Кейс · Периметр
Критический объект: меньше ложных тревог, быстрее патруль
Классические датчики дают шум; чистое видео без аналитики — не даёт классификации угрозы. Мы объединили нейросетевую детекцию с физическим периметром и сценариями патруля.
Задача
Длинный периметр, сложный рельеф, животные и погода провоцировали ложные срабатывания. Требовалось снизить нагрузку на пост охраны и дать дежурному контекст: что произошло, где, насколько срочно.
Решение
Каскадная логика: грубый детектор движения запускает лёгкую модель, тяжёлая модель включается выборочно. Классификация «человек / группа / техника» с привязкой к сектору. Интеграция со СКУД: автоматическая подтяжка карточки пропуска при событии у КПП. На площадке — автономный edge с локальным кэшем клипов на 48 часов при обрыве магистрали.
−62%ложных выездов патруля*
18 кмпериметра под аналитикой
2резервных канала на узел
* Сравнение с периодом до внедрения, по отчёту службы безопасности заказчика.
Визуальный контекст
Нужен периметр «с мозгами»?
Проведём обследование и предложим пилот на одном секторе с измеримым KPI.
Запросить бриф Первый кейс