Камеры и серверы для видеоаналитики: что нужно

Видеоаналитика — это не «умная камера», а система из трёх компонентов: камеры, ракурса её установки и вычислительной мощности, которая обрабатывает поток. Если хотя бы один компонент выбран неправильно, алгоритм будет ошибаться, «не видеть» события или перегружать сервер. Ниже разбираем требования к камерам и серверам под конкретные задачи — с цифрами, формулами и примерами, без маркетинговых обещаний.

Что влияет на результат видеоаналитики

Любой алгоритм видеоаналитики решает ограниченный набор задач: обнаружить объект, классифицировать его (человек, машина, животное), отследить траекторию, посчитать, распознать номер или лицо, проверить экипировку. Алгоритм работает не с «картинкой», а с набором пикселей, которые отдаёт ему камера. Поэтому качество детекции зависит от трёх вещей: что видит камера (разрешение, свет, фокус), как она установлена (ракурс, высота, угол) и успевает ли сервер обработать поток без потери кадров.

Практическое правило: аналитика никогда не будет точнее, чем позволяет исходное изображение. Камера с грязным объективом, засвеченная солнцем или направленная на макушки проходящих людей, гарантированно даст ложные срабатывания и пропуски — и никакой «искусственный интеллект» это не исправит. Поэтому проектирование начинается не с выбора модели камеры, а с постановки задачи и расчёта геометрии сцены.

Второй принцип — оценка нагрузки. Каждая камера добавляет серверу работу: декодирование, инференс нейросети, запись, поиск по архиву. Ошибка на этапе расчёта мощности приводит к тому, что сервер начинает дропать кадры, а аналитика — «моргать» событиями. Дальше разберём каждое звено по порядку.

Разрешение и частота кадров под задачу

Разрешение выбирают не «побольше», а по метрике пикселей на метр (px/м). Именно она определяет, увидит ли алгоритм объект нужного размера. Ориентиры для типовых задач:

• Детекция человека или транспорта — достаточно 30–50 px/м; фигура человека на кадре должна быть высотой не менее 40–60 px, чтобы алгоритм уверенно отделил её от фона.
• Подсчёт посетителей и пересечение зоны — 15–25 px/м, объект на кадре 20–40 px.
• Распознавание лиц — от 250 px/м, расстояние между глазами на кадре не менее 40–50 px, иначе точность резко падает.
• Распознавание номеров (LPR) — ширина номера 130–200 px; при меньшем размере символы «плывут».

На практике для помещений и коротких дистанций (до 15–20 м) хватает камеры 2 Мп (1920×1080): при угле 90° на расстоянии 10 м это примерно 95 px/м. Для периметра, дворов и проездов берут 4 Мп (2688×1520), а 8 Мп (4K) оправдана только на широких сценах с хорошим светом — иначе вы платите за пиксели, которые алгоритм не использует из-за шума и смаза.

Частота кадров тоже задаётся задачей, а не «стандартными 25 fps». Каждый лишний кадр — это лишняя вычислительная нагрузка на сервер:

• подсчёт и пересечение зоны — 5–7 fps;
• отслеживание траекторий, очереди, поток людей — 12–15 fps;
• распознавание номеров движущихся машин, контроль кассовых операций — 25 fps (с короткой выдержкой 1/500–1/1000 с).

Сводная таблица по типовым сценариям:

Ракурс, высота и угол установки

Неправильный ракурс — самая частая причина, по которой «аналитика не видит». Даже идеальная камера, направленная в потолок или против солнца, бесполезна. Базовые правила установки:

• Высота. Для детекции людей и лиц — 2,5–3,5 м; для подсчёта сверху — 3,5–6 м с осью объектива, близкой к вертикали.
• Угол наклона. Для распознавания лиц камера должна смотреть на лицо, а не на макушку: наклон 20–40° к горизонту. При угле больше 45° алгоритм видит верх головы и теряет лицо.
• Направление света. Камера не должна смотреть против источника света (окна, фонари, солнце на закате) — иначе объект превращается в силуэт. Помогает WDR, но лучше развернуть камеру.
• Для LPR угол между осью камеры и направлением движения машины — 15–30°, высота 3–4 м, дистанция 15–30 м. При лобовом угле больше 30° номер «сжимается» и не читается.
• Перекрытие зон. Камеры должны перекрывать «мёртвые зоны» друг друга, особенно на входах и перекрёстках коридоров.

Проверяйте геометрию по тестовому кадру ещё до прокладки кабеля: временно повесьте камеру, выведите картинку и убедитесь, что объект нужного размера попадает в кадр целиком и не перекрывается. Пересчитать px/м на реальном кадре дешевле, чем перемонтировать десяток камер после запуска.

