惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

A
About on SuperTechFans
GbyAI
GbyAI
I
InfoQ
C
Cisco Blogs
T
Tor Project blog
NISL@THU
NISL@THU
N
Netflix TechBlog - Medium
C
Cyber Attacks, Cyber Crime and Cyber Security
The Hacker News
The Hacker News
T
The Exploit Database - CXSecurity.com
H
Help Net Security
Cisco Talos Blog
Cisco Talos Blog
The Register - Security
The Register - Security
Microsoft Azure Blog
Microsoft Azure Blog
G
Google Developers Blog
A
Arctic Wolf
Stack Overflow Blog
Stack Overflow Blog
C
CXSECURITY Database RSS Feed - CXSecurity.com
P
Palo Alto Networks Blog
aimingoo的专栏
aimingoo的专栏
Microsoft Security Blog
Microsoft Security Blog
P
Privacy International News Feed
L
LINUX DO - 热门话题
Know Your Adversary
Know Your Adversary
L
LangChain Blog
AWS News Blog
AWS News Blog
Security Latest
Security Latest
T
Threat Research - Cisco Blogs
U
Unit 42
P
Privacy & Cybersecurity Law Blog
Spread Privacy
Spread Privacy
WordPress大学
WordPress大学
Latest news
Latest news
L
Lohrmann on Cybersecurity
小众软件
小众软件
阮一峰的网络日志
阮一峰的网络日志
Simon Willison's Weblog
Simon Willison's Weblog
雷峰网
雷峰网
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Y
Y Combinator Blog
S
SegmentFault 最新的问题
Recent Announcements
Recent Announcements
C
Cybersecurity and Infrastructure Security Agency CISA
Martin Fowler
Martin Fowler
S
Schneier on Security
C
CERT Recently Published Vulnerability Notes
B
Blog
Project Zero
Project Zero
Recorded Future
Recorded Future

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром T-TOPS: Как распутать гордиев узел проекта после выхода в прод (меч не понадобится) Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему
Фалькон Тех · 2026-04-16 · via Все публикации подряд на Хабре

Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему

Простой

7 мин

4.2K

Понятие «Умный город» всё ещё звучит футуристично, но уже сегодня это реальность многих прогрессивных городов мира. Речь здесь не только о технике: камерах, беспилотниках и ИИ, хотя об этом вспоминают в первую очередь. Это инфраструктура, которая работает на опережение. Она не ждёт, пока кто-то обнаружит проблему, а сама сигнализирует об инциденте, чтобы её устранить.

Водитель припарковался в запрещенном месте? На стройке пошли отклонения от плана? Кто-то нарушает общественный порядок? Чтобы такие проблемы вовремя были замечены и исправлены, мы создаем решения в сфере видеоаналитики с применением искусственного интеллекта и машинного зрения.

Привет, Хабр! На связи команда «Фалькон Тех». В этой статье мы расскажем, как наши разработки в сфере видеонаблюдения и аналитики больших данных вот уже как 8 лет помогают городу становиться лучше. Свыше 140 специалистов создают и поддерживают наше собственное ПО с использованием ИИ и машинного зрения, обеспечивая его бесперебойную работу. Сейчас в Москве функционирует единая система из более чем 4 000 наших программно-аппаратных комплексов.

Сегодня не будет кода, графиков, методов классификации артефактов и обучения моделей — у нас впереди много технических публикаций, и мы всем поделимся. В этой статье сфокусируемся на прикладной инженерии машинного зрения в городской среде. Реальные города, проблемы и решения.

Начнем с того, для чего мы этим занимаемся.

Зачем городу машинное зрение

Мы напрямую занимаемся созданием умного города каждый день. Оценить концепцию непредвзято, без учёта накопленной экспертизы, сложно, поэтому мы провели исследование и обратились к внешним экспертам из других сфер. Выводы такие: многие воспринимают «умный город» как что-то вроде «цифровой трансформации», «интегрированных экосистем» и «единого цифрового контура». Но что конкретно описывают эти канцелярские термины — не понимают.

Давайте попробуем разобраться. Мегаполис — это перенасыщенное пространство, в котором неизбежно присутствуют следующие явления:

  • дворы, где паркуются на газонах;

  • промзоны, где скапливаются автомобили;

  • участки дорог, где нарушения ПДД — норма;

  • строители, которые не соблюдают регламент технологических процессов;

  • и нарушители общественного порядка.

