа, которая анализирует изображение. Его не следует путать с отдельным датчиком движения, который ставят в охранной сигнализации или для включения света. Такой прибор видео не снимает, а реагирует, например, на тепловое излучение человека.
Пример. Камера у ворот склада ночью без аналитики может присылать десятки уведомлений из‑за ветра и бродячих собак, и через неделю на них перестают смотреть. С фильтром по типу объекта уведомление приходит, когда в кадре появился человек или машина. Заодно экономится место в архиве, если писать видео только по событиям.
Пересечение линии и вторжение в зону
На изображении с камеры рисуют линию или многоугольник, задают направление и время, когда правило действует. Система сообщает, если линию пересекли в нужную сторону или в зону кто‑то вошёл.
Пример. Линия у служебного входа в магазин включена с 22:00 до 8:00. Ночью сотрудник охраны получает уведомление с фрагментом видео, когда кто‑то заходит со стороны двора. Днём то же правило отключено, и грузчики ходят спокойно. На производстве зону рисуют вокруг работающего станка или пресса, и ответственный узнаёт, что в неё зашёл человек.
Проход вслед за другим человеком
Система следит за дверью или турникетом и замечает, если сразу за одним человеком проходит второй. В англоязычных материалах это называют tailgating («проход на хвосте»).
Пример. Сотрудник открывает дверь серверной своей картой, а за ним, не прикладывая пропуск, проходит посторонний. Камера фиксирует два прохода подряд и сообщает охране. Если система связана с контролем доступа, она сопоставляет видео с числом приложенных карт.
Оставленные и пропавшие предметы
Детектор запоминает фон и сообщает, если в зоне появился новый предмет и пролежал дольше заданного времени или, наоборот, что‑то исчезло.
Пример. В холле бизнес‑центра у стойки охраны полчаса стоит чужая сумка, и охранник получает уведомление. В музее или салоне с дорогими образцами система замечает, что с витрины пропала вещь. Много ложных срабатываний бывает в людных местах, где вещи постоянно ставят и забирают, и там, где предметы часто переставляют по работе, например на складе или в зоне выдачи заказов.
Долгое пребывание в зоне
Система отслеживает, сколько времени человек или машина находятся на одном месте, и сообщает, если время превысило порог.
Пример. Машина стоит у пожарного проезда дольше десяти минут, и администратор получает уведомление. Человек больше получаса находится у банкомата или у служебной двери. Тот же принцип помогает отследить обратное, когда на рабочем месте долго никого нет. Например, если на складе в зоне приёмки меньше заданного числа сотрудников, руководитель сразу узнаёт об этом.
Необычная активность
Некоторые системы сами изучают, как обычно выглядит движение в кадре, и отмечают то, что из этой картины выбивается: непривычную скорость, направление, место или, наоборот, отсутствие движения там, где оно обычно есть. Правила для каждого случая заранее задавать не нужно.
Пример. На парковке машины обычно едут по проездам и встают на места. Ночью автомобиль начинает кружить по пустой площадке, и система помечает этот эпизод для охранника. Само по себе отклонение ещё не нарушение, это сигнал посмотреть внимательнее.
Поиск по архиву
Параллельно с записью система сохраняет данные об объектах в кадре: что двигалось, где, какого размера и цвета, с какой скоростью. Потом по этим данным можно искать, не пересматривая запись подряд. В части систем поиск идёт и по фото человека или по автомобильному номеру.
Пример. На складе пропала коробка, и никто не знает когда. Вы задаёте условие «движение в зоне стеллажа № 3 за последние трое суток» и получаете десяток отрывков вместо 72 часов видео. Если клиент жалуется, что его машину задели на парковке, можно найти все моменты, когда рядом с ней останавливался другой автомобиль. Гарантии, что поиск найдёт абсолютно всё, нет, но круг сужается в разы.
Видеосводка событий
Система собирает в один короткий ролик все объекты, которые проходили через кадр за долгий период, и показывает их одновременно, каждого с отметкой времени. По клику на человека или машину открывается исходный момент записи. В англоязычных материалах это называют Video Synopsis («видеосводка»), одна из известных разработок — у компании BriefCam.
