Сегодня более 100 тыс. камер видеонаблюдения, установленных во всех районах Санкт-Петербурга, в связке с нейросетями позволяют в реальном времени выявлять десятки типов инцидентов — от вандализма на детских площадках до угроз критической инфраструктуре. По оценкам экспертов, грамотно внедренное видеонаблюдение способно сократить уровень преступности на десятки процентов. Как ИИ помогает предотвращать правонарушения, зачем городу предиктивная аналитика и какие вызовы стоят перед системой «Безопасный город» — в интервью РБК+ Петербург рассказал Роман Борисенко, директор Санкт-Петербургского государственного казенного учреждения «Городской мониторинговый центр».
Где ИИ уже работает
— Какие задачи стояли перед центром в 2025 году? Что удалось реализовать?
— Наша главная задача — обеспечение безопасности и комфортного проживания жителей и гостей города. Достигается это разными инструментами, в том числе с помощью искусственного интеллекта. В этом году ИИ позволил нам выявить уже около 40 различных типов инцидентов. Среди новинок — запуск проекта по мониторингу детских и спортивных площадок. Это абсолютно уникальный проект нашего Комитета по информатизации и связи, и первый в стране опыт совместной работы городского ИИ и Росгвардии.
— В чем суть этого проекта?
— ИИ распознает на площадках вандализм, распитие спиртных напитков, драки, курение и выгул домашних животных. При обнаружении инцидента система автоматически направляет сигнал в дежурную часть Росгвардии, которая в течение 1–3 минут отправляет ближайшее подразделение на место. При необходимости нарушитель задерживается.
— Почему в этом проекте понадобился именно искусственный интеллект?
— Раньше были два сценария. Первый — патрулирование: если происходил инцидент, на место направлялись наряды. Второй — звонок от гражданина в службу 112, которая передавала информацию в полицию, и только потом следовало реагирование. Этот процесс занимал больше времени. ИИ же работает мгновенно, особенно в тех случаях, когда рядом нет свидетелей — например, хулиганы ломают оборудование на площадке, а родители узнают об этом только утром. Кроме того, система фиксирует даже случаи, когда дети повреждают конструкции. Такая информация передается муниципальным службам, которые работают с родителями. Уже удалось восстановить несколько площадок — это серьезный результат с точки зрения эффективности.
При обнаружении инцидента система автоматически направляет сигнал в дежурную часть Росгвардии, которая в течение 1–3 минут отправляет ближайшее подразделение на место. При необходимости нарушитель задерживается.
Как и где обучают нейросеть
— Искусственный интеллект должен был обучаться на каких-то данных. Но ведь раньше камер на детских площадках не было. На чем тогда происходило обучение?
— У нас в городе уже установлено более 110 тыс. камер, и инциденты попадали в поле зрения не только на площадках. Кроме того, в ГМЦ развернут технополигон: там есть умная остановка, смарт-система распределенного звука и другие элементы городской среды. Именно там мы тестируем и обучаем нейросети. Когда точность распознавания достигает примерно 80%, мы внедряем модель в городскую среду.
— В среднем по всем типам инцидентов точность выше или ниже 80%?
— Мы внедряем решения только после того, как достигаем порога выше 80%. В некоторых случаях, например при распознавании лиц по фотороботу, правоохранительные органы намеренно снижают порог, чтобы охватить больше потенциальных совпадений — лучше проверить лишних людей, чем упустить преступника.
— Какой инцидент из тех, что вы перечислили, наиболее сложен для распознавания?
— Самый сложный кейс — распознавание оружия. Сейчас эта технология используется только на объектах критической инфраструктуры, потому что система пока путает дворника с лопатой или метлой с человеком с ружьем. Также возникают сложности с игрушками: ИИ не всегда способен отличить игрушечный пистолет от настоящего, особенно без учета контекста — роста, возраста и других параметров. Это требует длительного обучения, но развитие идет быстрыми темпами.
— А не сложнее научить ИИ различать, когда дети просто играют, а когда действительно дерутся?