Да, это всё контролируется и пресекается полицией и другими органами. Но сотрудники физически не могут находиться везде, да и не должны. Для более эффективного управления городской средой создали своего рода цифрового ассистента. Он включает камеры с машинным зрением для распознавания инцидентов и программно-аппаратные комплексы, которые автоматически собирают, хранят и передают данные в соответствующие инстанции.

Большинство нарушений происходит не потому, что кто-то решил специально нарушить, а потому что все привыкли, что «здесь за этим никто не следит».

— из доклада «Фалькон Тех», по анализу поведенческих паттернов на парковках

Интеллектуальные алгоритмы в режиме реального времени анализируют видеопотоки, выявляют подозрительные события, контролируют соблюдение правил и информируют службы реагирования. Они помогают видеть картину целиком — на каждом перекрестке, в каждом дворе, на каждой строительной площадке.

От наблюдения на парковках к универсальной платформе

Наша компания вышла на рынок в 2017 году. Заказчик хотел внедрить интеллектуальный контроль городского парковочного пространства: устранить дефицит парковочных мест, эффективно задействовать территорию и регулярно получать достоверные данные, чтобы планировать модель парковочного пространства в масштабах всего города и грамотно выстраивать систему регулирования тарифа.

В то время в Москве уже были камеры видеонаблюдения. Но они представляли собой только «глаза на столбах», а не систему, способную обеспечить комплексный анализ ситуации. ИИ и компьютерное зрение в городских задачах на тот момент использовались точечно и разрозненно.

Решили кейс и создали комплекс для видеоаналитики

В период с 2017 по 2019 год мы создали систему из 100 первых программно-аппаратных комплексов. Они фиксировали занятость парковочных мест и нарушения правил парковки (парковка на местах для инвалидов, заезд на газон), а затем создавали доказательную базу для ГИБДД на основе видеоматериалов. Это позволило получить «живую» аналитику и избежать дополнительных бумажных отчетов.

Мы не просто установили камеры и начали снимать. Мы разработали систему компьютерного зрения и учли целый ряд инженерных нюансов:

  • как нейросети работать с камерой, которая висит под углом;

  • как настроить работу нейросети в снег, дождь и туман;

  • как классифицировать газон под снегом;

  • как учитывать ночную съемку с пересветами фар;

  • как повысить точность распознавания лиц и автомобильных номеров.

Особое внимание уделили совершенствованию системы компьютерного зрения для корректного распознавания номеров транспортных средств. Провели комплексную работу по адаптации системы с учетом множества условий разных объектов, что важно для точности аналитики и минимизации количества ложных срабатываний.

Видеоаналитика парковочных мест

Видеоаналитика парковочных мест

Поняли, куда расти: видеоаналитика в городах России

В 2024 году мы начали работать по госконтрактам напрямую с Москвой (ГКУ «АМПП») и с тех пор выросли более чем в 5 раз. Сегодня система из 4 000+ комплексов работает в Москве непрерывно. Точность распознавания — более 98%. По этому направлению наше решение де-факто стало индустриальным стандартом.

«Фалькон Тех» сегодня — один из основных участников российского рынка интеллектуальных систем видеоаналитики. Мы реализуем крупные проекты для транспортных объектов, городской инфраструктуры и бизнеса.

Наш первый продукт создавался под конкретный запрос, но быстро стало понятно, что мы разработали универсальную базовую архитектуру, которую можно подстроить под разные отрасли. Так у нас появились новые направления:

Мониторинг объектов транспортной инфраструктуры

  • мониторинг загруженности объектов;

  • детекция инцидентов (огонь, дым, девиантное поведение, скопление людей) и оповещение контролирующих органов;

  • а также наработки в области промышленного мониторинга со схожим функционалом.

Изначально мы фокусировались на мониторинге парковочного пространства, но в определённый момент появились запросы из смежных сфер. У нас уже была экспертиза и готовая ИТ-архитектура, — и мы адаптировали стек.

Почему мы расширяем продуктовую линейку, а не остаёмся с одним нишевым продуктом

Расширяя портфель продуктовых решений, мы открываем для себя новые возможности, делая компанию более устойчивой в условиях переменчивого и непредсказуемого рынка.

Такой подход позволяет нам диверсифицировать доходы и не зависеть от одного сегмента. Объем рынка интеллектуальных систем для транспорта, городской инфраструктуры и коммерческих объектов в России составляет десятки миллиардов рублей в год, а в мире — сотни миллиардов долларов. Расширение продуктовой линейки – это в том числе возможность занять значимую долю на перспективном рынке.