Пример. Ночь на складе укладывается в пару минут, где одновременно видны все, кто заходил в зону. Охранник замечает человека с тележкой в три часа ночи, кликает на него и переходит к полной записи.
Таймлапс
Строго говоря, это не искусственный интеллект, а обработка видео, но такая функция часто входит в пакеты аналитики. Система сохраняет кадры через заданный интервал и собирает из них короткий ускоренный ролик. Несколько дней или месяцев умещаются в несколько минут.
От видеосводки таймлапс отличается тем, что просто ускоряет запись. Всё, что произошло между сохранёнными кадрами, в ролик не попадает, и человек, который быстро прошёл через кадр, может в нём не оказаться. Видеосводка, наоборот, находит в записи каждый движущийся объект и показывает всех сразу. Поэтому таймлапс подходит, чтобы увидеть общую картину за долгий срок, а видеосводка — чтобы ничего не упустить при разборе событий.
Пример. Строительная компания показывает заказчику ход работ за полгода в трёхминутном ролике и использует его в рекламе. Управляющий видит, как менялась загрузка парковки за неделю, не пересматривая архив.
Межкамерное отслеживание
Система связывает появление одного и того же человека или машины на нескольких камерах и строит маршрут по территории. Функция сложнее остальных, потому что объект нужно узнать при переходе из одного кадра в другой по одежде, форме и времени.
Пример. После кражи на складе охрана видит, откуда человек пришёл, через какие помещения прошёл и где вышел, не переключаясь вручную между десятком камер. На большой территории так восстанавливают путь машины от въезда до места погрузки.
Автосопровождение поворотной камерой
Поворотная камера (PTZ, от английского Pan‑Tilt‑Zoom — поворот, наклон, приближение) замечает движущийся объект, сама поворачивается за ним и приближает изображение. Когда объект уходит из зоны обзора, камера возвращается в исходное положение.
Пример. Ночью на большой открытой стоянке камера замечает человека у забора, разворачивается и ведёт его, пока он не уйдёт из зоны обзора. Пока камера следит за одним объектом, остальная территория остаётся без присмотра, поэтому её обычно ставят в дополнение к неподвижным камерам. Функция работает только на поворотных моделях и при достаточном освещении или с подсветкой.
Подсчёт посетителей и пешеходного трафика
Камера над входом считает, сколько людей зашло и вышло. Другая камера, направленная на улицу, считает, сколько прошло мимо. Данные копятся в отчётах по часам, дням и точкам.
Пример. Владелец кофейни сравнивает поток прохожих у витрины с числом зашедших и видит, сработала ли новая вывеска. Сеть магазинов сопоставляет число посетителей с числом чеков и получает конверсию, то есть долю посещений, которые закончились покупкой. Точность у такой конверсии условная (один покупатель может пробить два чека, а семья из трёх человек обойтись одним), но сравнение по дням и точкам хорошо показывает, где теряются клиенты. Арендодатель торгового центра по тем же данным обосновывает разную ставку аренды для разных участков.
Тот же принцип работает с транспортом. Система считает машины, отличает легковые от грузовых и автобусов, отслеживает направления движения и заполненность парковки.
Тепловые карты
Система цветом отмечает участки кадра, где движение было самым интенсивным. Чем больше движения, тем ярче зона. Карту строят за выбранный период, например за день или только за выходные.
Пример. В магазине одежды тепловая карта показывает, что к стойке с новой коллекцией почти не подходят, а у примерочных постоянно толпятся. После перестановки карту сравнивают с прежней и видят, изменилась ли картина. В кафе карта показывает, где посетители чаще проходят и где образуется затор у кассы. А вот занятость столиков она покажет плохо, ведь сидящий человек почти не двигается. Для этого нужна аналитика присутствия в зоне.
Контроль очередей
Нейросеть распознаёт людей в заданной зоне, считает их и отправляет уведомление, когда очередь стала длиннее заданного значения.
