Московская система видеонаблюдения уже не ограничивается только обеспечением безопасности. Она используется для решения многих городских задач: от контроля вывоза мусора до выявления незаконного строительства. Начальник управления городского видеонаблюдения Департамента информационных технологий (ДИТ) Москвы Дмитрий Головин в кулуарах ЦИПР 2021 рассказал главному редактору «Телеспутника» Павлу Желтову о том, как видеонаблюдение помогает управлять городским хозяйством и какие задачи оно сможет решать в перспективе.
С чем сейчас связан тренд на использование видеонаблюдения в управлении городским хозяйством Москвы?
Тренд видеонаблюдения задавался в течение последних десяти лет. С 2011 года мы создаем и развиваем единую систему городского видеонаблюдения Москвы. В нее включено 204 тысячи видеокамер. Они есть во многих дворах и общественных местах, где важно обеспечить безопасность жителей. За год система видеонаблюдения снимает 1,5 млрд часов видео. Такой объем невозможно отсмотреть людям. Именно по этой причине применяются средства автоматизации.
Мы внедряем алгоритмы искусственного интеллекта не только для распознавания лиц, которое правоохранительные органы используют для розыска правонарушителей, но и для автоматизации контроля вывоза мусора, содержания контейнерных площадок и детских игровых площадок, малых архитектурных форм. То есть многое, что необходимо контролировать в части управления городским хозяйством, сегодня делается с помощью городского видеонаблюдения.
До недавнего времени это была не только сеть Правительства Москвы, но и сеть частных камер. Или это все ваше?
Единую городскую систему видеонаблюдения дополняет огромное количество частных и коммерческих систем видеонаблюдения. Часть из них мы интегрируем в городскую систему, чтобы создать единое поле, но какие-то еще существуют отдельно.
Что это за алгоритмы, о которых вы говорите, позволяющие анализировать столь большой объем визуальной информации?
Это нейронные сети, которые по заранее заданным параметрам находят и анализируют на изображениях определенные элементы. Самый распространенный пример — когда видеоаналитика выделяет в кадре лицо человека, а затем сравнивает его с изображениями лиц, находящихся в базе. Сейчас эта технология применяется повсеместно. Распознавание лиц уже становится привычной и даже обыденной технологией и ярким примером использования биометрии для удобства человека.
Правоохранительные органы используют эту технологию для розыска правонарушителей, в том числе преступников, находящихся в федеральном розыске. Также видеоаналитика широко применяется для организации пропускной системы в организациях: биометрические терминалы ставятся на турникетах, которые открываются, если человек есть в базе сотрудников организации. Например, уже год такая система функционирует в здании Минцифры. А недавно возможность прохода и оплаты по биометрии лица в пилотном режиме запустили для пассажиров московского метро.
Москва также использует видеоаналитику, чтобы контролировать уборку и благоустройство дворов и улиц. Мы научили нейронную сеть выявлять нарушения по скриншотам с камер видеонаблюдения: например, она может найти яму на дороге, незаконную рекламу или неубранную контейнерную площадку. Система сигнализирует об этом оператору Центра автоматической фиксации административных правонарушений. Ему остается только подтвердить информацию и передать ее в работу коммунальным службам, а раньше инспекторам приходилось выезжать в каждый двор с инспекцией.
Чтобы снизить нагрузку на вычислительные мощности, некоторые системы видеонаблюдения работают по расписанию, то есть в конкретное время, а не все 24 часа в сутки. Мы подробно разбираем процесс управления определенной задачей и уже исходя из этого автоматизируем его. При этом в процессе работы системы видеонаблюдения генерируются обезличенные большие данные: это качественная статистическая информация, которую мы тоже задействуем в целях обеспечения безопасности, управления городской инфраструктурой.
Оказалась ли готова система видеонаблюдении к пандемии?
Наше управление, пожалуй, как никакое другое оказалось готово к ней, потому что система распознавания лиц, алгоритмы распознавания в видеопотоке мы внедрили еще до начала пандемии. Система распознавания лиц была готова к 1 января 2020 года. Во время пандемии с помощью этой системы мы контролировали соблюдение режима изоляции пациентами с подтвержденным диагнозом COVID-19, довольно быстро обучили нейросети выявлять отсутствие товаров первой необходимости на полках магазинов.