Освещение и ИК-подсветка

Алгоритм детекции «видит» контраст и детали, а их даёт свет. Требования к освещению по задачам:

• детекция и подсчёт людей — от 30–50 лк ночью с ИК, днём без ограничений;
• распознавание лиц и цвета одежды — от 100–200 лк равномерного света;
• контроль СИЗ и мелких деталей — 200–500 лк без бликов и глубоких теней.

Для входов и витрин с контровым светом обязательна функция WDR (расширенный динамический диапазон) от 120 дБ — она вытягивает детали и в яркой, и в тёмной части кадра одновременно. Для ночной работы используют ИК-подсветку, но с оговоркой: реальная дальность ИК составляет 60–70% от заявленной. Если в спецификации указано «ИК 30 м», уверенно детектировать человека камера будет на 20–25 м. Для LPR ИК-подсветку настраивают отдельно от обычной — она должна равномерно «заливать» номер, а не бликовать на металле.

Камеры с сенсорами типа Starlight или большим пикселем работают в сумерках лучше, но это не заменяет свет: в полной темноте цветную аналитику (цвет одежды, марка машины) получить невозможно, только чёрно-белую детекцию по ИК.

Детекция на краю или на сервере

Есть два способа запустить аналитику: на самой камере (edge, «умные камеры») и на центральном сервере. У каждого свои плюсы, и выбор влияет на всю архитектуру.

Edge (аналитика на камере). Камера сама обрабатывает поток и передаёт в систему только события и метаданные — «человек пересёк линию в 12:03». Плюсы: минимальная нагрузка на сеть и сервер, работа даже при обрыве связи, не нужен мощный сервер. Минусы: алгоритм «зашит» в прошивку и редко обновляется, настройка жёстче, сложнее запускать нестандартные сценарии, а каждая такая камера дороже обычной.

Серверная аналитика. Центральный сервер с GPU получает потоки с обычных камер и прогоняет их через нейросети. Плюсы: можно менять и дообучать модели без замены камер, строить сквозные сценарии (поиск человека по всем камерам, отслеживание через несколько зон), камеры дешевле. Минусы: нужна пропускная сеть и производительный сервер, а его отказ останавливает аналитику.

На практике чаще используют гибрид: edge-камеры берут на себя простые события на периметре и работают как резерв, а сервер решает сложные задачи и собирает общую картину. Подобрать баланс под объект помогают готовые решения видеоаналитики под конкретные сценарии.

Сервер: GPU, CPU и количество потоков

Сервер для аналитики состоит из двух логических частей: GPU считает нейросети, а CPU обслуживает видеоменеджер (VMS), базу данных, запись и API. Главный вопрос на этапе проектирования — сколько камер потянет одна видеокарта.

Ориентиры для стандартных детекторов (люди, транспорт) на современных моделях: одна карта уровня NVIDIA L4/T4 или GeForce RTX 4070 обрабатывает примерно 20–30 потоков 2 Мп на 5–10 fps или 8–16 потоков 4 Мп на 12–15 fps. Тяжёлые модели (распознавание лиц, контроль СИЗ, pose-оценка) снижают пропускную способность в 2–3 раза. Запас видеопамяти — примерно 0,5–1,5 ГБ VRAM на поток в зависимости от модели и разрешения.

Практические рекомендации по серверу:

• GPU. Для промышленной эксплуатации 24/7 берите карты с пассивным или серверным охлаждением (L4, T4, A2) — игровые карты греются и изнашиваются быстрее, хотя для пилота допустимы.
• CPU. От 8–16 ядер; на больших системах — два процессора. CPU берёт на себя запись, декодирование и базу данных, поэтому «сэкономить на CPU и купить только GPU» не получится.
• Память. 64 ГБ — разумный минимум для VMS с базой событий, для систем от 50 камер — 128 ГБ.
• Диски. NVMe под базу метаданных и индексы (быстрый поиск по событиям), HDD — под видеоархив.
• Надёжность. Дублированные блоки питания, RAID, ECC-память, мониторинг. Сервер аналитики — это боевой узел, а не рабочая станция.

Расчёт мощности стоит делать от числа потоков и fps, а не «на глазок»: заложите запас 20–30% на пиковые нагрузки и рост. Ошибиться вниз дешевле нельзя — перегруженный сервер молча дропает кадры, и вы узнаёте об этом по пропущенным событиям.

Сеть, потоки и PoE

Сеть часто оказывается узким местом, о котором вспоминают в последний момент. Пропускная способность потока зависит от кодека, разрешения и частоты кадров. Ориентиры при кодеке H.265:

• 2 Мп на 10 fps — 1,5–3 Мбит/с;
• 4 Мп на 12–15 fps — 3–6 Мбит/с;
• 8 Мп (4K) — 8–16 Мбит/с.

