Компьютерное зрение, которое
следит за чистотой во дворе
Научно-исследовательский центр МВС пришёл с амбициозной задачей: научить обычные уличные камеры «понимать», что происходит на мусорной площадке. Не просто писать видео в архив, а в реальном времени отличать аккуратно выброшенный пакет от свалки мимо бака, замечать переполненные контейнеры и фиксировать момент, когда приезжает мусоровоз. И всё это — автономно, прямо во дворе, без оператора, который сутками смотрит в монитор. Мы взялись за проект на стыке железа и компьютерного зрения: спроектировали программно-аппаратный комплекс, который сам анализирует видеопоток и принимает решения.
Автономный программно-аппаратный комплекс видеоконтроля мусорного полигона — анализ идёт на месте, без облака
Распознавание нарушений: выброс мусора мимо контейнера и выброс крупногабарита (КБО) в контейнер
Контроль переполнения контейнеров и фиксация фактов их полной и частичной очистки спецтранспортом
Детекция людей, транспорта и спецтехники; опционально — лиц нарушителей и ГРЗ автомобилей
Точность распознавания объектов 90–95% при обработке потока не ниже 7 fps
Веб-АРМ администратора для настройки камер, параметров и просмотра логов событий
Сердце системы спрятано в стальном ящике на опоре рядом с площадкой — это локальный edge-сервер на Linux, к которому по RTSP подключены IP-камеры. Чтобы настройщику не приходилось править конфиги в консоли на морозе, мы сделали удобный веб-АРМ администратора. Через браузер он добавляет камеры, задаёт логин и пароль доступа, включает нужные функции тумблерами и тут же видит живой поток. Отдельная вкладка «Логи» построчно показывает всё, что происходит на полигоне: включения, ошибки связи, нарушения, переполнения и очистки — с цветными метками и фильтром по типу и дате.
Для каждой камеры администратор включает ровно те задачи, которые ей по силам с её ракурса: одна ловит нарушения и переполнение, другая — лица и госномера. Всю «чувствительность» системы тонко регулируют общие настройки: пороги К1 и К2 определяют, что считать крупногабаритом, а что — мелким мусором, который можно игнорировать; параметры качества, FPS анализа и выбор GPU/CPU балансируют точность и нагрузку на сервер. Каждое нештатное событие комплекс сам раскладывает по папкам — Violation, Overflow, Cleaning — сохраняя фото, видео «до и после» и JSON с координатами объектов.
Камера видит лишнее — дорогу, окна домов, прохожих. Чтобы алгоритмы не отвлекались, для каждой камеры администратор мышью выделяет область интереса (ROI). Только этот участок кадра уходит на анализ, остальное игнорируется — меньше ложных срабатываний и ниже нагрузка на сервер.
А вот так полигон «видит» компьютерное зрение. Нейросети детектируют и сегментируют контейнеры, отдельные области мусора и факты переполнения, присваивают каждому баку номер и ведут трекинг его состояния — даже если контейнеры переставили или заменили после вывоза.
На выходе заказчик получил законченный комплекс: от алгоритмов компьютерного зрения и логики событий до серверной части и продуманного веб-интерфейса администратора. Система работает автономно даже без связи, накапливает данные и отдаёт их на сервер заказчика, когда соединение восстанавливается. Это полноценный инструмент цифрового контроля чистоты — масштабируемый на любое число площадок города.
