VisionLabs подключила Luna Cars к парковке в офисе МТС: пропуск по камерам

VisionLabs внедрила в офисе МТС систему автоматизации парковки на базе видеоаналитики Luna Cars. Как сообщает CNews, решение отвечает за пропуск автомобилей: камеры фиксируют транспорт, алгоритмы компьютерного зрения его идентифицируют, а дальше система решает, открывать ли шлагбаум. Публикация от 13 октября 2026 года не называет ни число парковочных мест, ни точность распознавания, ни сроки внедрения, поэтому оценивать приходится сам формат проекта, а не его показатели.

Что известно о проекте

Заказчик — МТС, один из крупнейших телеком-операторов России. Исполнитель — VisionLabs, российский разработчик систем компьютерного зрения. Он давно работает на рынке распознавания лиц и объектов, а Luna Cars входит в его линейку решений для работы с транспортом.

Корпоративная парковка — понятный сценарий для такой технологии. Поток машин предсказуем, список допущенных автомобилей ограничен, а камеры можно поставить так, чтобы ракурс и освещение были стабильными. Это самые мягкие условия для видеоаналитики: ошибка здесь стоит одной задержки у шлагбаума, а не инцидента на городской дороге.

Как устроены системы такого класса

Обычная схема выглядит так. Камера на въезде снимает кадр или поток, модель находит автомобиль и номерной знак, затем распознаёт символы. Результат сверяется со списком разрешённых машин, и система отправляет команду на шлагбаум. Решения этого типа часто умеют определять и дополнительные признаки: марку, цвет, тип кузова. Какие именно функции включены в офисе МТС, источник не уточняет.

Главное преимущество такой связки — отсутствие физических носителей. Не нужны пропуска, брелоки и дежурный, который сверяет номера вручную. Гостевые заезды можно оформлять заранее: номер вносится в систему до приезда.

Чего в сообщении нет

Для оценки зрелости проекта не хватает базовых данных:

• Масштаб: число парковочных мест и полос въезда не указано.
• Точность: доля верно распознанных номеров в разных условиях (ночь, снег, грязные знаки) не приведена.
• Скорость: время от появления машины в кадре до открытия шлагбаума не названо.
• Интеграция: неясно, связана ли система с корпоративной СКУД и списками сотрудников.
• Экономика: стоимость внедрения и срок окупаемости не раскрыты.
• Данные: не сказано, где хранятся записи камер и как долго.

Без этих цифр сообщение остаётся кейсом-витриной. Для VisionLabs такой кейс ценен репутационно: заказчик с крупным именем и понятной задачей. Для рынка он пока не даёт материала для сравнения с конкурентами.

Что проверить при внедрении

Если аналогичную систему планирует компания с собственной парковкой, начинать стоит с пилота на одной полосе. Нужно измерить долю ошибок за месяц, включая плохую погоду и зимние месяцы, когда номера загрязняются, а камеры слепит низкое солнце.

Отдельно проверьте сценарии отказа. Что происходит при потере связи с сервером, открывается ли шлагбаум вручную, как обрабатываются незнакомые и иностранные номера. Третий пункт — персональные данные: номер автомобиля часто связан с конкретным сотрудником, значит, нужны регламент хранения и ограничение доступа к архиву.

Если поставщик готов называть точность и задержку в цифрах и фиксировать их в договоре, это хороший признак. Если ограничивается словом «автоматизация», стоит просить протоколы тестов.