— Такая проблема действительно есть, но в случае с детьми мы не стремимся немедленно вызывать правоохранителей. Сложнее — с взрослыми: бывали ложные срабатывания, когда ИИ принимал за драку обычные объятия или похлопывания по плечу. Поэтому мы обучаем систему распознавать специфические движения. Аналогично с курением: человек может почесать лицо или вертеть ручку — ИИ может ошибочно принять это за сигарету. Поэтому мы учитываем длительность и характер движений: например, предмет должен некоторое время находиться у рта. Только после подтверждения таких признаков система считает ситуацию инцидентом.
У нас в городе уже установлено более 110 тыс. камер, и инциденты попадали в поле зрения не только на площадках. Кроме того, в ГМЦ развернут технополигон: там есть умная остановка, смарт-система распределенного звука и другие элементы городской среды.
Что еще могут выявить камеры
— Что еще удалось реализовать за год?
— В этом году по поручению губернатора мы занялись вопросом санкционированной торговли. С помощью ИИ теперь выявляем незаконные молоковозы, лоточную торговлю и самовольно установленные мобильные павильоны. Это востребованный кейс: мы помогаем службам, которые ликвидируют стихийные рынки.
— Для этого устанавливались отдельные камеры или использовалась уже существующая инфраструктура?
— Мы стараемся использовать уже установленные камеры, но размещение камер — не случайный процесс. В каждом районе работает комиссия по чрезвычайным ситуациям под председательством главы района. В нее входят представители полиции, МЧС, ФСБ и других ведомств. Именно они определяют, где в первую очередь нужны камеры для распознавания инцидентов. После этого мы собираем потребности органов власти, разрабатываем или адаптируем нейросети и внедряем их. Если решение уже существует — в городе, стране или даже мире — мы привлекаем вендоров, тестируем технологию на технополигоне и, при подтверждении эффективности, запускаем в эксплуатацию.
— Есть ли международный опыт, который стоило бы перенять?
— Петербург — один из лидеров в этом направлении в стране, но мы изучаем опыт Китая, где камеры автоматически приближают человека большим «зумом». Также интересуемся платформами с встроенным ИИ, как в Бостоне: у них аналитика — часть самой платформы, а у нас пока отдельные модули.
— Планируется ли использовать ИИ для выбора мест установки камер?
— Такой кейс у нас есть, но он пока сложен. Система может примерно определить, где находятся «слепые зоны», исходя из текущего расположения камер. Однако пока она не учитывает такие факторы, как деревья, вывески, наличие электропитания или возможность прокладки кабелей. Поэтому мы все равно дополнительно обследуем места — без человека не обойтись. Более того, не все срабатывания ИИ сразу уходят в службы реагирования. У нас есть центр видеоналитики, где модераторы вручную подтверждают или отклоняют инциденты.
— Каково количество ложных срабатываний?
— Это зависит от типа инцидента. По некоторым кейсам — например, мусор или драки — точность близка к 100%. По другим, таким как распознавание оружия, уровень ложных срабатываний может достигать 20%. Особенно это касается новых событий, по которым мало обучающих данных. Иногда датасеты приходится создавать искусственно — например, чтобы обучить систему распознавать распитие спиртных напитков, мы использовали пустые бутылки и моделировали ситуацию с сотрудниками (без употребления алкоголя, конечно).
По некоторым кейсам — например, мусор или драки — точность [распознавания] близка к 100%. По другим, таким как распознавание оружия, уровень ложных срабатываний может достигать 20%. Особенно это касается новых событий, по которым мало обучающих данных.
Как ИИ помогает охранять памятники
— А что удалось сделать в сфере охраны культурного наследия? После недавнего инцидента в Лувре эта тема особенно актуальна
— В ГМЦ много направлений: служба 112, прием обращений по ЖКХ, безопасность социальных объектов, более 6500 датчиков на инженерных системах и, конечно, система оповещения населения. Недавно мы провели комплексную проверку — запустили сирены по всему городу. В рамках этой системы мы подключаем все доступные звуковые устройства, чтобы максимально охватить территорию. Сейчас часть этой системы интегрирована с камерами видеонаблюдения. Когда ИИ фиксирует человека в охранной зоне памятника, система автоматически включает динамик и воспроизводит сообщение: например, «Этот памятник является объектом культурного наследия и посвящен...» Мы не выгоняем и не ругаем — просто информируем. Обычно этого достаточно: человек осознает, что находится под наблюдением, и уходит.
— Получается, вы не ловите нарушителей, а предотвращаете правонарушения?