Если говорить о больших данных, то мы, например, анализируем обезличенную статистическую информацию о том, сколько человек в определенный период проходит по конкретной улице. Весной 2020 года благодаря такой аналитике мы достаточно точно понимали, как введенные ограничительные меры влияют на поток людей, то есть насколько люди следуют установленным правилам.
Получается, система видеонаблюдения работает и на логистику в столице?
Мы только сейчас внедряем технологию распознавания силуэтов. Она будет использоваться, в том числе, для проектирования городской инфраструктуры. Мы научили систему распознавать паттерны поведения людей на той или иной территории, а это позволяет достаточно точечно управлять городской инфраструктурой. Например, если аналитика показывает, что жители чаще всего используют какой-то один конкретный путь из одной точки в другую — значит, этот путь удобнее. Раньше для выполнения подобной аналитической задачи нужно было задействовать огромное количество специалистов. Сейчас с помощью системы видеонаблюдения мы можем понять, что для людей удобнее, ориентировать город на человека — построить город как сервис. Этот лозунг стал возможным, в том числе, благодаря системе видеонаблюдения.
Полагаю, система видеонаблюдения оперирует большим объемом персональных данных. Обеспечение сохранности этих данных, пожалуй, самая важная задача?
Наша система оперирует не персональными данными, а изображениями людей, то есть мы их не идентифицируем. Все задачи идентификации, например, розыск, относятся к компетенции правоохранительных органов. Тем не менее, поскольку Единый центр хранения данных, где хранятся записи с камер видеонаблюдения, является государственной информационной системой, она аттестована и соответствует требованиям законодательства РФ по работе с персональными данными. Есть обязательные требования, которые предъявляют нам надзорные органы, мы регулярно проводим проверку устойчивости системы видеонаблюдения к взломам и исходя из этого внедряем дополнительные средства защиты.
Есть ли вероятность того, что система видеонаблюдения со всеми ее возможностями по части видеоаналитики и больших данных напугает общество? Или это дружелюбный сервис?
Видеонаблюдение — это инфраструктурный проект, такой же, как мобильная связь. Вопрос в том, как этим пользоваться. Система видеонаблюдения — не самостоятельное средство для принятия какого-то решения, а средство, помогающее принимать решения. То есть, повторюсь, классический инфраструктурный проект как «умный» город или безопасный город.
Многие москвичи используют возможности городского видеонаблюдения, когда оказываются в трудной ситуации. Например, если человек попал в ДТП или у него украли личное имущество, он может позвонить на специальную горячую линию и зарезервировать архив с конкретной камеры. Само видео ему не предоставят, но человек может передать номер заявки сотруднику полиции — и тот сможет использовать видеозапись для расследования. Ежегодно этим сервисом пользуются десятки тысяч москвичей, и для нас важно, что система видеонаблюдения приносит пользу не только городу, но и горожанам.
Государство всячески ратует за импортозамещение. Как у вас обстоят дела с этим?
В части программного обеспечения у нас изначально дела обстоят хорошо, потому что мы используем видеоядро и алгоритмы отечественных разработчиков.
В части физических ресурсов, вычислительных мощностей мы внимательно следим за новинками на рынке, активно сотрудничаем с отечественными производителями. Для нас главное, чтобы наша система видеонаблюдения работала в режиме «24/7».
Вы верите в то, что отечественное оборудование в этой области может стать лучшим?
Мы не только верим, но и даем производителям возможность быть лучшими, предоставляем площадку, реальную нагрузку, которую сложно смоделировать. Более того, мы работаем по мультивендорной модели, то есть используем несколько алгоритмов видеоаналитики ведущих российских разработчиков. Такая здоровая конкуренция стимулирует их развивать свой продукт, делая его более качественным.
Приведите, пожалуйста, примеры масштабирования вашего проекта за пределами Москвы.
Мы делимся проектами со всеми регионами. К примеру, в Санкт-Петербурге и Московской области задействуется такое же видеоядро, как и у нас. В этих регионах следуют похожим принципам в части внедрения систем искусственного интеллекта. Мы часто обсуждаем вместе вопросы нормативной базы, регулирования, управления, выстраивания бизнес-процессов. Считаю, что одна голова хороша, но две всегда лучше.
Какие цели вы планируете выполнить к концу года?
В короткой перспективе — закончить внедрение алгоритмов распознавания силуэтов, потому что технология больших данных дала новый скачок в управлении городом. В долгосрочной перспективе — с помощью системы видеонаблюдения оцифровать все объекты городского хозяйства, тем самым развить цифровой двойник города.