Falcon Tech explicó cómo la visión por computadora para la ciudad creció hasta convertirse en una red de 4.000 sistemas

«Фалькон Тех» рассказала, как её система машинного зрения для города прошла путь от контроля парковок до масштабной платформы видеоаналитики, которая уже используется в Москве. По словам компании, сеть из более чем 4 000 программно-аппаратных комплексов помогает фиксировать нарушения, оценивать загрузку инфраструктуры и передавать данные городским службам, а поддерживает систему команда из более чем 140 специалистов.

От парковок к платформе

Проект стартовал в 2017 году с довольно прикладной задачи: городу нужен был не очередной поток видео с камер, а работающий инструмент для управления парковочным пространством. Нужно было понимать, занято ли место, кто встал на газон или на место для инвалидов, и как собирать доказательства без бумажной рутины. В 2017–2019 годах компания собрала первые 100 комплексов, которые не просто снимали улицу, а автоматически формировали события для дальнейшей проверки и реакции.

Главная сложность оказалась не в самом факте распознавания, а в условиях реального города. Камеры висят под разными углами, ночью кадр засвечивают фары, зимой объекты частично скрыты снегом, а дождь и туман резко ухудшают картинку. Отдельный блок работы пришёлся на распознавание автомобильных номеров и снижение ложных срабатываний.

В статье компания пишет, что в 2024 году начала работать по госконтрактам напрямую с ГКУ «АМПП», а общий масштаб системы превысил 4 000 комплексов при точности распознавания более 98%.

«Большинство нарушений происходит не потому, что кто-то решил

специально нарушить, а потому что все привыкли, что здесь за этим никто не следит».

Где помогает зрение

По мере роста проекта стало понятно, что базовая архитектура годится не только для парковок. «Фалькон Тех» фактически превратила точечное решение в универсальную платформу городской видеоаналитики, которую можно адаптировать под транспортную инфраструктуру, промышленные объекты и другие сценарии, где важны потоковые данные и быстрый сигнал о проблеме. Сейчас компания делает ставку не на одну нишу, а на линейку продуктов, чтобы не зависеть от одного сегмента и использовать уже наработанный стек в смежных задачах.

Такой подход важен и для внедрения: заказчику проще дорастить уже установленную систему, чем строить новую с нуля под каждый кейс. Платформа уже закрывает и готовится закрывать несколько типов задач: контроль занятости парковочных мест и нарушений правил стоянки; детекцию огня, дыма, скопления людей и других инцидентов; анализ загрузки транспортных объектов и городской инфраструктуры; промышленный и объектовый мониторинг на базе той же архитектуры; * будущие модули для анализа пешеходных потоков, экологии и прогнозирования событий. Компания отдельно подчёркивает, что речь идёт не только о надзоре и штрафах.

Смысл такой системы — сократить ручной контроль, дать городу более полную картину происходящего и превратить видео в управленческие данные. В качестве примера приводятся эффекты для благоустройства: в 2023 году, как сказано в материале, на средства от штрафов отремонтировали 1 100 дворов, а в 2025 году на городские работы направили более 10 млрд рублей, полученных за счёт платных парковок. Следующий шаг — добавить больше модулей, связанных с безопасностью, транспортом и экологическим мониторингом.

Что это значит

История «Фалькон Тех» показывает, как ИИ в городской среде уходит от демонстраций к инфраструктуре: ценность создаёт не сама камера и не нейросеть отдельно, а связка из моделей, железа, интеграций и понятного сценария реакции. Это ещё и способ строить новые сервисы поверх уже работающей городской инфраструктуры. Для рынка это важный сигнал: машинное зрение в городе становится не экспериментом, а базовым цифровым слоем, который можно масштабировать на транспорт, стройку, безопасность и планирование городской среды.