— Да, основная цель — профилактика. Информация все равно передается в правоохранительные органы, но в большинстве случаев вмешательство не требуется.
— А отдельные музеи и театры сами себя защищают?
— Каждый объект обязан обеспечивать собственную безопасность. Но, например, вместе с Эрмитажем мы полностью обеспечили периметр Дворцовой площади системой видеонаблюдения с аналитикой. Это особенно важно, учитывая большое количество массовых мероприятий в этой локации.
Мы не выгоняем и не ругаем — просто информируем. Обычно этого достаточно: человек осознает, что находится под наблюдением, и уходит.
Как ИИ может предсказывать события
— Есть ли еще перспективные или технологически сложные направления?
— Да, у нас много задач по поручению городского руководства. Сейчас мы пилотируем проекты по контролю за самокатчиками и уборкой снега с крыш. По запросу полиции работаем над мониторингом закладок — по этому поводу много жалоб поступает в службу 112.
Еще одно стратегическое направление — предиктивная аналитика. Мы хотим, чтобы система могла прогнозировать негативные события до их наступления. У нас уже есть большой массив данных: от службы 112, видеокамер, аналитики, ЖКХ — на их основе мы строим модели.
Мы хотим, чтобы система могла прогнозировать негативные события до их наступления. У нас уже есть большой массив данных: от службы 112, видеокамер, аналитики, ЖКХ — на их основе мы строим модели.
— Кому нужна предиктивная аналитика?
— Разным структурам — в зависимости от сценария. Правоохранительным органам — для прогнозирования преступлений в конкретных домах. МЧС — для предупреждения подтоплений: мы анализируем температуру, ветер, уровень воды и можем спрогнозировать, где и когда возможны затопления, чтобы заранее эвакуировать людей или предпринять меры.
— Раньше часто приходилось слышать, что данные с различных видеокамер собираются, но никому не нужны. Сейчас они востребованы?
— В Санкт-Петербурге есть единая интеграционная платформа «Безопасный город» — такой нет ни в одном другом субъекте РФ. Она запущена еще в 2017 году. Несмотря на сложности межведомственного взаимодействия, удалось собрать данные из порядка 30 ведомственных систем. Комитет по информатизации и связи курирует эти процессы, поэтому мы легко объединяем информацию на единой платформе. Доступ к ней имеют все дежурные службы — у нас единое информационное поле по безопасности и благоустройству.
Перспективные направления развития и приватность
— Камеры, работающие без участия человека, часто вызывают вопросы о приватности. Как защищена частная жизнь граждан?
— Во-первых, мы ни за кем не следим. Архив хранится семь суток, затем перезаписывается. Если человек ничего не нарушает, его никто не увидит. Фиксируются только инциденты, влияющие на жизнь и здоровье — например, ДТП, что крайне востребовано самими участниками. Во-вторых, законодательство не запрещает видеонаблюдение в общественных местах. Мы прошли множество проверок — нарушений нет. Людям не стоит беспокоиться: система не вторгается в частную жизнь.
— Каковы планы на будущее — какие технологические и организационные цели стоят перед центром?
— Предиктивная аналитика — наша главная долгосрочная цель. Хотим, чтобы система могла прогнозировать события хотя бы за месяц, а в некоторых случаях — и за день. Также активно работаем над защитой критически важных объектов. Например, если кто-то разведывает трансформаторную подстанцию (были случаи поджогов), система фиксирует повторные посещения и ставит человека на контроль. Запускаем мониторинг инженерных конструкций — например, в аэропорту Пулково: если начнутся процессы, угрожающие целостности здания, система заранее предупредит.
Отдельная задача — изменение законодательства. Хотим обязать все торговые объекты и застройщиков передавать данные с камер в систему «Безопасный город». Это расширит покрытие и усилит возможности по розыску. Для этого нужна федеральная инициатива — от губернатора или депутатов.
Среди технологий — использование беспилотных систем с ИИ для мониторинга крыш, повреждений и т.п. Это экономит бюджет и позволяет проводить ремонт до обрушений. Правда, воздушное пространство сейчас ограничено, но мы готовимся заранее, чтобы запустить мониторинг, как только это станет возможным.
Проект реализован на средства гранта Санкт-Петербурга.
