ЖУРНАЛ СТА №2/2026

пользуется конвейерная работа. Основ- ными элементами, составляющими ар- хитектуру, являются предварительная обработка, фильтр Калмана и вывод MobileNet-SSD. Распараллеливание вы- числительных процессов позволяет об- рабатывать более одного видеопотока одновременно. Эту функцию ранее вы- полняли с помощью очередей CPU, те- перь это выполняется с помощью VPU, которая может обрабатывать более од- ного вывода одновременно, а также бо- лее оптимально, чем через CPU. Это позволяет не только обрабатывать больше видеопотоков, но и более эф- фективно использовать аппаратные средства устройства вычислительной платформы. В качестве наглядного примера ус- пешной реализации принципов встраи- ваемого ИИ в специализированном обо- рудовании можно рассмотреть россий- скую разработку – бортовой комплекс контроля опасных зон «ВИЗИОН». Дан- ное решение демонстрирует, как совре- менные технологии компьютерного зрения и локального вывода нейронных сетей воплощаются в компактных авто- номных устройствах для решения кон- кретной прикладной задачи – повыше- ние безопасности при эксплуатации транспорта и техники в ограниченных пространствах. Ключевые особенности и архитектура решения системы «ВИЗИОН» представляет собой за- конченный встраиваемый комплекс, построенный на рассмотренных ранее принципах. Её архитектура включает в себя: ● блок управления с модулем ИИ, вы- полняющий функции, аналогичные описанному выше конвейеру дан- ных. На этом блоке, оснащённом специализированным аппаратным ускорителем (например, VPU), рабо- тает сконфигурированная нейронная сеть для детекции людей; ● набор камер (от 1 до 6 шт.), форми- рующих видеопотоки для анализа. Система поддерживает суммарный угол обзора до 360° и может работать в условиях средней освещённости, при необходимости используя инфра- красные камеры; ● локальный коммуникационный блок и модуль светозвуковой сигнализа- ции для оповещения; ● автономный или сетевой источник питания с широким диапазоном входного напряжения питания. В данном случае реализация прин- ципов встраиваемого ИИ в системе «ВИЗИОН» на примере локального и полностью автономного комплекса, ко- торый не требует облачных вычисле- ний или постоянного сетевого под- ключения. Все операции – от захвата изображения до анализа сцены и при- нятия решения – выполняются на бор- ту. Это обеспечивает минимальную за- держку, критически важную для си- стем безопасности, и независимость от качества каналов связи. Для выполне- ния задач компьютерного зрения в ре- альном времени используются энер- гоэффективные аппаратные ускорите- ли, такие как VPU или аналоги. Это поз- воляет системе иметь низкое энергопо- требление при высокой вычислитель- ной производительности, делая воз- можным питание от аккумуляторов или использование в удалённых лока- циях. Следует отметить, что видеопо- токи с камер обрабатываются локаль- но и не передаются в облако или внеш- ние центры обработки данных. Это га- рантирует сохранность информации и соответствует строгим требованиям безопасности на промышленных объ- ектах. Как упоминалось ранее, в осно- ве этой системы лежит нейронная сеть, оптимизированная для детекции чело- века. Сеть анализирует данные в ре- альном времени, прогнозируя возник- новение опасных ситуаций. Как и в рассмотренной архитектуре на базе MobileNet-SSD, сеть использует опти- мизированные свёрточные слои для ба- ланса между точностью и скоростью работы на ограниченных ресурсах. Важной особенностью является воз- можность дополнительного «дообуче- ния» сети под индивидуальные требо- вания заказчика для распознавания специфичных объектов или сценариев (предметы, животные). Отличительной особенностью опи- санного примера является большее ко- личество зон контроля, их размеры и пороги срабатывания сигнализации (световой индикатор на расстоянии 5-3 метра, звуковой – на 3 метра и бли- же). Это позволяет адаптировать систе- му к работе как в крупных цехах, так и в тесных помещениях или проходах. Таким образом, эта система служит от- личным примером того, как теорети- ческие и аппаратно-программные на- работки в области встраиваемого ИИ находят практическое применение. Она решает актуальную проблему без- опасности, сочетая высокую точность обнаружения (до 99,9%), работу в ре- альном времени, энергоэффективность и соответствие требованиям к защите данных, демонстрируя все ключевые преимущества пограничных вычисле- ний в сфере промышленного видеона- блюдения и автоматизации. Заключение В статье был рассмотрен метод соз- дания систем с ИИ на встраиваемой платформе, которая может обнаружи- вать и отслеживать людей надёжным и точным способом. Новая компьютер- ная технология, используемая на встраиваемых платформах, – это аппа- ратные модули VPU, которые позво- ляют выполнять вывод CNN быстрее и эффективнее, чем CPU, в устройствах начального уровня. Разработанная си- стема позволяет реализовать приложе- ние компьютерного зрения с низким энергопотреблением и высокой вычис- лительной производительностью. Другим важным моментом системы является обработка нескольких видео- потоков в реальном времени с исполь- зованием интегрированного VPU. Воз- можность автономного питания систе- мы от портативных батарей или воз- обновляемых систем обеспечивает большую гибкость в распределённых системах видеоаналитики. ● Автор – сотрудник фирмы ПРОСОФТ Телефон: (495) 234-0636 E-mail: info@prosoft.ru СТА 2/2026 50 www.cta.ru ОБ ЗОРЫ Таблица 1. Полнота и точность набора данных EPFL Методы EPFL-объект EPFL-стенд Точность Полнота Точность Полнота MobileNet-SSD+Kalman 87,82 88,14 81,3 80,6 ACF 83,8 86,4 66,3 40,3 DPOM 98,5 85,4 96,3 70,9 PCL-MUNARO 88,61 82,36 92 56 YOLOv3 89,7 90,3 58,6 59,8 YOLO-depth 89,8 88,6 78,4 47,9