Умножьте битрейт на число камер и держите суммарную загрузку канала не выше 70% от номинала. Для 20 камер по 4 Мп нужен аплинк от 100 Мбит/с, для 50+ камер — гигабит до сервера, а на больших объектах — 10G-магистрали. Отдельно считайте трафик живого просмотра и репликации, а не только записи.

Питание по PoE избавляет от розеток у каждой камеры, но бюджет мощности коммутатора считают заранее:

• 802.3af (15,4 Вт) — обычные фиксированные камеры без мощной ИК;
• 802.3at (30 Вт) — PTZ и камеры с сильной ИК-подсветкой;
• 802.3bt (60/90 Вт) — мультисенсорные, PTZ с подогревом и прожектором.

Длина медного кабеля до камеры — не более 100 м без промежуточного коммутатора; на длинных трассах ставят PoE-экстендеры или промежуточные узлы. Желательно запитать коммутаторы от ИБП, иначе при отключении электричества аналитика «ослепнет» одновременно с объектом.

Хранение архива: сколько и в каком качестве

Объём архива считается по простой формуле, а не «взять диск побольше»:

ГБ/сутки = битрейт (Мбит/с) × 10,55

Пример: камера 4 Мп с битрейтом 4 Мбит/с пишет около 42 ГБ в сутки. За 30 дней это 1,26 ТБ на одну камеру; для 20 камер — порядка 25 ТБ. Добавьте 20–30% на служебные данные и запас, а также накладные расходы RAID.

Сократить архив без потери смысла помогают три приёма:

• Запись по движению или по событиям. Круглосуточная запись нужна не везде; если камера пишет только при движении или срабатывании детектора, архив уменьшается в разы.
• Двойной поток. Основной поток идёт в архив, субпоток низкого разрешения — на живой просмотр. Это экономит и трафик, и место.
• Хранение метаданных отдельно. События, траектории и распознанные номера хранят в базе на NVMe, а видео — на HDD; поиск по событиям тогда работает мгновенно без перемотки всего видео.

Срок хранения задаёт не «стандарт», а требования бизнеса и регуляторов: для торговли типично 14–30 дней, для объектов с пропускным режимом и критической инфраструктуры — до 90 дней и больше. От этого напрямую зависит число и объём дисков.

Почему «аналитика не видит» и как не переплатить

Типичные причины, по которым система «не видит» события, почти всегда лежат на стороне входных данных, а не алгоритма:

1. Неправильный ракурс или высота — объект слишком мал, перекрыт или камера смотрит на макушки.
2. Мало света или ИК не добивает до нужной дистанции — ночью детекция деградирует.
3. Низкая плотность пикселей — разрешения не хватает для размера объекта на кадре.
4. Низкий fps для быстрых объектов — машина на 25 км/ч проскакивает зону между кадрами.
5. Перегружен сервер — кадры дропаются, события теряются без ошибок в логах.
6. Грязный объектив, запотевание, блики — физика, которую не решает софт.
7. Пороги чувствительности выставлены слишком грубо — много ложных срабатываний или, наоборот, пропусков.

Как не переплатить. Главный принцип — подбирать оборудование ровно под задачу, а не «с запасом на всякий случай»:

• Не ставьте 4K там, где хватает 2 Мп: переплата за пиксели, которые алгоритм не использует, и за лишний трафик.
• Покупайте edge-аналитику только на камеры, где она реально нужна, — остальное пусть считает общий сервер.
• Считайте GPU по числу потоков и fps, а не по числу камер «вообще»: одна правильно подобранная карта дешевле трёх «на вырост».
• Используйте запись по событиям и субпотоки — это сокращает диски и сеть.
• Для пилота берите игровую GPU, для боевой системы — серверную, с расчётом на 24/7.

Ориентиры цен для планирования бюджета: IP-камера 2 Мп — 8–25 тыс. ₽, камера 4 Мп с ИК и WDR — 20–45 тыс. ₽, умная камера с edge-аналитикой — 25–70 тыс. ₽, сервер с одной GPU среднего уровня — 250–600 тыс. ₽, корпоративная видеокарта — 150–400 тыс. ₽, диск HDD 8–16 ТБ — 20–50 тыс. ₽. Это диапазоны для ориентира: итог зависит от объекта, числа камер и сроков хранения. Точный расчёт и актуальные цены можно получить на странице прайса или уточнить через контакты.

Если у вас уже есть парк камер и нужно навести порядок в инфраструктуре без покупки всего «с нуля», посмотрите услуги ИТ-аутсорсинга — специалисты СИТИС помогут с аудитом, расчётом мощности и внедрением. А как решения работают у реальных заказчиков, можно оценить в разделе отзывов.

Частые вопросы

Полезно на сайте: видеоаналитика с ИИ, решения по отраслям, цены, контакты.