Интеллектуальная видеоаналитика, которую настраивают словами: что такое Text-Defined Alarm от Dahua

Интеллектуальная видеоаналитика долго жила по одному сценарию: нужное вам событие либо есть в списке функций камеры, либо его нет. Если нет — оставался только один путь: заказывать разработку алгоритма под задачу.

Dahua предлагает другой подход. Функция Text-Defined Alarm в мультимодальных моделях Xinghan (серия M) позволяет описать событие обычным текстом и получить работающее правило тревоги. Без программиста и без собственной обучающей выборки.

Разбираем, что это за технология, как она устроена, какие задачи ей реально по силам и в каких случаях вам она не нужна. Все заявления о возможностях ниже — данные производителя: Dahua не публикует цифр точности, и мы это отдельно отмечаем.

Короткий ответ

Text-Defined Alarm — функция мультимодальных моделей Dahua Xinghan (серия M): пользователь создаёт собственное правило тревоги, описав событие обычным текстом, без программирования. По данным Dahua, раньше под новое событие обучали отдельную нейросеть около месяца, а текстовая тревога создаётся за секунды. Функция заявлена для регистраторов старших серий, работающих и с обычными камерами.

В статье разберём

1. Что такое интеллектуальная видеоаналитика и как она дошла до описаний словами
2. Что именно Dahua называет Text-Defined Alarm и зачем его придумали
3. Как технология работает — общий принцип мультимодальных моделей
4. Чем текстовое правило отличается от обученного под заказ алгоритма: таблица
5. Как формулировать описание события, чтобы правило сработало
6. Какое оборудование поддерживает функцию
7. Куда приходит тревога и как не утонуть в уведомлениях
8. Честные ограничения технологии
9. Кому функция полезна и кому избыточна

Для кого эта статья

• Главным инженерам и службам безопасности предприятий, складов, логистических комплексов
• Ритейлу и управляющим компаниям, у которых есть события вне стандартного списка аналитики
• Тем, кто ранее рассматривал или заказывал разработку алгоритма под собственную задачу
• Монтажникам и интеграторам, которые подбирают оборудование под нестандартное ТЗ
• Частным клиентам, которым нужно понять, нужна ли им такая функция вообще (спойлер — чаще нет)

Что такое интеллектуальная видеоаналитика?

Интеллектуальная видеоаналитика — это автоматический анализ видеопотока, при котором система сама распознаёт заданные события и поднимает тревогу, а не просто пишет архив. Оператор смотрит не всё подряд, а только то, что система сочла событием.

Развитие технологии шло четырьмя шагами, и путать их между собой — главная причина завышенных ожиданий:

1. Детектор движения. Камера сравнивает кадры и реагирует на изменение пикселей. Листва, дождь, свет фар — всё это события.
2. Правила с распознаванием людей и машин. Пересечение линии, вход в зону, оставленный предмет. Система уже отличает человека от машины и от собаки, поэтому ложных тревог в разы меньше.
3. Алгоритмы, обученные под конкретное событие. Каска, спецодежда, курение, открытый капот — отдельная нейросеть под каждый случай.
4. Описание события словами. Та ступень, на которой находится Text-Defined Alarm.

Третья ступень — узкое место. По данным Dahua, разработка алгоритма под новое событие занимала около месяца: сбор данных, разметка, разработка под устройство, обучение свёрточной нейросети (CNN) и загрузка её в устройство. Для разовой задачи на одном объекте это дорого и долго.

Что такое Text-Defined Alarm от Dahua?

Text-Defined Alarm (TDA) — функция мультимодальных моделей Dahua Xinghan серии M. Вы формулируете событие обычным текстом, и система создаёт из этого описания правило тревоги. Dahua описывает это как возможность «создать алгоритм одними словами».

Пример, который приводит сам производитель: тревога «человек толкает детскую коляску». Ни в одном стандартном наборе функций такого события нет, и под него никто не станет обучать отдельную модель. Текстовое правило создаётся и запускается за секунды.

Производитель называет четыре преимущества:

• Нет технического порога входа. Правило настраивает пользователь, а не разработчик.
• Дешевле. Не нужно собирать и размечать данные и обучать модель.
• Гибкость. Разные сценарии закрываются простым текстом.
• Тревоги в реальном времени — в локальном и веб-интерфейсе, в приложении DMSS и в платформе DSS.

