М.А. Казанцев1, М.А. Радченко2

1-2 Акционерное общество «Научно-производственное предприятие «Радиосвязь» (г. Красноярск, Россия)

1 mkaz@mail.ru, 2 maks.engineer@mail.ru

Постановка проблемы. В условиях цифровой трансформации промышленности и усиления требований к безопасности труда и защите критической информационной инфраструктуры (КИИ) возникает острая необходимость в переходе от пассивных систем видеонаблюдения к активным интеллектуальным решениям. Проблема заключается в выборе оптимальной архитектуры видеоаналитики, которая бы сочетала в себе надёжность, соответствие нормативным требованиям (включая импортозамещение и сертификацию для объектов КИИ) и достаточную гибкость для адаптации под специфику производственных процессов.

Цель. Провести комплексный анализ современных систем видеоаналитики для промышленных предприятий, предлагаемых тремя ведущими российскими ра зработчиками – TRASSIR (ООО «НПП Трассир»), Макроскоп (ООО «Макроскоп трейд») и ВИПАКС (ООО «Випакс+»), а также сделать сравнительную оценку их решений и возможностей решений независимых (свободных) разработчиков на базе Open Source технологий.

Результаты. Выявлены ключевые функциональные модули, проанализированы их технические характеристики и показана возможность их применения в различных отраслях производства. Обоснованы ограничения по использованию решений Оpen Source технологий на объектах КИИ.

Практическая значимость. Представлены методические рекомендации по выбору системы видеоаналитики в зависимости от типа производства, уровня рисков и регуляторных требований. Полученные результаты могут быть применены при проектировании и модернизации систем безопасности на промышленных, энергетических и логистических объектах.

Казанцев М.А., Радченко М.А. Применение систем видеоаналитики в производственных процессах // Динамика сложных систем. 2026. Т. 20. № 1. С. 62−69. DOI: 10.18127/j19997493-202601-06

1. Трассир, ООО «НПП». Видеоаналитика [Электронный ресурс]. URL: https://trassir.ru/products/programmnoe_obespechenie_trassir/ trassir_videoanalitika/ (дата обращения: 18.08.2025).
2. Макроскоп трейд, ООО. Контроль спецодежды [Электронный ресурс]. URL: https://macroscoptrade.com/st#rec143091316/ (дата обращения: 18.08.2025).
3. Макроскоп, ООО. Продукты и услуги [Электронный ресурс]. URL: https://macroscop.com/ (дата обращения: 18.08.2025).
4. Випакс+, ООО. Система промышленного видеонаблюдения [Электронный ресурс]. URL: https://vipaks.com/solutions/ promyshlennye-predpriyatiya/ (дата обращения: 18.08.2025).
5. Випакс+, ООО. Детектор огня [Электронный ресурс]. URL: https://vipaks.com/catalog/videoanalitika -0000000024/litsenziyana-modul-videoanalitiki-detektor-ognya/#props/ (дата обращения: 18.08.2025).
6. Bradski G. The OpenCV Library. Dr. Dobb’s Journal of Software Tools. 2000. V. 25. № 11. P. 120–126.
7. Redmon J., Farhadi A. YOLOv3: An Incremental Improvement. arXiv preprint arXiv:1804.02767. 2018.
8. Abadi M. et al. TensorFlow: Large-Scale Machine Learning on Heterogeneous Systems. Proceedings of the 12th USENIX Conference on Operating Systems Design and Implementation (OSDI’16). Savannah, GA, USA. 2016. P. 265–283.
9. Paszke A. et al. PyTorch: An Imperative Style, High-Performance Deep Learning Library. Advances in Neural Information Processing Systems 32 (NeurIPS 2019). 2019. P. 8024–8035. 1
10. Приказ ФСТЭК России от 11.02.2013 № 21 «Об утверждении Требований о защите информации, не составляющей государственную тайну, содержащейся в государственных информационных системах». М.: ФСТЭК России. 2013. 1
11. Постановление Правительства РФ от 17.02.2023 № 234 «Об утверждении Правил определения значимых объектов критически важной информационной инфраструктуры Российской Федерации». М.: Правительство РФ. 2023.