Пример. В гипермаркете у кассы собралось больше пяти человек, и старший смены получает уведомление на телефон, даже если сейчас он в другом конце зала или на складе. Он открывает дополнительную кассу. В отделении банка по статистике за месяц видно, что пик приходится на вечер пятницы, и график смен меняют под него.
Скопление людей
Похожая функция, но рассчитанная на большие пространства. Система сообщает, когда число людей в зоне превысило порог, и часто позволяет задать два уровня, «внимание» и «тревога».
Пример. На входе в концертный зал или на территории парка во время праздника охрана заранее видит, где собирается толпа, и направляет туда своих сотрудников. В торговом центре так следят за загрузкой фуд‑корта.
Пустые полки
Система сравнивает изображение полки или стеллажа с эталонным, заполненным, и сообщает, когда на месте товара появляется пустота.
Пример. В супермаркете заканчивается молоко на вечерней выкладке, и сотрудник торгового зала получает уведомление, не дожидаясь обхода. Камеру для этого ставят напротив стеллажа, чтобы полки были видны целиком и их не заслоняли покупатели.
Распознавание автомобильных номеров
Камера считывает номер, сверяет его со списком и выполняет заданное действие. Номер имеет стандартный формат, поэтому распознавать его проще, чем лица. Попутно складывается журнал въездов и выездов.
Пример. На въезде на склад шлагбаум сам открывается для машин из списка, а о чужой машине уведомление получает охранник. Управляющая компания жилого комплекса видит, кто паркуется во дворе без пропуска. Чтобы аналитика управляла шлагбаумом, нужна совместимая камера, обычно с релейным выходом.
Для надёжного распознавания камеру ставят так, чтобы номер попадал в кадр крупно и под небольшим углом. Ночью нужна ИК‑подсветка, а машина не должна проезжать слишком быстро. Поэтому такие камеры ставят на въездах и у шлагбаумов, где машины притормаживают.
Распознавание лиц
Система находит лица в кадре, сравнивает их с фотографиями в базе и рассчитывает степень сходства. Если она выше заданного порога, приходит уведомление о возможном совпадении. Число на экране, даже если оно выглядит как проценты, не означает вероятность того, что человек определён верно. Помимо уведомлений, такие системы строят отчёты о числе уникальных посетителей, повторных визитах и времени, которое человек провёл на объекте. Некоторые заявляют ещё и оценку пола, возраста и эмоций. Такая оценка приблизительна, а выражение лица само по себе не говорит достоверно, что человек чувствует, поэтому отчёт об эмоциях не равен оценке удовлетворённости клиентов.
Пример. Сотрудники проходят в офис без карт, по лицу. В салоне красоты администратор получает уведомление, что пришла постоянная клиентка. В магазине охрана узнаёт, что зашёл человек, который уже попадался на краже.
Результат сильно зависит от установки. Лицо должно быть видно анфас, крупно и при ровном свете, без резких теней и бликов. В профиль и снизу системы распознают лица заметно хуже. Поэтому камеру вешают примерно на уровне лица, а разрешение подбирают под расстояние до человека, чем дальше, тем выше. Обзорная камера под потолком такие условия не обеспечит.
Учтите юридическую сторону. Когда изображение лица используют, чтобы установить личность, оно становится биометрическими персональными данными. По статье 11 закона № 152‑ФЗ «О персональных данных» на их обработку нужно письменное согласие человека, и заставить сотрудника его дать нельзя, поэтому для несогласных нужен другой способ пройти, например карта. Перед запуском такой функции лучше посоветоваться с юристом.
Детекция дыма и огня
Нейросеть анализирует цвет, форму и движение в кадре и замечает дым или открытое пламя. Отдельные датчики для этого не нужны, работает обычная IP‑камера.
Пример. На открытой площадке склада, где обычный дымовой извещатель не поставить, камера замечает тлеющий поддон и присылает уведомление с видео. В высоком ангаре или паркинге видеодетектор может увидеть дым раньше, чем он дойдёт до потолочного датчика. Важно понимать, что сертифицированную пожарную сигнализацию это не заменяет, а дополняет.