Отдельно Dahua заявляет самообучение: алгоритм дообучается и оптимизируется прямо на том же устройстве (производитель называет IVSS), поэтому с использованием становится точнее. Девиз Dahua здесь — «чем больше пользуешься, тем точнее». Как именно оператор участвует в этом дообучении — например, отмечает ли он ложные срабатывания — производитель не описывает.

Семейство Xinghan включает и другие функции — текстовый поиск по архиву WizSeek, помощник в настройке правил AI Rule Assist. Их разберём в отдельных статьях, здесь речь только о тревогах.

Как работает видеоаналитика событий по описанию?

Коротко: модель переводит и кадр, и текст правила в числовое «описание смысла» и поднимает тревогу, когда происходящее в кадре достаточно близко к описанию. Это общий принцип мультимодальных моделей — внутренние детали своей реализации Dahua не раскрывает.

Ключевое отличие от привычной схемы: обычный алгоритм знает ограниченный список классов («человек», «автомобиль», «каска») и ищет только их. Мультимодальная модель училась на связке «картинка — текст» в целом, поэтому способна соотнести кадр с формулировкой, которую никто заранее в неё не закладывал.

Отсюда и главное практическое следствие. Качество правила зависит не от программиста, а от того, насколько точно вы сформулировали событие. Настройка видеоаналитики превращается из технической задачи в задачу на формулировку.

Чем текстовое правило отличается от обученного алгоритма?

Разница — в скорости запуска, гибкости и предсказуемости результата. Старые подходы точнее в узкой задаче, новый — гибче в нестандартной. Сравнение по ступеням:

Обратите внимание на последнюю строку таблицы. Обучение видеоаналитики под задачу в старой схеме выполнялось вне объекта — модель приходила готовой. В TDA, по заявлению Dahua, дообучение идёт на самом устройстве.

Как правильно сформулировать описание события?

Формула простая: объект + действие + контекст. «Автомобиль стоит на газоне» работает лучше, чем «нарушение парковки», потому что второе — оценка, а не наблюдаемый факт.

Четыре правила, которые мы советуем держать в голове при настройке:

• Одно событие на одно правило. Не пытайтесь уложить в текст два разных случая — разведите их по разным тревогам.
• Конкретно, без оценочных слов. «Подозрительный», «неправильно», «нарушение» модель трактует непредсказуемо: она видит кадр, а не ваш регламент.
• Сочетайте с зоной и расписанием. Текст отвечает на вопрос «что», зона — «где», расписание — «когда». Вместе ложных тревог заметно меньше, чем от одного текста.
• Тестовый период обязателен. Неделя работы правила с разбором каждого срабатывания покажет, формулировка плохая или задача в принципе не решается.

Идеи описаний, которые имеет смысл проверить на демонстрации: машина стоит на газоне; ворота склада открыты в нерабочее время; человек на крыше; посторонний у кассы после закрытия. Это именно идеи для проверки, а не обещание результата.

Про язык описаний отдельно. Для текстового поиска WizSeek Dahua заявляет поддержку более 30 языков, включая русский. Для Text-Defined Alarm язык описаний производитель отдельно не указывает.

Какое оборудование поддерживает Text-Defined Alarm?

По странице Dahua, Text-Defined Alarm отнесён к профессиональному уровню и указан для регистраторов NVR5-XI/Pro и IVD5-I. В перечне совместимых устройств также значатся серии IVSS51-I, IVSS71-I, IVD5148-I и IVD5348-I.

Важный для бюджета момент: эти регистраторы работают и с обычными камерами без встроенной аналитики, в том числе сторонних производителей, и поддерживают дообучение. То есть парк камер на объекте менять не обязательно — вся «интеллектуальная» часть живёт на регистраторе.

Это принципиально отличает схему от варианта, когда аналитика считается в камере. Там за каждую умную функцию вы платите в каждой камере. Здесь — один раз в регистраторе, но регистратор нужен старшей серии.

Что из этого списка есть у нас на складе, в какие сроки возим и сколько это стоит — уточняйте. Подобрать совместимые камеры видеонаблюдения, регистраторы и PoE-коммутаторы под проект можно из нашего каталога: камеры, регистраторы, сетевое оборудование.

Куда приходит тревога от системы видеонаблюдения с оповещением?

По данным Dahua, тревоги Text-Defined Alarm приходят в реальном времени в локальный и веб-интерфейс устройства, в мобильное приложение DMSS и в платформу DSS. Выбор канала зависит от того, кто у вас реагирует на событие.

