Детекция оставленных предметов: как камера находит забытую сумку за секунды

Сумка стоит у колонны в зале ожидания вокзала. Просто чёрная сумка. Мимо за час проходит несколько тысяч человек, оператор на пульте смотрит на 32 камеры сразу, и эта сумка для него — один из тысяч предметов в кадре. Через сорок минут кто-то заметит, что она тут давно и без хозяина, начнётся суета, оцепление, вызов взрывотехников, остановка движения. А могло быть иначе: камера фиксирует, что предмет появился, человек, который его принёс, ушёл, и предмет неподвижен уже три минуты. Алерт. Оператор смотрит конкретный кадр через тридцать секунд после того, как хозяин скрылся, а не через сорок минут.

Вот в этой разнице — между «кто-нибудь когда-нибудь заметит» и «система толкнула в плечо сразу» — и живёт детекция оставленного предмета.

Что это вообще такое технически

Abandoned object detection — один из старых и при этом самых востребованных сценариев видеоаналитики. Звучит просто: найти в кадре предмет, который появился и стоит без движения. На деле под капотом три механизма, и важен каждый.

Первое — фон-вычитание. Алгоритм строит модель «нормального» фона сцены: где пол, стены, колонны, лавки. Всё, что в этот фон не вписывается и при этом не двигается, — кандидат в статичный объект. Появилась в кадре новая неподвижная клякса, которой минуту назад не было, — система берёт её на карандаш.

Второе — порог по времени. Сам по себе статичный предмет ещё не тревога. Человек поставил сумку, копается в телефоне, через минуту поднял и пошёл — это норма, и дёргать оператора тут не надо. Поэтому событие срабатывает только когда предмет неподвижен дольше заданного времени: например, 60, 120, 180 секунд. Порог настраивают под объект — на платформе метро он короче, в зале ожидания, где люди сидят часами, длиннее.

Третье, и самое умное — привязка предмет ↔ человек. Хороший алгоритм не просто видит сумку. Он отслеживает, что вот этот человек её принёс и поставил, а потом ушёл из зоны и не вернулся. Предмет «осиротел». Это резко поднимает точность: одно дело «стоит сумка», другое — «человек оставил сумку и покинул кадр, предмет без владельца уже две минуты». Второе — гораздо более тревожный сигнал, и именно он должен подниматься в приоритет.

Почему ИИ, а не охранник

Резонный вопрос: зачем алгоритм, если есть оператор на пульте? Затем, что человек физически не способен делать эту работу.

• Внимание не масштабируется. Оператор смотрит десятки камер. Удержать в голове, какой предмет на какой камере появился и сколько он там стоит, — невозможно. Через двадцать минут смены глаз замыливается.
• Предмет не кричит. Брошенная сумка ничем не привлекает внимание. Она не двигается, не шумит, не мигает. Именно поэтому её и замечают поздно — когда кто-то споткнётся или специально приглядится.
• Время — это всё. В антитеррористическом сценарии счёт идёт на минуты. Разница между реакцией на третьей минуте и на сороковой — это разница между «локализовали и проверили» и «эвакуировали вокзал».

Алгоритм не устаёт, держит в памяти каждый статичный объект на каждой камере одновременно и срабатывает по таймеру с точностью до секунды. Он не заменяет оператора — он показывает ему ровно тот кадр, на который надо смотреть, и ровно в тот момент, когда это важно.

Главная боль — ложные срабатывания

Теперь честно про то, обо что разбиваются все наивные внедрения. Мир полон предметов, которые стоят неподвижно и которые трогать не надо.

• чемоданы и сумки рядом с сидящими пассажирами;
• багажные тележки, оставленные у стены;
• коробки, паллеты, ящики во время разгрузки в ТЦ;
• урны, рекламные стойки, банкоматы, торговые автоматы — статичная мебель, которая и должна стоять;
• очередь людей, которая для грубого детектора сливается в одно неподвижное пятно.

Тупой детектор «появилось статичное — тревога» в таком окружении заваливает оператора ложняками за первый же час. А система, которая «кричит» постоянно, перестаёт работать: на неё перестают реагировать, и она пропускает реальное событие. Это классическая беда всей видеоаналитики, и про неё стоит почитать отдельно — почему возникают ложные срабатывания и как их свести к минимуму.

