Драки, кражи, нападения — много чего может произойти в школах и, к сожалению, происходит. Обычно разбираются уже после того, как инцидент произошёл. Часто это случается потому, что школьный охранник — обычный человек без сверхспособностей, который не может моментально среагировать на инцидент, даже если ему помогает в этом не один десяток камер.
Это не значит, что охранника надо пожалеть и забить на беспорядки. Дело не только в нём. В ряде случаев в школах не используются и такие очевидные средства защиты, как двери и замки. Это всё очень страшно. И необходимость обеспечить безопасность детей — одна из тех задач, которую уже давно пора решать. В одном нашем проекте нам это сделать удалось.
В конце 2021 года мы внедрили умную видеоаналитику в краснодарской школе, где учатся более 4000 детей. Этот кейс стал первым в России, где удалось действительно обеспечить комплексную, а не лоскутную безопасность.
В школе решили не просто установить видеонаблюдение, а ещё и сделать его умным: чтобы система автоматизировала процесс принятия решений по реакции людей и классификации инцидента и в случае мелких хулиганств подсказывала охраннику, на какую зону ему необходимо обратить внимание, а в случае серьёзных инцидентов сразу передавала сигнал на пульт МВД; чтобы система по назначению использовала средства охраны и контроля доступа, имеющиеся в школе; чтобы система сокращала время реакции до предельного минимума.
То, что Краснодарскому краю удалось реализовать проект правильно, стало понятно по первым результатам: за первые три месяца работы системы были выявлены и предотвращены два случая драки, две попытки кражи и еще 10 случаев нарушений порядка в школе. О том, как работает система и что она умеет, расскажем в этом посте.
«Умная» система видеоаналитики против медленного реагирования
Да, сегодня многие школы напичканы видеокамерами. И да, они — всего лишь инструмент наблюдения, а вопрос безопасности остается нерешённым. Чтобы его проработать, нужно исключить человека из некоторых процессов наблюдения и распознавания инцидентов и переключить задачу на самообучаемую интеллектуальную систему видеонаблюдения, построенную с применением методов машинного обучения. Она должна работать автоматически, без контроля со стороны человека, и при выявлении различных угроз сразу предупреждать охрану или направлять сигнал на пульт правоохранительных органов.
В нашем проекте «Безопасная школа» при создании интеллектуальной системы видеонаблюдения мы ориентировались на принцип, что школа — это общественное и доброжелательное место, а значит:
Безопасность должна быть комфортной и малозаметной.
Доступ в школу должен быть контролируемым.
Безопасность должна обеспечиваться в том числе предотвращением инцидентов (реагированием «на подступах»).
Возможности системы
С помощью видеокамер система отслеживает подозрительное поведение и фиксирует нарушение периметра посторонними. А при подключении к дверным замкам или турникетам система автоматически их блокирует и не пускает чужаков на территорию школы.
Когда система определяет любую из известных ей угроз, она начинает через динамик циклически воспроизводить голосовое сообщение с типом угрозы. Например: «Внимание! Обнаружена попытка несанкционированного проникновения!», «Внимание! Обнаружен лежащий человек!». Оповещение отключается только тогда, когда ответственный человек предпримет нужное действие. Систему можно научить распознавать и другие паттерны поведения, например, для школьного проекта мы обучали её распознавать кражи или начинающиеся драки.
Можно настроить автоматическое информирование служб спасения и правоохранительных органов. Причём оповещения об инцидентах ранжируются и могут доставляться на верхний уровень вне зависимости от реакции и действий охраны школы. Так что даже если охранник что-то не заметил, отошёл или намеренно не реагирует на инцидент, есть шанс предотвратить возможную трагедию.
Зоны контроля
Мы разделили школьную и прилегающую территории на пять зон контроля. В каждой применяются разные принципы аналитики, однако есть и пересечения.
Прилегающая территория (подступы к школе)
Система постоянно отслеживает и классифицирует поведение людей вдоль периметра (в радиусе 200-300 метров от забора). Алгоритмы выявляют тех, кто долго находится возле забора или держит руки поднятыми, лежащих на земле или дерущихся людей. Также внутри этой зоны система распознаёт автомобильные номера и сверяет их с базой разыскиваемых номеров.
Линия ограды, включая калитки и ворота
В этой зоне система следит, не перелез ли кто-нибудь через забор. Когда кто-то проходит через калитку, система распознаёт его лицо и сравнивает со списком тех, кому разрешён вход в школу.
Дворовая территория
Здесь отслеживаются люди с поднятыми руками, лежащие и дерущиеся люди, скопления людей, а также оставленные предметы и признаки задымления.
Турникеты на входе в школу
В этой зоне краснодарская школа поставила сразу несколько задач, некоторые из них мы решили с помощью биометрических технологий и датчиков температур, с которыми хорошо познакомились в пандемию:
Проводить термометрию. Датчики измеряют температуру тела входящего человека для выявления заболевших, и система вносит в отчёт имена учеников с повышенной температурой. В случае выявления ученика с повышенной температурой в школьный медпункт поступает тревожный сигнал.
Распознавать входящих по лицу или по рисунку вен ладони, который у каждого человека уникален, как и отпечатки пальцев. Одновременно измеряется и температура тела.
Считать количество вошедших и вышедших людей.