Контроль средств защиты
Система распознаёт, есть ли на человеке каска, жилет или другая обязательная экипировка, и сообщает о нарушении. Похожие детекторы замечают курение в неположенном месте.
Пример. На стройке или в цеху рабочий заходит в опасную зону без каски, и ответственный за охрану труда получает уведомление с кадром. Запись остаётся как подтверждение нарушения. На автозаправке система сообщает о курении у колонок. Такие сценарии обычно настраивают под конкретный объект и форму одежды.
Контроль качества продукции
Камера над конвейером проверяет каждое изделие: есть ли все детали, правильно ли наклеена этикетка, нет ли царапин, вмятин или брака упаковки. При отклонении система подаёт сигнал или отбраковывает изделие.
Пример. На линии розлива камера замечает бутылку без крышки или с перекошенной этикеткой, и её снимают с ленты. На линии упаковки проверяют, что в коробке лежит нужное число товаров.
Это направление называют машинным, или техническим, зрением. Принцип у него тот же, что у видеоаналитики, но оборудование обычно другое: специальные промышленные камеры с высокой скоростью съёмки, постоянной подсветкой и точной настройкой под конкретную линию. Обычная камера видеонаблюдения с такой задачей, как правило, не справится, поэтому такие системы подбирают отдельно, вместе с производителями оборудования для конкретного производства.
Обнаружение падений
Система отслеживает положение тела человека и замечает, что он поскользнулся или упал, после чего отправляет уведомление.
Пример. В проходе склада сотрудник падает, работая один в смене. Диспетчер получает уведомление, смотрит запись и отправляет помощь, не дожидаясь обхода. В учреждениях ухода за пожилыми людьми так быстрее узнают о падении в коридоре. Если человека заслоняют стеллажи или другие люди, система может падение пропустить, поэтому полагаться только на неё нельзя.
Контроль состояния водителя
В кабине ставят камеру, направленную на водителя, и часто вторую, направленную на дорогу. Первую систему называют DMS (Driver Monitoring System — система контроля состояния водителя), вторую ADAS (Advanced Driver Assistance Systems — системы помощи водителю), а такую аналитику в целом называют внутрикабинной. Компьютер в машине анализирует видео на месте и замечает признаки засыпания, отвлечение, разговор по телефону, курение и опасное сокращение дистанции.
Пример. Водитель междугороднего автобуса начинает клевать носом, система по движению глаз и головы замечает это и сразу подаёт звуковой сигнал. Диспетчер получает уведомление с видео и местом на карте. Такие решения рассчитаны на автопарки, а не на одну машину.
Контроль самих камер
Отдельная группа детекторов следит не за объектом, а за камерой. Они замечают, что объектив закрыли рукой или заклеили, камеру повернули, изображение расфокусировалось или засвечено фонарём, пропал видеопоток.
Пример. Ночью кто‑то разворачивает уличную камеру к стене, и владелец сразу получает уведомление, а не узнаёт о проблеме через неделю, когда понадобилась запись. Летом паук затягивает объектив паутиной, и система сообщает, что картинка испорчена.
Маскирование людей в кадре
Система сама находит лица или силуэты людей и размывает их на видео. Само размытие — это обработка видео, а вот найти в кадре людей и следить за ними, пока они двигаются, может только аналитика. Бывает и простой вариант без аналитики, когда закрывается заранее выбранная область кадра. Если исходная запись хранится отдельно, сотрудник с нужными правами может открыть её без маски. Если размытие наложено необратимо ещё до записи, восстановить скрытое уже нельзя.
Пример. Камера смотрит на улицу или в общий коридор, где ходят посторонние, и их лица на трансляции размыты. Если случится инцидент, ответственный сотрудник откроет исходную запись. Так проще соблюдать требования к персональным данным, особенно когда доступ к трансляции есть у многих сотрудников.
Сервер, камера или облако: где работает видеоаналитика
От того, где обрабатывается видео, зависят цена, требования к сети и набор функций.
