Как снизить травматизм и штрафы на стройке: ИИ‑видеоаналитика на практике?
Начнем с самой проблемы — откуда идет травматизм и штрафы на стройке? Почти всегда начинаются с мелочей: каску сняли «на минутку», зашли под стрелу крана, подрядчик пустил на объект людей без инструктажа.В статье разберу, почему ручной контроль охраны труда не справляется, какие нарушения ведут к травмам и штрафам, как устроена видеоаналитика изнутри и что из неё получается на реальных объектах, а конце дадим чек‑лист внедрения и честно перечислим ограничения технологии.Почему ручной контроль уже не справляется?
Python глазами C++-разработчика: GIL, asyncio и процессы на примере видеосервера
В первой статье цикла я разобрал real-time-конвейер видеоаналитики на C++20. Затем мы настроили систему через браузерный Viewer и безопасно опубликовали её через VPS. Теперь посмотрим на Python-реализацию того же сервера — глазами разработчика, привыкшего к RAII, std::thread, явному владению памятью и статической типизации.
«Черкизово» и Data Sapience выступили на Форуме ИТ и инноваций в ритейле
Счет 4:6 в пользу инноваций: спикеры разобрали ИИ-инициативы «Черкизово» и показали, где искусственный интеллект заменяет привычный процесс, а где – нет.Data Sapience выступила генеральным партнером сессии
От RTSP-камеры до истории событий: настраиваем видеоаналитику через JavaScript Viewer
Привет, Хабр! В первой статье я разбирал внутреннее устройство real-time-конвейера на C++20: почему медленный YOLO не должен останавливать RTSP и зачем между этапами нужны ограниченные слоты последнего значения. Теперь посмотрим на ту же систему с другой стороны — глазами пользователя, который подключает камеру и должен получить не просто видео с рамками, а управляемый и проверяемый результат.
Как не утопить RTSP в YOLO: real‑time‑конвейер на C++20, Clang и ONNX Runtime
Привет, Хабр! Меня зовут Александр Кудряшов. Более тридцати лет я занимаюсь разработкой систем цифровой обработки сигналов, аудио и видео. В последнее время я создаю собственную платформу видеоаналитики и сравниваю её серверные реализации на C++, Python и Rust. Это моя первая статья: в ней хочу поделиться не обзором готового продукта, а одной конкретной инженерной задачей, возникшей при его разработке.YOLO обрабатывает кадр дольше, чем камера формирует следующий. Если построить видеосервер как последовательность read → motion → YOLO → encode
Gen‑A получила «Оскар» для стартапов
Российская AI‑медиаплатформа Gen‑A стала победителем национальной «Стартех.Премии» в номинации «Лучший стартап с применением ИИ для бизнеса».
Видеоаналитика на промышленном объекте: почему большинство внедрений разочаровывают и как сделать правильно (дубль)
Предисловие. Так как по какой то неведомой для меня причине эта статья после модерации через определенное время вместе с другой ранее опубликованной уже статьей попала в бан, то я решил её опубликовать повторно, что бы сохранить нить повествования и в целом концепт статей. Там, где нет людей, нет времени и нет права на ошибку
Почему VLM галлюцинирует объекты, которых нет: zero-shot детекция дыма и решение с помощью промпта
Ранняя детекция дыма и огня — частая и ценная задача уличной видеоаналитики. Камера может заметить возгорание раньше, чем люди на улице или оператор. Обучать отдельную модель детекции — это датасет, разметка и время, а возгорания в кадре выглядят слишком по-разному, чтобы быстро покрыть все случаи. Поэтому, когда сценариев детекции в рабочих проектах стало слишком много, я решила попробовать короткий путь, попросить VLM (языковую модель, умеющую работать с изображениями) найти дым текстовым промптом в zero-shot режиме, то есть вообще без обучения под задачу.Первой моделью взяла Qwen3.5-9B
Перенёс ByteTrack на GPU и ускорил мульти-камерный трекинг в 6 раз
Как я взял самый популярный трекинг-алгоритм, заставил его считать математику всех камер одним GPU-батчем — и по дороге трижды наступил на грабли, о которых стоит знать каждому, кто пишет real-time пайплайны на PyTorch.
