Компьютерное зрение для бизнеса: с чего начать пилот

Что такое компьютерное зрение простыми словами

Обычная камера отвечает на вопрос «что было в кадре», и ответ нужно искать глазами. Система с компьютерным зрением отвечает на вопросы «сколько», «где», «в каком состоянии» и делает это автоматически, круглосуточно и без усталости.

Принцип такой: модель обучают на множестве изображений, где человек заранее отметил, что и где находится. После обучения она узнаёт похожие объекты на новых кадрах. Для типовых задач — люди, автомобили, номера, каски — уже есть готовые модели, и их дообучают на примерах конкретной компании. Писать всё с нуля почти никогда не нужно.

Какие задачи решает компьютерное зрение

Все прикладные сценарии сводятся к нескольким базовым операциям. Если вашу задачу можно описать одной из них, она, скорее всего, решаема.

• Обнаружение: где в кадре люди, транспорт, товары
• Классификация: брак или норма, какой тип изделия
• Подсчёт: сколько человек вошло, сколько упаковок на полке
• Сегментация: какую часть кадра занимает объект, например площадь свободной полки
• Распознавание текста: номера автомобилей, этикетки, накладные
• Отслеживание движения: откуда и куда перемещается объект

Примеры из узбекского рынка

Магазин одежды в Ташкенте запускает рекламу в Instagram и видит заявки в Direct, но не знает, сколько людей реально дошли до торгового зала. Счётчик посетителей на входе даёт эту цифру. Сравнив её с числом чеков, владелец понимает, где теряется клиент: на пути к магазину или уже у кассы.

Швейный цех в регионе хочет снизить возврат партий. Камера над конвейером проверяет строчку и фиксирует подозрительные изделия до упаковки. Это не заменяет технолога, но снимает рутинную проверку.

Склад продавца на Uzum или OLX может следить за заполненностью полок и за тем, одеты ли сотрудники в положенную форму. Парковка торгового центра использует распознавание номеров для въезда без шлагбаума с ручным билетом. В каждом случае результат — строка в таблице или событие в системе, а не просто видеозапись.

Условия съёмки: то, что ломает проекты чаще всего

Точность зависит не только от модели, но и от картинки. Задача, которая отлично решается на конвейере с постоянным светом, может плохо работать на улице: утром слепит солнце, вечером темно, зимой лежит снег, на объектив садится пыль.

Перед покупкой оборудования проверьте четыре вещи: освещение в разное время суток, угол и высоту установки, разрешение, достаточное для вашей задачи, и отсутствие помех в кадре — колонн, рекламных стендов, стекол с бликами. Ровно поэтому пилот нужно проводить на ваших реальных камерах, а не на демонстрационном видео.

Пошаговый запуск пилота

Лучше начать с одной узкой задачи в одной точке, чем пытаться «оцифровать» весь бизнес сразу.

• Сформулируйте вопрос в терминах денег: например, «какая доля посетителей совершает покупку»
• Выберите одну точку и один тип события, который нужно фиксировать
• Соберите образцы видео в разных условиях: день, вечер, пиковая нагрузка
• Договоритесь, как будет измеряться точность: сравнение с ручным подсчётом на тех же отрезках
• Проведите пилот и разберите ошибки: когда и почему система ошибается
• Решите, что делать с результатом и кто за это отвечает
• Только после этого масштабируйте на другие точки

Обработка на месте или в облаке

Видео можно анализировать на устройстве рядом с камерой или отправлять на сервер. У каждого варианта свои плюсы.

Обработка на месте разгружает интернет-канал, что важно, если в точке нестабильная связь, и уменьшает вопросы о передаче видео за пределы помещения. Наружу уходят только итоги: число, событие, фотография нарушения. Минус — нужно закупать и обслуживать устройства на каждой точке.

Облако или собственный сервер проще обновлять и масштабировать, сразу видно все точки в одном месте. Но требуется хороший канал и ясность, где физически хранятся данные. Для сети из нескольких филиалов часто выбирают смешанную схему: первичный анализ на месте, сводка на сервере.

Типичные ошибки

Первая ошибка — покупать технологию без вопроса к бизнесу. Данные ради данных никому не нужны. Вторая — доверять точности из презентации и не проверять её на своих камерах. Третья — не продумать, что делать с ошибками: кто смотрит спорные случаи и как исправления возвращаются в систему.

Четвёртая ошибка — оставить результаты внутри отдельной программы. Если число посетителей лежит в одном окне, продажи в кассовой программе, а реклама в кабинете Meta, никто не свяжет их между собой, и ценность пропадает. Пятая — забыть про людей: сотрудники должны знать, зачем стоят камеры и что именно анализируется.

Приватность и законодательство

Если в кадре люди, это вопрос персональных данных и видеонаблюдения. Требования законодательства Узбекистана нужно уточнять у юриста до запуска. На практике помогают простые меры: табличка о видеонаблюдении, внутренний документ о целях съёмки, ограничение срока хранения записей, доступ к видео только у ответственных. Часто можно обойтись без идентификации личности: для подсчёта посетителей достаточно знать, что в кадре человек, а не кто именно.

Как связать камеры со сквозной аналитикой

Главная ценность появляется, когда данные камер лежат рядом с остальными. Посетители магазина, чеки из кассовой программы, обращения из Telegram и Instagram, расходы на таргет и Google Ads — всё это должно попадать в единый отчёт с общим временем и точками. Тогда вы видите путь целиком: сколько денег потрачено, сколько людей пришло, сколько купило.

Чек-лист перед стартом: есть конкретный вопрос бизнеса; выбрана одна точка; проверены свет и ракурс; определён способ измерения точности; решено, где обрабатывается видео; согласованы правила приватности; понятно, в какую систему и в каком виде попадёт результат.

Если нужно выстроить такую связку, команда markdev помогает с сквозной аналитикой и отчётностью: подключает источники данных, настраивает показатели и собирает понятные отчёты. Можно прислать описание задачи и обсудить, с какого шага начать.