- В камере. Аналитика работает прямо на устройстве, события определяются без обращения к внешнему серверу. Если наружу уходят только уведомления и короткие фрагменты, интернет почти не нагружается. Но если полное видео при этом пишется в облачный архив, скорость подключения всё равно нужна достаточная. Набор функций ограничен возможностями камеры, иногда его расширяют обновлением прошивки.
- На видеорегистраторе или своём сервере. Функций больше, их можно расширять, к системе подключаются камеры разных производителей. Но нужен производительный компьютер, а для нейросетевой аналитики часто ещё и видеокарта, плюс специалист, который всё это настроит и будет обслуживать.
- В облаке. Видео обрабатывается на серверах провайдера, а вы смотрите результат в приложении. Своё оборудование, кроме камер, покупать не нужно, аналитика подключается и отключается по мере надобности. Ограничение одно, но важное, ведь облаку нужен стабильный интернет на объекте.
Часто эти варианты совмещают. Быстрые события определяются на объекте, а поиск по большому архиву и тяжёлые модели работают в облаке. Для небольшого бизнеса облачный вариант обычно проще всего, особенно если точек несколько. Крупному производству с сотнями камер и строгими требованиями к хранению данных чаще подходит собственный сервер.
Если выбираете облако, заранее выясните, что произойдёт при отключении интернета. Некоторые камеры продолжают запись на карту памяти и после восстановления связи передают её в облако. Но уведомления и удалённый просмотр в это время будут недоступны.
Чего видеоаналитика не умеет
Производители охотно рассказывают, что их системы видят всё. Реальность скромнее, и знать её пределы полезно до покупки, а не после.
Аналитика не заменяет охранную сигнализацию. Камеру можно ослепить, у неё бывают слепые зоны, ночью и в непогоду точность падает. Датчики охранной сигнализации и тревожная кнопка работают по другому принципу и подстраховывают видео. Обычно эти системы ставят вместе, и камера дополняет сигнализацию, а не заменяет её.
Аналитика не заменяет человека. Она снимает с оператора обязанность смотреть на экраны часами, но реагировать на событие всё равно кому‑то придётся. Кто будет получать уведомления и что делать с каждым из них, лучше решить до запуска.
Ложные срабатывания будут всегда. Вопрос не в том, есть ли они, а в том, сколько их вы готовы терпеть. Если система будет присылать десятки ложных тревог в день, на уведомления скоро перестанут обращать внимание. Помогает настройка зон и порогов и правильное размещение камер.
Сложное поведение распознаётся хуже. Система может принять объятия за драку или не отличить человека, который прячет товар под куртку, от того, кто полез за кошельком. Направление движения против потока, бег, долгое стояние на месте определяются уже неплохо. А вот намерения человека по видео надёжно не угадывает ни одна система.
Одна камера не умеет всё сразу. У каждой функции свои требования к высоте, углу и свету. Камера над входом для подсчёта людей плохо видит лица, а специальная камера для номеров часто только номера и распознаёт. Под несколько задач нередко нужно несколько камер.
Куда движется технология
За рубежом главная тема последних лет — модели, которые понимают и изображение, и обычный текст. В англоязычных материалах их называют VLM (Vision‑Language Models — модели, совмещающие зрение и язык). На их основе появился поиск по архиву обычной фразой. Вместо того чтобы выбирать в фильтрах цвет, зону и время, оператор пишет запрос вроде «человек в красной куртке у погрузочной зоны около трёх часов дня» и получает подходящие отрывки. Такой поиск уже работает в облачной платформе канадской компании Genetec, его выпустил производитель Uniview (с поддержкой части камер других марок), а компания Luminys анонсировала похожую функцию в 2026 году.
Следующий шаг — тревоги, которые задаются описанием, а не правилами. Стартап Conntour предлагает настраивать уведомления фразами на обычном языке, например «сообщи, если кто‑то прячет товар под одежду». Пока это заявки разработчиков, и насколько надёжно такие сценарии работают на реальных объектах, станет понятно позже. Сами разработчики признают, что лучше всего системы справляются с запросами о конкретном человеке или предмете с понятными приметами.
