Falcon Tech conta como sua visão computacional para a cidade virou uma rede de 4.000 complexos

A Falcon Tech contou como seu sistema de visão computacional para a cidade passou do controle de estacionamentos a uma grande plataforma de videoanálise, que já é usada em Moscou. Segundo a empresa, uma rede de mais de 4.000 complexos de hardware e software ajuda a registrar infrações, avaliar a carga da infraestrutura e repassar dados aos serviços municipais, e uma equipe de mais de 140 especialistas dá suporte ao sistema.

Dos estacionamentos à plataforma

O projeto começou em 2017 com uma tarefa bastante prática: a cidade não precisava de mais um fluxo de vídeo de câmeras, mas de uma ferramenta funcional para gerir o espaço de estacionamento. Era preciso saber se a vaga estava ocupada, quem parou no gramado ou em vaga para pessoas com deficiência e como reunir provas sem a rotina de papelada. Entre 2017 e 2019, a empresa montou os primeiros 100 complexos, que não apenas filmavam a rua, mas geravam automaticamente eventos para verificação e resposta posteriores.

A principal dificuldade não estava no reconhecimento em si, mas nas condições de uma cidade real. As câmeras ficam em ângulos diferentes, à noite os faróis estouram a imagem, no inverno a neve cobre parcialmente os objetos, e chuva e neblina pioram muito a imagem. Um bloco à parte do trabalho foi dedicado ao reconhecimento de placas de veículos e à redução de falsos positivos. No artigo, a empresa escreve que em 2024 passou a trabalhar com contratos governamentais diretamente com o órgão estatal GKU "AMPP", e que a escala total do sistema ultrapassou 4.000 complexos, com precisão de reconhecimento acima de 98%.

"A maioria das infrações acontece não porque alguém decidiu infringir

de propósito, mas porque todos se acostumaram a achar que aqui ninguém fiscaliza isso."

Onde a visão computacional ajuda

Conforme o projeto crescia, ficou claro que a arquitetura básica serve para mais do que estacionamentos. A Falcon Tech, na prática, transformou uma solução pontual em uma plataforma universal de videoanálise urbana, que pode ser adaptada à infraestrutura de transporte, a instalações industriais e a outros cenários em que importam dados em fluxo e um sinal rápido sobre um problema.

Agora a empresa aposta não em um único nicho, mas em uma linha de produtos, para não depender de um só segmento e reaproveitar o stack já desenvolvido em tarefas correlatas. Essa abordagem também importa na implantação: é mais fácil para o cliente expandir um sistema já instalado do que construir um novo do zero para cada caso.

A plataforma já cobre, e se prepara para cobrir, vários tipos de tarefas:

• controle da ocupação de vagas de estacionamento e de infrações às regras de estacionamento;
• detecção de fogo, fumaça, aglomerações de pessoas e outros incidentes;
• análise da carga de instalações de transporte e da infraestrutura urbana;
• monitoramento industrial e de instalações com base na mesma arquitetura;
• futuros módulos para análise de fluxos de pedestres, ecologia e previsão de eventos.

A empresa ressalta que não se trata apenas de fiscalização e multas. O sentido de um sistema assim é reduzir o controle manual, dar à cidade um panorama mais completo do que acontece e transformar vídeo em dados de gestão. Como exemplo, cita efeitos para a melhoria urbana: em 2023, segundo o material, 1.100 pátios foram reformados com recursos de multas, e em 2025 mais de 10 bilhões de rublos obtidos com estacionamento pago foram direcionados a obras da cidade.

O próximo passo é adicionar mais módulos ligados a segurança, transporte e monitoramento ambiental.

O que isso significa

A história da Falcon Tech mostra como a IA no ambiente urbano deixa de ser demonstração e vira infraestrutura: o valor não vem da câmera nem da rede neural isoladamente, mas do conjunto de modelos, hardware, integrações e um cenário de resposta claro. É também uma forma de criar novos serviços sobre uma infraestrutura urbana que já funciona.

Para o mercado, é um sinal importante: a visão computacional na cidade deixa de ser experimento e se torna uma camada digital básica, que pode ser escalada para transporte, construção, segurança e planejamento urbano.