Назарбаев Университет — многомодульное тестирование в масштабе

Ситуация

Назарбаев Университет стал тем внедрением, где вопрос был уже не в том, работает ли платформа, а в том, как далеко она масштабируется.

Опираясь на методологию, выстроенную в предыдущих пилотах, команда развернула существенно расширенный набор модулей в двенадцати корпусах кампуса — это самая масштабная тестовая среда AMAN на сегодняшний день.

Семь модулей — полный стек

Базовый набор детекции был расширен четырьмя дополнительными модулями.

Базовый набор, как на всех площадках:

• Детекция оружия — мгновенные оповещения при появлении в кадре огнестрельного оружия, ножей или опасных предметов.
• Детекция курения — автоматическое распознавание курения в запрещённых зонах кампуса.
• Детекция агрессивного поведения — распознавание драк и повторяющегося конфликтного поведения.

Дополнительно в НУ:

• Распознавание лиц — верификация личности и выявление лиц, представляющих интерес, на входных группах и в зонах высокой проходимости.
• Детекция саботажа камер — мгновенные оповещения, если камеру закрыли, повернули или физически повредили.
• Детекция падений — автоматическое распознавание падений: это и медицинские случаи, и вопросы благополучия, и травмоопасные ситуации.
• Детекция оставленных предметов — фиксация сумок, пакетов и вещей, оставленных без присмотра в общественных зонах дольше заданного времени.

Четыре дополнительных модуля не входят в стандартную конфигурацию для школ. Их развернули здесь потому, что кампус из нескольких корпусов — та среда, где набор такого размера можно оценить по-настоящему, и именно их работа дала этому пилоту его результаты.

Строгое тестирование при высокой проходимости и сложности

Более широкий набор модулей требует пропорционально более сложной проверки, а не одной и той же проверки, повторённой семь раз. Каждый модуль тестировали в реальных сценариях кампуса:

• Качество детекции. Каждый из семи модулей оценивался на точность в живой университетской среде: лекционные залы, открытые пространства, коридоры, входные группы.
• Точность реакции. Проверяли точность оповещений: система должна отмечать настоящие инциденты и не заваливать службу безопасности ложными срабатываниями.
• Краевые случаи. Специально самые трудные сценарии: нестандартные ракурсы, перекрытый обзор, плотные толпы, слабое освещение. Именно здесь системы детекции незаметно отказывают — и именно этого не покажет ни одна демонстрация.

Что изменилось

НУ дал самые полные результаты из трёх внедрений.

• Самый насыщенный набор данных из трёх: самый широкий охват модулей и самая высокая проходимость
• Платформа подтверждена в масштабе — многозонный кампус с высокой проходимостью без потери производительности
• Подтверждена масштабируемость от одной школы до кампуса целиком
• Обработка краевых случаев оценена по всем семи модулям в реальных условиях
• Результаты и рекомендации переданы руководству университета

Вместе с Рудным и MNU это и есть аргумент, который три кейса образуют вместе: одна и та же платформа, развёрнутая по одному принципу — сначала аудит, существующие камеры, без замены оборудования, — масштабируется от одного школьного здания до кампуса из двенадцати корпусов, не превращаясь в другой продукт.