Эраст

Разработали систему мониторинга безопасности Erast на базе компьютерного зрения
Web
ИИ
Стартап
img

О клиенте

Эраст – это стартап в области компьютерного зрения (CV), который ставит перед собой задачу трансформировать системы видеонаблюдения в активные инструменты предотвращения угроз c помощью автоматического обнаружения подозрительных действий

Задача

Требовалось за 3 месяца создать MVP системы видеонаблюдения с ИИ-аналитикой для детекции подозрительных действий в реальном времени и административную панель для служб безопасности.

В системе необходимо было реализовать возможность работы в реальном времени с потоком в несколько десятков устройств и обучить систему обнаружировать кражи, нарушения и потенциальные угрозы.

Проблемы
и решения

Проект начался с обучения нейросетевой модели на собственном датасете, что позволило достичь 90% точности детекции типовых краж. Для разработки видеопотока использовались мобильные приложения OpenCV и кастомные алгоритмы, оптимизированные для розничной торговли.
Первоначальные проблемы с нагрузкой (1 сервер = 1-2 камеры) решили введением «ленивого» режима анализа – система активирует полную проверку только при обнаружении человека. Это снизило нагрузку в 10 раз, позволив одному серверу обрабатывать до 20 камер.

Мы реализовали:

  • Звуковые оповещения для быстрого реагирования
  • Переключение между объектами мониторинга
  • Подсветку камер с подозрительной активностью на дашборде


  • Новое подозрительное действие фиксируется, и камера, с которой поступила информация, подсвечивается красной рамкой. При нажатии на камеру событие открывается в модальном окне в увеличенном формате, при этом подсветка подозрительного события сохраняется до его просмотра модератором или до появления нового события.

    Ключевые результаты

    Пилотное внедрение системы в 8 магазинах с круглосуточным мониторингом подтвердило эффективность решения – достигнута 90% точность детекции стандартных краж при оптимизированной нагрузке (1 сервер обслуживает 10-20 камер). Проект демонстрирует готовность к масштабированию после привлечения инвестиций и обладает значительным потенциалом для применения в крупных розничных сетях.

    Команда

    Data Scientist
    Backend-разработчик
    Frontend-разработчик
    Системный аналитик
    UI/UX-дизайнер
    Руководитель проекта
    Сроки проекта
    3 месяца
    1280 часов работы команды SMD

    Технологии

    Python
    React
    OpenCV
    ML

    Следующий проект:

    Обсудим
    ваш проект?

    Свяжемся как можно быстрее и поможем найти правильный путь реализации вашей задачи