Мы сознательно выбрали стратегию развития, которая не ограничивает компанию рамками одного решения. Это позволяет нам быть гибкими, быстрее реагировать на изменения рынка, внедрять инновации и предлагать клиентам актуальные инструменты.

Многие заказчики заинтересованы именно в комплексных системах, которые можно интегрировать с имеющейся инфраструктурой и масштабировать под разные задачи. Именно такие кейсы и составляют нашу экспертизу – это повышает ценность решений и укрепляет долгосрочные партнерства.

Почему у нас получилось: пять столпов «внутри» компании

«Фалькон Тех» входит в число ведущих отечественных разработчиков видеоаналитики для городской среды. Нам важно строить системы не «из коробки», перерабатывать open-source пакеты и развивать инженерную культуру. Вот на чем держится все, что мы делаем:

1. Команда

Это база. У нас нет «человеческих ресурсов» — есть люди с горящими глазами, которые умеют вести проекты. Мы стараемся сократить количество рутины и не душить людей бюрократией. Думаем о гибкости, прикладных решениях, прозрачном управлении. Стараемся дать специалистам свободу принимать решения — даже на госзаказах. Подробнее о специалистах говорим на Хабр Карьере.

2. Исследования

У нас есть отдельное внутреннее R&D. Сегодня это must-have. Мы сами настраиваем пайплайны обработки данных, дорабатываем ИИ-модели, формируем датасеты, валидируем гипотезы. Исследовательский трек не отрезан от продакшена, и часто именно из R&D вырастают новые лиды направлений.

3. Экспертиза в предметной области

Технологии автоматического анализа работают на дорогах, стройплощадках и ОРП. Мы уделяем внимание отладке. Наши инженеры должны глубоко понимать, как устроена логистика на объектах, как учесть погодные условия, освещенность и сложные траектории движения. Мы качаем узкие прикладные навыки.

4. Долгосрочные партнерства

Мы выстраиваем крепкие партнерские отношения с заказчиками — и со структурами Правительства Москвы, и с частными клиентами. Это требует высокого уровня ответственности, но окупается уже более 8 лет.

5. Универсальная платформа

Мы разрабатываем технологию не ради одной задачи, а для применения в разных сценариях: транспорт, строительство, экология и урбанистика.

Машинное зрение в городе — это не только безопасность

Многие воспринимают систему видеоаналитики как «глаза надзорных органов», но у нее много других преимуществ:

  • Экономия — одна система заменяет сотни проверок инспекторов;

  • Снижение аварийности и повышение безопасности;

  • Повышение прозрачности данных о загруженности инфраструктуры;

  • Источник данных для планирования развития городской среды.

Средства, которые города получают от штрафов, выставленных нарушителям, распределяются на благоустройство города. Так в 2023 году отремонтировали 1 100 дворов, а в 2025 на благоустройство направили уже свыше 10 миллиардов рублей, вырученных за счёт платных парковок.

Сейчас системы «Фалькон Тех» работают в основном в Москве. Но многие регионы уже перенимают передовой опыт столицы, и мы им в этом помогаем — создаем решения, которые работают независимо от географии.

В течение ближайших 5 лет мы планируем добавить новые модули:

  • Аналитика пешеходных и транспортных потоков;

  • Экологический мониторинг состояния воздуха и воды;

  • Интеллектуальный контроль безопасности;

  • Прогнозирование городских событий с применением искусственного интеллекта.

Честно расскажем о решениях и технологиях

Особенность нашего рынка — закрытость. Многие решения поставляются через крупные госконтракты и вертикально интегрированные группы. Конкуренты не публикуют ничего без NDA, их продукты невозможно протестировать. Это мешает: нет открытого диалога, нет объективных метрик качества работы систем, нет понятной конкуренции.

Как это обойти? Мы делаем ставку на прозрачность технологий и открытость к диалогу с городом и бизнесом. Мы хотим делиться тем, как именно создаем наши решения.

Мы понимаем, что на Хабре технически грамотная аудитория. Поэтому в следующих публикациях подробно расскажем:

  • Как работают системы интеллектуальной видеоаналитики;

  • Чем видеоаналитика отличается от мониторинга;

  • Какие технологии, фронтенд, бэкенд, данные и облачные ресурсы используем;

  • Какие датчики, камеры и оборудование выбираем;

  • Какую роль в системе играет искусственный интеллект;

  • Как боремся с ложными срабатываниями и о многом другом.

Мы инженерная команда, которая строит работающую инфраструктуру умных городов. Будем рады вашим вопросам и идеям. На связи!