Сфера технологий искусственного интеллекта, в частности компьютерное зрение, традиционно развивается постепенно: незначительное повышение точности распознавания, сокращение количества ложных тревог, добавление новых детектируемых категорий. Но периодически происходят революционные изменения, которые не просто модернизируют отдельные показатели, а полностью трансформируют сам принцип работы с технологией. Таким знаковым событием стал анонс масштабного семейства алгоритмов Xinghan от Dahua Technology. Речь идет не об очередном шаговом обновлении, а о качественном скачке от примитивного «зрения» к комплексному «осмыслению» событий в кадре, переходу от видеонаблюдения к интеллектуальным платформам анализа и интерпретации визуальной информации.

Ключевая идея, заложенная в Xinghan, — преодоление главного недостатка конвенциональных алгоритмов: их узкой направленности и отсутствия работы с контекстом. Предыдущие поколения систем могли эффективно обнаруживать человека или машину, но были не способны к анализу взаимосвязей между объектами, определению причинно-следственных цепочек и семантике сцен.

Архитектура Xinghan построена как единая экосистема, состоящая из трех взаимодополняющих модулей, каждый из которых отвечает за определенный аспект интеллектуальной обработки. Серия V, она же Xinghan Vision Models, формирует базис платформы, обеспечивая прецизионное зрение. Эти модели, тренированные на колоссальных массивах данных (сотни миллионов изображений и видео, включая немаркированные), демонстрируют исключительную точность. Они надежно детектируют даже небольшие объекты на значительном удалении, что особенно значимо для систем защиты периметра на ответственных объектах. Что еще важнее, алгоритмы научились радикально минимизировать ложные срабатывания, отличая реальные инциденты от таких помех, как падение листвы, полет птиц или блики. Кроме того, визуальные модели поддерживают продвинутый поведенческий анализ: фиксацию драк, падений, скоплений людей и даже классификацию животных, что расширяет сферу применения решений не только в безопасности, но и в защите природы и экологическом мониторинге.

Подлинная инновационность Xinghan проявляется во взаимодействии визуальных моделей с двумя другими компонентами. Серия M, мультимодальные модели Xinghan Multimodal Models, совершает прорыв, стирая границы между визуальным восприятием и языковым описанием. Эта технология дает системе возможность интерпретировать запросы на естественном языке и находить соответствующие события в видеопотоке.

Вместо многочасового ручного просмотра архивов оператор может ввести текстовый запрос, например: «найди мужчину в красной куртке с рюкзаком, который подходил к белому автомобилю». Система, понимая семантику каждого слова и его визуальное соответствие, оперативно проанализирует данные и предоставит релевантные результаты. Фактически, это поисковик, работающий с видео, а не с текстом.

Еще одно значимое преимущество мультимодальности — возможность формировать сложные правила тревог через простое текстовое описание. Пользователю больше не нужна квалификация инженера по видеоаналитике для настройки детекции специфичных событий. Достаточно написать: «активируй оповещение, если кошка запрыгнет на стол» или «предупреди, если человек приблизится к сейфу без каски». Система самостоятельно декомпозирует текст, идентифицирует ключевые объекты и условия, сформирует логическое правило и начнет его выполнение.

Замыкает ИИ-триаду серия L — языковые модели Xinghan Language Models. Их задача — обеспечение сложных логических выводов и интуитивного взаимодействия с пользователем. Они позволяют системе не только искать, но и выстраивать цепочки событий, анализировать сцены и генерировать отчеты. Можно поставить комплексную многоэтапную задачу: «найди человека, который оставил сумку в холле вчера с 15:00 до 16:00, установи, откуда он пришел и куда ушел, и представь его маршрут в виде отчета». Языковая модель разобьет запрос на последовательные шаги, обратится к визуальным и мультимодальным модулям для их выполнения, проанализирует полученные данные и сформирует сводное резюме.

Ключевые достоинства экосистемы Xinghan логично вытекают из ее целостной архитектуры. Технология WizSeek реализует предикативный поиск по описанию, Text-Defined Alarms делает конфигурацию систем доступной для любого пользователя, а функция Self-Learning обеспечивает постоянное улучшение модели непосредственно на объекте заказчика. Чем дольше система функционирует в конкретной environment, тем более точные и адаптированные результаты она выдает. Существенным фактором, особенно при модернизации действующей инфраструктуры, является обратная совместимость с оборудованием предыдущих поколений: вычислительная мощь моделей Xinghan может быть развернута на видеорегистраторах (NVR) или серверах (IVSS), что позволяет использовать даже обычные камеры без ИИ-функций, мгновенно повышая их аналитические возможности.

В настоящее время для работы с новыми сервисами компания Dahua рекомендует следующее оборудование:

• IPC3x49-IL
• IPC3x49-PRO
• IPC5x59-PRO
• NVR5-XI/PRO
• IVD5148-I
• IVSS71-I
• IVSS51-I