Журнал "Системы Безопасности" № 1‘2025

К О М П Л Е К С Н А Я Б Е З О П А С Н О С Т Ь , П Е Р И М Е Т Р О В Ы Е С И С Т Е М Ы 46 Владимир Балановский Член бюро комиссии РАН по техногенной безопасности, ответственный секретарь рабочей группы секции по безопасности Экспертного совета при Комитете Совета Федерации по обороне и безопасности, профессор Академии военных наук Игорь Грунин Член рабочей группы секции по безопасности Экспертного совета при Комитете Совета Федерации по обороне и безопасности, член экспертных советов МСП и МТПП, член-корр. АПК Леонид Балановский Член рабочей группы секции по безопасности Экспертного совета при Комитете Совета Федерации по обороне и безопасности, член экспертного совета МТПП, член-корр. АПК Олег Буков Эксперт по безопасности В составе систем безопасности постепенно становится возможным использовать интел- лектуальную составляющую, что вызывает необходимость модернизации самой инду- стрии. Это связано со все большим применени- ем технологий, использующих искусственный интеллект (ИИ) для распознавания транспорт- ных средств и лиц (включая биометрическое распознавание). Технология ИИ может быть использована для комплексного контроля безопасности зданий и сооружений объектов ОПК, а также для осу- ществления мониторинга в режиме реального времени людей, транспортных средств, попадающих на территории объектов и поки- дающих их. Она гармонично встраивается в системы комплексной безопасности объектов. Это обусловлено адаптацией модифицирован- ных видеозаписей, биометрии, распознавания объектов и анализа больших данных к усло- виям работы объекта ОПК. Технологии распознавания на основе структурированных видеоданных Предпосылкой биометрии и распознавания объектов является структуризация видеозапи- сей, которая состоит из обнаружения, отслежи- вания и извлечения их атрибута, то есть суще- ственного и неотъемлемого, а не случайного, их признака. При обнаружении из видеоизобра- жения выделяется объект переднего плана и определяется его значимость: может ли он рассматриваться как допустимая цель (люди, транспортные средства, лица и т.д.) или недо- пустимая (листья, тени, огни и т.д.). При отсле- живании цели осуществляется непрерывное наблюдение за ней в изменяющейся ситуации с получением качественного изображения. В процессе определения целевого атрибута производится идентификация атрибутов на изображении цели и оценка визуальных харак- теристик цели (пол, возраст, одежда, тип транс- портного средства, цвет и др.). Этот процесс основан на технологии извлечения признаков и классификации сетевой структуры обучения. По мере структурирования ИИ видеоданных повышается скорость распознавания объекта и появляется возможность прогнозирования с помощью анализа структурированных данных. Это облегчает процесс передачи и хранения информации, так как они имеют меньший объем. Для идентификации личности бесконтактным способом используется биометрическая техно- логия, использующая физиологические и пове- денческие характеристики. Распознавание лиц служит для подтверждения и сравнения лично- сти, отслеживания и обнаружения в режиме реального времени целевого субъекта-наруши- теля в толпе. Транспортные средства являются другим объ- ектом распознавания, которое производится с помощью триггера (своеобразного "спускового крючка") для получения их изображения и рас- познавания номерного знака. Характеристики формы транспортного средства и его номерной знак помогают определять не только атрибуты транспортного средства, но и атрибуты владель- ца. Появляется возможность создавать систему контроля в сочетании с биометрией, атрибутами личности, характеристиками поведения. На основе создания баз данных появляется воз- можность фильтровать транспортные средства, чтобы быстро блокировать целевые транспорт- ные средства при проверке на контрольно-про- пускных пунктах объектов ОПК. Анализ больших данных Интегрировать крупномасштабные неструктури- рованные и структурированные комплексы дан- ных, а также анализировать и вычислять атри- буты этих данных позволяет технология анализа больших данных. Она обеспечивает проведение распределенных вычислений и управление базами данных, служит для анализа, прогнози- рования и развития ИИ. Базы данных формируются для обучения ИИ и позволяют снизить трудозатраты, повысить эффективность и сделать возможным решение задач, которые невозможно выполнить вруч- ную. С этой целью автокодировщик, машина Больцмана и сверточная нейронная сеть объ- единяются в сеть архитектуры для обучения ИИ. Она включает: l входной слой, в котором вводятся в систему данные, собранные устройством; l скрытый слой, разделенный на верхний слой для полного соединения и нижний слой, состоящий из слоев свертки и выборки попеременно попарно; l выходной слой, в котором используется логи- ческая регрессия сбора данных для классифи- кации изображений. Сверточная нейронная сеть реализует "локаль- ное поле восприятия" и "распределение веса" с помощью свертки. Основываясь на техноло- гии обучения ИИ нейронной сети, оборудова- ние мониторинга автоматически идентифици- рует и оценивает изображение, обрабатывает видеоконтент, выявляет во входных данных потенциально полезную информацию. Роль видеоанализа Технология видеоанализа в сфере безопасности объединяет обучение ИИ, машинное зрение, обработку данных и технологии автоматическо- го поиска и оценки. Она основывается на струк- туризации видео с помощью ИИ и состоит из: l обнаружения цели, в процессе которого для идентификации из изображения извлекаются объекты переднего плана; l отслеживания цели, при котором осуществ- ляется фиксация и съемка заданных целей на переднем плане; l извлечения целевого атрибута с распознава- нием, извлечением, классификацией и сохра- нением визуальных характеристик заданных объектов переднего плана. Традиционная система безопасности сильно зависит от действий персонала и сил безопасно- сти. А применение ИИ с использованием звуко- вой подсказки, мигания, лазерного отслежива- ния позволяет надежно и гибко реагировать на все виды вторжений, блуждания, оставления вещей и т.д. Это позволяет без участия оператора предупреждать о проникновении, анализировать состояние периметра критических зон, поведе- ние персонала и сил безопасности, но самое главное – прогнозировать критические ситуации. Интеллектуальная составляющая комплексной безопасности объектов С использованием ИИ формируется стратегия развития интеллектуальной составляющей ком- плексной безопасности объектов для создания эффективной структуры их безопасности. Она состоит из: февраль – март 2025 www.secuteck.ru Цифровые технологии для обеспечения безопасности объектов ОПК В последние годы масштаб индустрии безопасности применительно к объектам ОПК характеризовался стабильным ростом. Ее развитие обусловлено современным тех- ническим прогрессом, однако технологии обеспечения безопасности далеки от совершенства и требуют применения системных подходов к их развитию. То, что было создано человеком, человеком может быть и сломано. Поэтому в настоящее время наблюдается активное внедрение цифровых технологий для повышения надежности действий сил безопасности объектов.