Школьный холл
Здесь применяется та же видеоаналитика, что и в зоне дворовой территории, но при желании можно дополнить их и другими аналитиками (контроль расходования бюджетных средств, контроль посещаемости занятий, подсчёт вошедших и вышедших из школы учеников).
Разработка и масштабирование системы
Эту умную систему видеоаналитики создали в сотрудничестве несколько компаний:
ITV и VisionLabs разработали программный комплекс общей видеоаналитики.
VisionLabs и BIOSMART разработали подсистемы распознавания лиц и рисунка вен ладони.
«Ростелеком» предоставил серверы для работы системы и каналы связи.
НИЦ «Технологии» поставила видеокамеры своего производства.
«Инфосистемы Джет» была интегратором проекта и отвечала за целый ряд задач — от эскизного проекта до закупки, монтажа и настройки оборудования.
Интерфейсы у всех компонентов свои, унифицировать их невозможно. Однако в типовом решении все они будут увязаны друг с другом на уровне баз данных:
база текущей СКУД (в пилотном проекте это PERCo-Web);
база Luna VMS с лицами людей (линия ограды, включая калитки и ворота);
база VisionLabs тоже с лицами и база BIOSMART с рисунками вен ладоней (турникеты на входе в школу).
То есть каждый ученик и сотрудник школы должны присутствовать во всех четырёх базах. Чтобы не наполнять и поддерживать каждую из них по отдельности, в пилоте мы взяли за исходную базу PERCo-Web, из которой подтягиваются данные в остальные компоненты системы. А в типовом решении «центральной» базой станет ПО VisionLabs Luna, которое можно будет реплицировать по школам, интегрируя с уже имеющимися на местах СКУД.
Проект создаётся как система на уровне города, и все эти базы будут администрироваться централизованно — дети могут переходить в другие школы, и там не придётся заново вносить данные новичков и их родителей. К тому же системы интеллектуального видеонаблюдения всех школ города должны распознавать сотрудников РОНО и городской администрации, работников сервисных и коммунальных служб.
На внедрение пилотного проекта — от поставки до настройки и начала тестирования — у нас ушло две недели. Мы запустили систему к 1 сентября 2021 г., и ещё неделю собирали статистику, проверяя, нужно ли поменять расположение или ориентацию каких-либо камер на территории школы, настраивали распознавание.
На развёртывание типового решения по нашим расчётам будет уходить примерно три месяца: это составление эскизного проекта, поставка оборудования, монтаж и настройка на конкретном объекте.
Результаты первых трёх месяцев работы системы
Пока мы собирали статистику, система успела распознать и предупредить о нескольких инцидентах:
два случая драки — система реагировала на скопление людей на территории и лежащего человека;
две попытки кражи самокатов учеников, припаркованных у школьной ограды — система замечала, что злоумышленники слишком долго находятся возле забора;
несколько раз система оповестила о младшеклассниках, перелезавших через забор, потому что им лень было делать крюк до калитки.
Будущее безопасных школ
Система интеллектуального видеонаблюдения может быть масштабирована с уровня города до области или целого региона. Она поможет быстро реагировать на возможные угрозы и чрезвычайные происшествия на территории школы или рядом с ней. Благодаря автоматизации и машинному обучению охранники и сотрудники школы смогут уделять больше внимания тем задачам, на которые обычно не хватает времени. Кроме задач безопасности, система может помочь контролировать посещаемость или расходование бюджетных средств на питание учеников. Например, если выделены деньги на льготные обеды для 50 школьников, а в этот день пришло 15, то можно заранее оптимизировать количество обедов и при этом сэкономить бюджетные средства.
Централизованная база данных поможет распознавать автомобильные номера школьных автобусов, развозящих еду грузовиков, машин, находящихся в угоне (по информации от полиции). Также в каждой школе можно параллельно вести свою базу номеров, например, для транспорта сотрудников или мусоровозов компании, с которой конкретная школа заключила договор. Также централизованное администрирование позволит сразу «раскатывать» по школам данные тех людей, которым запрещён вход в образовательные учреждения: это могут быть люди, находящиеся в розыске, ориентировки на которых распространяют правоохранительные органы. Но этот механизм пока не определён.
Системы интеллектуального видеонаблюдения, развёрнутые в муниципальных учреждениях — не обязательно учебных — помогут полиции быстрее реагировать на возможные угрозы. Благодаря распознаванию задымлений сотрудники МЧС смогут в реальном времени подключиться к видеокамерам и определить масштаб возгорания, его сложность и своевременно передать дежурному наряду эту информацию. То есть система видеоаналитики сокращает время оповещения ответственных лиц или служб об угрозе, возникшей в конкретном месте.
Если посмотреть шире…
Хотя движущей идеей проекта была безопасность школ, получившийся программно-аппаратный комплекс можно использовать во множестве других отраслей, и далеко не только для быстрого реагирования на угрозы. Например, на предприятиях можно автоматизировать контроль входящих сотрудников, чтобы избавиться от очередей на КПП в часы пик. Можно обучить систему распознавать потенциально опасные ситуации в цехах. Видеоаналитика может отслеживать сотрудников, которые пренебрегают техникой безопасности и заходят в производственные помещения без касок, жилетов или респираторов. Система может автоматически распознавать бесцельно слоняющихся сотрудников, образовавшиеся в торговых залах очереди, курящих в неположенных местах, факты нарушения пропускного режима, простаивающую на стройплощадках технику с почасовой арендой. То есть существует огромное количество вариантов применения подобной системы.