В КБГУ создают «умного» помощника для видеонаблюдения: система RedVideo понимает, что происходит на камерах

Современные системы видеонаблюдения установлены повсеместно — в магазинах, офисах, на  складах. Однако главная проблема заключается не в качестве картинки, а в колоссальном объеме записей, которые невозможно просматривать вручную. Заведующий лабораторией интеллектуальных систем и анализа данных Института электроники, робототехники и искусственного интеллекта (ИЭРиИИ) Кабардино-Балкарского государственного университета им. Х.М. Бербекова Мухамед Кипов работает над проектом RedVideo, который должен изменить подход к видеонаблюдению.

Вместо бесконечного архива RedVideo предлагает систему, которая сама распознаёт события и превращает видеопоток в базу для смыслового поиска.

«Мы развиваем RedVideo вокруг простой, но важной идеи: система должна отвечать не на вопрос “что было записано?”, а на вопрос “что произошло?”. Для пользователя это принципиальная разница. ИИ-агент анализирует поток, фильтрует шум и фокусируется на сути», — пояснил Мухамед Кипов.

В перспективной модели пользователь сможет обращаться к системе с текстовыми или голосовыми запросами: «Кто заходил на склад после 22:00?», «Где появился неизвестный человек?», «Когда сотрудник взял коробку из зоны упаковки?». Искусственный интеллект сам отыщет релевантные моменты и сформирует карточку события.

При этом архитектура RedVideo остается локальной. Это значит, что видео и события обрабатываются внутри сети объекта без обязательной передачи чувствительных данных в облако, что критически важно для безопасности коммерческих и государственных учреждений.

Однако, чтобы ИИ-аналитика была не демонстрацией, а полноценной рабочей функцией, ей необходима надёжная техническая основа. В RedVideo такой фундамент уже заложен: система подключает IP-камеры, ведёт непрерывную запись, отображает видео на нескольких экранах одновременно и хранит часть данных как эмбеддинги (цифровые отпечатки) в своей памяти. Интерфейс позволяет настраивать качество записи и контролировать свободное место на диске. Кроме того, система сама находит камеры в сети, проверяет их состояние и сигнализирует о сбоях.

«Этот уровень важен не меньше ИИ, — подчёркивает Мухамед Кипов. — Если запись нестабильна, архив не упорядочен, а камеры не диагностируются, то интеллектуальный слой будет бесполезен. Сильная сторона RedVideo в том, что мы накладываем нейросети поверх уже работающей локальной платформы, усиливая её возможности».

Камера в такой модели перестаёт быть пассивным записывающим устройством. Она фиксирует факты: человек вошёл в помещение, товар исчез с полки, автомобиль пересек линию въезда. Каждому инциденту присваиваются метаданные и уровень уверенности распознавания.

«ИИ здесь не должен заменять оператора в юридическом или управленческом смысле. Его задача — снять рутину: отфильтровать лишнее, собрать контекст и предложить действие. Например, отправить уведомление владельцу, создать тревогу или передать сигнал в систему автоматизации. Критичные решения остаются за человеком, но мы уже сокращаем путь от происшествия к реакции», — отметил руководитель лаборатории.

Особый интерес разработка вызывает в сферах ритейла и логистики. В розничном магазине RedVideo может анализировать цепочку действий посетителя: взял товар с полки, не вернул на место, прошел к выходу, минуя кассу. Это не юридическое доказательство, но помогает службе безопасности мгновенно оценить ситуацию. На складе система сможет зафиксировать, кто входил в зону хранения, какие предметы брал и находился ли сотрудник на объекте после смены. Для офисов и лабораторий актуальны сценарии контроля доступа: обнаружение посторонних в закрытых зонах, присутствие вне расписания или движение в помещении с оборудованием.

«Мы создаём не просто детектор движения, а цифровую память о перемещениях и разрешениях», — добавил Мухамед Кипов.

В дальнейшем ИИ-слой дополнится распознаванием лиц, номеров автомобилей, анализом действий и возможностью узнавать одного и того же человека по разным камерам. По словам разработчика, RedVideo может стать полноценной платформой для тестирования собственных моделей компьютерного зрения не только в коммерции, но и в образовательных целях — на базе вузовских лабораторий и инженерных команд. Это позволит готовить специалистов, владеющих современными агентными сценариями в области искусственного интеллекта.