Как с этим борются на практике:

• Зоны интереса. Детекция включается не на весь кадр, а на конкретные участки — проходы, у колонн, вдоль стен. Мебель и стойки из зоны исключаются один раз на калибровке.
• Привязка к человеку. Тот самый механизм «осиротевшего предмета» отсекает чемодан рядом с сидящим пассажиром: владелец-то на месте, человек не ушёл.
• Масочная фильтрация. Постоянные объекты сцены (урны, автоматы) заносятся в фон и не триггерят систему.
• Адекватные пороги времени. В зоне погрузки порог поднимают, чтобы тележки и коробки в процессе работы не дёргали оператора.
• Минимальный размер. Мелочь — оброненную перчатку, стакан — отсекают по размеру, оставляя реакцию на объекты, способные нести угрозу.

И ещё один приём, который часто решает дело, — настройка чувствительности под трафик зоны. На транзитном проходе, где люди идут потоком и редко останавливаются надолго, порог можно держать коротким: всё, что встало больше чем на минуту, уже странно. А вот в зале ожидания или у касс, где люди законно сидят и стоят с вещами часами, порог поднимают и сильнее опираются на привязку к человеку. Один и тот же объект, две разные камеры — две разные логики. Универсальной настройки «на всё» не бывает, и попытка натянуть одну на весь объект — главная причина, по которой сырые внедрения захлёбываются.

Правильно настроенная система выходит на режим, когда оператор получает несколько событий за смену вместо нескольких сотен, и каждое стоит того, чтобы на него взглянуть.

Где это работает: антитеррор и не только

Главный заказчик — безопасность мест массового пребывания людей.

• Вокзалы и аэропорты. Залы ожидания, платформы, кассовые зоны. Здесь детекция оставленных предметов — прямое требование транспортной безопасности, а не пожелание.
• Метро. Платформы и вестибюли, где предмет на путях или у края — отдельная критичная история.
• Торговые центры. Холлы, фудкорты, входные группы. Плюс бизнес-бонус: та же система видит брошенные тележки и мусор.
• Стадионы, концертные площадки, музеи. Везде, где собираются толпы и где забытая или подброшенная вещь требует реакции.
• Бизнес-центры и режимные объекты. Контроль входных зон и общих пространств.

Детекция оставленных предметов почти никогда не живёт в одиночку — это один из модулей в общем контуре. На тех же камерах обычно крутятся и другие функции видеоаналитики: детекция плотности толпы, пересечение линий, контроль зон. А вместе с охраной периметра и контролем доступа это собирается в единую систему безопасности объекта, где оставленный предмет — лишь один из отслеживаемых типов событий.

Что нужно для внедрения

Хорошая новость: специальные камеры не требуются. Сценарий работает поверх обычных IP-камер, которые на объекте уже стоят. Что действительно важно:

• Обзор зоны. Камера должна видеть участок целиком, без слепых карманов за колоннами, где предмет можно поставить вне поля зрения.
• Освещение. Резкие тени, контровой свет от витрин и окон, ночные блики ухудшают фон-вычитание. С нормальным светом точность заметно выше.
• Калибровка под объект. Разметка зон, исключение статичной мебели, подбор порогов времени — стартовая настройка, без которой система будет либо молчать, либо орать.
• Сценарий реагирования. Алерт сам по себе ничего не решает. Должно быть прописано, что оператор делает по событию: проверяет по камере, поднимает наряд, объявляет проверку. Технология без регламента — просто красная рамка на экране.

Честно: границы метода

Чтобы не продавать сказку.

Система не определяет, что внутри предмета. Она видит, что вещь оставлена и без хозяина. Опасна она или это забытый зонт — решают люди по регламенту. Видеоаналитика выигрывает время на реакцию, а не заменяет досмотр.

В очень плотной толпе точность падает. Когда зона забита людьми под завязку, статичный предмет среди движущихся ног отследить тяжело. Лучший результат — на просматриваемых зонах со средней проходимостью.

Калибровка — это не «включил и забыл». Поменяли расстановку в зале, переставили стойки, изменили освещение — пороги и зоны стоит пересмотреть, иначе поползут ложняки.

И всё же даже с этими границами система делает то, чего человек не может: одновременно следит за каждым неподвижным предметом на каждой камере и толкает оператора в плечо в нужную секунду. Для объекта, где цена пропущенной сумки измеряется не деньгами, это меняет правила.

Если у вас вокзал, ТЦ, транспортный узел или любое место с большим потоком людей и требованиями по антитеррору — детекцию оставленных предметов можно поднять на существующих камерах. Обсудить пилот и посмотреть, как это ведёт себя на вашем потоке, имеет смысл до того, как понадобится по-настоящему.