Аналитики консалтинговой компании Verdantix в материалах по обзору 2026 года отмечают, что такие модели уходят от громоздкой настройки правил, которая раньше тормозила внедрение видеоаналитики. Насколько они смогут заменить привычные детекторы, зависит от задачи и качества модели. Вторая заметная тенденция — перенос обработки в саму камеру или на устройство на объекте, чтобы система продолжала работать и без связи.
Есть у этой тенденции и обратная сторона. Чем проще искать людей по описанию, тем важнее ограничения. Тот же Genetec, к примеру, не принимает запросы по расе, этнической принадлежности, возрасту, здоровью, религии, политическим взглядам и другим чувствительным признакам, а также субъективные запросы, которые нельзя проверить по изображению. В российских условиях на новые возможности будут распространяться требования закона о персональных данных.
Как проходит внедрение видеоаналитики
- Сформулируйте задачу. Не «хочу умные камеры», а «хочу знать, когда очередь длиннее пяти человек» или «хочу, чтобы шлагбаум открывался для машин сотрудников». От задачи зависит и выбор функции, и требования к камере. На больших объектах, например на складе, в торговом центре или на производстве, расположение камер лучше доверить специалистам.
- Проверьте, что уже есть. Возможно, ваши IP‑камеры подходят для нужной аналитики. Сверьте их разрешение, частоту кадров и светочувствительность с требованиями системы и уточните, устроит ли скорость интернета на объекте.
- Подумайте о размещении камер. Для подсчёта посетителей камеру вешают над входом, для номеров — на въезде крупным планом, для лиц — на уровне лица в хорошо освещённом месте.
- Протестируйте на своём объекте. Заявленная точность получена в хороших условиях, ваши могут быть другими. На пилоте смотрите на два показателя: сколько реальных событий система пропустила и сколько тревог оказались ложными. Например, за неделю сотрудники вручную отметили 50 случаев входа в закрытую зону, а аналитика заметила 45 и выдала ещё 12 ложных предупреждений. Такой результат говорит гораздо больше, чем цифра точности из рекламы. Проверяйте в разных условиях: днём и ночью, в пустом и заполненном зале, в хорошую и плохую погоду, если камеры уличные.
- Решите, кто реагирует. Назначьте ответственного за уведомления и договоритесь, что он делает с каждым типом события.
- Определите правила доступа и хранения. Решите, кто может смотреть трансляции, выгружать и удалять записи. Выберите срок хранения архива и предусмотрите, как сохранять важные фрагменты дольше. Сотрудникам лучше давать доступ только к тем камерам, которые нужны им по работе.
- Посчитайте полную стоимость. Помимо подписки или лицензии, в неё входят камеры, монтаж, интернет и хранение архива. Сравнивайте варианты по сумме за год‑два, а не по стартовой цене.
Решения МТС
Облачное видеонаблюдение с аналитикой
Облачное видеонаблюдение МТС позволяет подключить аналитику поверх обычной записи отдельными модулями: подсчёт посетителей и пешеходного трафика, тепловые карты, контроль очередей, распознавание номеров, детекцию дыма и огня, распознавание лиц и таймлапс. Записи хранятся в облаке, смотреть камеры и получать уведомления о событиях можно с компьютера или телефона. Сервис также сообщает, если камеру закрыли или она перестала работать, а в архиве можно искать по событиям.
Подключить можно камеры МТС или совместимые IP‑камеры других производителей.
«SKAI. Видеоаналитика» для автопарков
«SKAI. Видеоаналитика» рассчитана на автобусы и микроавтобусы, её также применяют в логистике и при перевозке опасных грузов. Камеры направлены на водителя и на дорогу, а система замечает засыпание, отвлечение внимания, разговор по телефону, курение за рулём и несоблюдение дистанции. Предупреждение водитель получает сразу, даже без сотовой связи, а диспетчер видит событие с видеозаписью и местом на карте. Биометрические данные водителей система не обрабатывает. Внедрение рекомендуется начать с пилота на нескольких машинах, после чего решение распространяется на весь автопарк.