Разница между каналами на практике такая. Локальный и веб-интерфейс — для поста охраны или дежурного, который сидит у монитора. DMSS — для руководителя или собственника, которого нужно дёрнуть на телефон. DSS — для диспетчерской, где объектов много и нужны единый журнал и регламент обработки.

Главный риск любой камеры видеонаблюдения с оповещением — поток уведомлений, который через неделю перестают читать. Как этого избежать:

• Не включайте все правила сразу. Одно-два, пока не отладите формулировки.
• Привяжите правило к расписанию: ночная тревога по складу днём бессмысленна.
• Разведите адресатов: мелкие события — в журнал, критичные — в приложение.
• Раз в месяц пересматривайте список правил и выключайте те, по которым никто не реагирует.

На эту же тему полезны наши разборы умных функций на конкретных объектах — видеонаблюдение на производстве, современные технологии видеонаблюдения на складе и видеонаблюдение для отелей и гостиниц.

Какие у технологии ограничения?

Главное ограничение честное и простое: цифр точности производитель не публикует. Ни процента распознавания, ни доли ложных срабатываний. Значит, единственный способ понять, решает ли технология вашу задачу, — проверить её на вашем объекте.

Остальное:

• Абстрактные события описать текстом сложно и рискованно. «Драка», «подозрительное поведение», «кража» — это интерпретации, а не наблюдаемые действия. Строить на таких формулировках рабочий процесс мы не советуем.
• Физика никуда не ушла. Темнота, большое расстояние до объекта, перекрытия и плохой ракурс ломают любую аналитику, включая эту. Если камера не видит деталь, текст не поможет.
• Нужен регистратор старшей серии. Это ощутимая часть сметы, и на маленьком объекте она не окупается.
• Это помощь оператору, а не замена охраны. И не замена сертифицированных охранных систем: видеоаналитика не выполняет функцию охранной или пожарной сигнализации.

Сравнительная таблица: кому функция полезна, а кому избыточна?

Коротко: полезна там, где нужное событие не входит в стандартный набор аналитики и его не покрыть линией и зоной. Избыточна там, где хватает распознавания людей и машин.

Если вы в нижних двух строках — не переплачивайте за регистратор старшей серии. Наши работы по частным объектам собраны в разделе проектов для частных лиц: там обычная аналитика людей и машин решает всё.

Связанные категории товаров

• Камеры видеонаблюдения — стационарные камеры, в том числе без встроенной аналитики: с регистраторами старших серий они работают
• Поворотные камеры (PTZ) — для больших открытых площадок, где тревога должна сопровождаться приближением
• Регистраторы и NVR — ключевой элемент схемы: аналитика считается здесь
• Сетевое оборудование и PoE — коммутаторы и питание под камеры
• Оптовые поставки и B2B — для монтажников и интеграторов

Как мы можем помочь

Мы в RS-CAM с 2013 года проектируем, монтируем и обслуживаем видеонаблюдение в Волгограде и области. По новым функциям вроде Text-Defined Alarm наша позиция такая: сначала проверка на вашем объекте, потом смета.

Что мы делаем по такой задаче:

• Разбираем вместе с вами список событий, которые вы хотите поймать, и честно делим их на «решается текстовым правилом», «решается обычным правилом с зоной» и «не решается видеоаналитикой вообще».
• Считаем, нужен ли вообще регистратор старшей серии или задачу закрывает штатная аналитика людей и машин.
• Подбираем оборудование и камеры, в том числе под уже существующий парк.
• Монтируем и обслуживаем систему — услуга установки видеонаблюдения.

Отдельно про бюджет. Цен на оборудование с поддержкой TDA мы здесь не называем: курс и доступность моделей меняются, а устаревшая цифра хуже отсутствия цифры.

Главный вывод

Text-Defined Alarm — это не «умная камера», которая сама поймёт, что на объекте что-то не так. Это инструмент, который убирает месяц разработки между вашей задачей и работающим правилом тревоги.

Технология оправдана там, где событий много, они нестандартные и стандартная аналитика их не ловит. Производитель не публикует точность, поэтому решение принимается только после проверки на конкретном объекте с конкретными формулировками.

Если же ваша задача — видеть людей и машины и получать уведомление на телефон, остановитесь на обычной аналитике. Это дешевле и работает предсказуемо.

Вопросы и ответы (FAQ)