Материал

Детекция аномалий в видеонаблюдении – справка на одной странице

Что такое детекция аномалий (учит «норму», помечает отход – правило не написано) и чем отличается от поведенческой аналитики на правилах; четыре семейства моделей (реконструкция/предсказание-автоэнкодеры, одноклассовые, MIL со слабым учителем и визуально-языковые методы 2025-2026 – внутренности моделей у ИИ-раздела); честная история точности (контролируемые бенчмарки ~96-98% AUC, реальный UCF-Crime ~80-88% AUC, никогда не 100%); математика ложных тревог/базовой ставки (~86 400 оценённых моментов/день, ~10 реальных аномалий, 1% доля ложных -> ~864 ложных против ~8 настоящих -> разворачивайте как сортировку, не как самостоятельную тревогу); где работает (край/сервер/облако, непрерывная оценка делает край вариантом по умолчанию); подвох ONVIF (аномалия НЕ стандартный тип правила – едет как метаданные профиля M вендора); и юридическая граница (персональные данные; не биометрия, пока не опознаёт или не выводит эмоцию) – на одной странице.

ШпаргалкаPDF · A41 страницаАвгуст 2026

Скачать PDF →

Что внутри

A. Что это - и что нет
B. Семейства моделей (внутренности: AI for Video Engineering)
C. Точность - это диапазон, а ложные тревоги - главная метрика
D. Где работает + как попадает в VMS - оговорка ONVIF
E. Юридическая граница: перс. данные, обычно не биометрия

Кому пригодится

Тем, кому обещали систему, которая «сама заметит необычное». Справка отделяет детекцию аномалий от правил, показывает разрыв между контролируемыми наборами с 96–98% AUC и полевыми 80–88%, считает базовую ставку – 864 ложных срабатывания против 8 настоящих за сутки – и делает вывод: разворачивать это как сортировку, а не как самостоятельную тревогу.