Разработка систем распознавания лиц и номеров
Разрабатываем системы распознавания под конкретный объект: лица на проходной, автомобильные номера на въезде, спецодежду и нарушения на площадке, товары на полке. Отвечаем за весь цикл — сбор и разметку данных с ваших камер, обучение модели, интеграцию со шлагбаумом, турникетом или учётной системой. Точность проверяем на записях с вашего объекта, а не на демонстрационном наборе.
Какие системы распознавания мы разрабатываем?
Делаем распознавание там, где решение принимается по изображению: пропуск человека или машины, фиксация нарушения, учёт товара. Технически это разные задачи — верификация лица, чтение номерного знака, детекция объекта, — но у них общий фундамент: размеченные данные с вашего объекта и проверка точности в реальных условиях.
Распознавание лиц
Проход по лицу на турникете, верификация сотрудника, поиск человека по архиву.
Распознавание номеров
Въезд по номеру на шлагбауме, учёт транспорта, контроль парковки.
Контроль СИЗ и нарушений
Каска, жилет, перчатки, вход в опасную зону — фиксация нарушений на площадке.
Подсчёт людей и очередей
Трафик в помещении, заполненность зон, длина очереди на кассе.
Распознавание товаров
Учёт выкладки и остатков на полке по фотографии или видеопотоку.
Детекция дефектов
Отклонения на изделии в потоке линии — сколы, царапины, смещения.
Как проходит разработка системы распознавания?
Начинаем с записей с вашего объекта: смотрим ракурсы, освещение и трудные случаи. Затем размечаем выборку, обучаем модель и замеряем точность на отложенных данных, которые не участвовали в обучении. После пилота на одном въезде или камере подключаем интеграцию и масштабируем.
С каким оборудованием и системами работаем?
Работаем с IP-камерами по RTSP, видеорегистраторами и загруженными архивами. Результат отдаём как событие в вашу систему: открыть шлагбаум, отметить проход, создать запись о нарушении. Решение может работать на сервере внутри объекта, если видеопоток нельзя выпускать в облако.
Какая точность распознавания достижима на объекте?
Заявленные вендорами проценты получены в лабораторных условиях и на реальном объекте не воспроизводятся. Достижимая точность зависит от ракурса камеры, освещения, погоды и загрязнения. Поэтому мы замеряем её на записях именно с вашего объекта и фиксируем результат в договоре, а не обещаем цифру заранее.
Замер на ваших кадрах
Точность считается на отложенной выборке с вашего объекта, а не на демонстрационной.
Трудные условия
Ночь, контровой свет, дождь, грязь на номере — набираются отдельно и целенаправленно.
Две метрики ошибок
Отдельно считаем пропуски и ложные срабатывания: их цена для бизнеса разная.
SLA по точности
Целевой показатель закрепляется договором и проверяется на приёмке.
Дообучение по промахам
Ошибки эксплуатации собираются и возвращаются в обучающую выборку.
152-ФЗ для биометрии
Работа с лицами ведётся при оформленных согласиях, данные хранятся в РФ.
Сколько стоит система распознавания?
Стоимость распознавания зависит от того, сколько классов нужно различать и насколько сложны условия съёмки. Пилот на одной точке даёт честную цифру точности на ваших кадрах, а не в документации фреймворка. Ниже — три типовых объёма со сроками и тем, что входит в каждый.
| Объём работ | Стоимость | Срок | Что входит |
|---|---|---|---|
| Пилот на одной камере | от 500 000 ₽ | 5–7 недель | Одна точка съёмки, разметка выборки, замер точности на ваших кадрах |
| Внедрение на участке | от 1 200 000 ₽ | 10–14 недель | Несколько камер, интеграция с рабочим местом оператора, оповещения |
| Система на предприятие | от 3 500 000 ₽ | от 5 месяцев | Цех или несколько площадок, свой сервер, дообучение на промахах |
Отдельные работы и развитие системы после сдачи — 3 000 ₽ за час инженера. Разметка обучающих данных считается отдельно и по своим правилам — от 320 ₽ за час эксперта, а на объёмных задачах — за единицу данных. Вилки — ориентир для планирования бюджета, а не публичная оферта: точную смету и срок называем после разбора задачи и фиксируем в договоре.
Где системы распознавания применяются чаще всего?
Основные сценарии — контроль доступа на предприятиях и в жилых комплексах, учёт транспорта на въезде, охрана труда на производстве и учёт товара в рознице. Общее у них то, что решение принимается за секунды и ошибка сразу заметна: не открылся шлагбаум, не зафиксировано нарушение.
Пример проекта
Распознавание номеров на въезде промышленной площадки
Собрали и разметили кадры с трёх камер въезда, включая ночную съёмку и загрязнённые пластины, обучили модель и подключили её к шлагбауму. На отложенной выборке с объекта доля корректных распознаваний составила 97,6%, спорные случаи уходили оператору. Показатели — типовой сценарий проекта такого класса, не кейс конкретного клиента.
Ключевые факты
Частые вопросы о системах распознавания
Какая точность распознавания номеров реальна?
На хороших ракурсах и дневном освещении современные модели ошибаются редко. Ночь, дождь, грязь на пластине и острый угол камеры точность заметно снижают. Реальную цифру для вашего объекта показывает замер на записях с него — до этого любые проценты не более чем ориентир.
Нужен ли свой архив записей для старта?
Желательно: модель, обученная на ваших условиях, работает точнее. Если архива нет, начинаем со сбора — несколько недель съёмки дают выборку для первой версии, а дальше система дообучается на ошибках эксплуатации.
Можно ли распознавать лица по закону?
Биометрия относится к персональным данным, поэтому нужны оформленные согласия и корректное хранение по 152-ФЗ. Если задача — просто зафиксировать проход человека без идентификации личности, часто достаточно детекции без биометрии, и правовых требований меньше.
Система будет работать без интернета?
Да, если развернуть её на сервере внутри объекта. Такой вариант выбирают, когда видеопоток нельзя выпускать в облако или канал связи нестабилен. Плата — расходы на оборудование для инференса.
Как интегрировать со шлагбаумом или турникетом?
Через контроллер СКУД или прямое управляющее событие: система распознала номер из белого списка и отправила команду на открытие. Спорные случаи — нечитаемый номер, отсутствие в списке — уходят оператору.
Что делать с ошибками после запуска?
Собирать их. Первые недели эксплуатации дают самый ценный материал: реальные промахи на конкретных ракурсах. Эти кадры размечаются и возвращаются в обучение — обычно именно так система выходит на рабочую точность.
Пришлите записи с объекта
Дайте несколько часов записи с ваших камер — оценим достижимую точность и предложим схему решения в течение 1 рабочего дня.
Не любите формы — напишите на info@datamarkup.ru