Добро пожаловать на борт!

Еще пять лет назад рынок видеоаналитики и распознавания на борту камер мало кто воспринимал как перспективное коммерческое направление. Лишь единицы разработчиков уделили достаточное внимание такому формату софта. Сегодня эти компании задают тон для нескольких сегментов, в том числе транспортной безопасности. Среди них —  компания FF Group. Генеральный директор Александр Осипов уверен: трансформация конечных устройств на рынке систем видеонаблюдения в сторону программных решений только началась. 

Первое знакомство журнала RUБЕЖ с решениями FF Group состоялось в 2013 году на выставке AIPS в Казахстане. Тогда еще в формате украинской компании ваша команда представляла свою технологию SOVA. Что изменилось с тех пор?

АЛЕКСАНДР ОСИПОВ: В 2013 году FF Group занималась проектом SOVA. Эта система видеонаблюдения с распознаванием автономеров рассчитана на корпоративные решения с использованием тысяч камер и десятка серверов. Основным сектором для SOVA стал ритейл на территории Украины и СНГ. Наши попытки вывести софт на европейские рынки и сделать успешным коммерческим проектом не увенчались успехом, ниша уже была занята. С того времени случилось много всего интересного. FF Group перенесла главный офис в Прагу, начав проникновение на европейские рынки. Как показал опыт этих лет, единого понятия «европейский рынок» не существует, необходимо работать с каждой страной индивидуально. Мы постепенно увеличиваем свой головной офис, сейчас нас 10 человек.

А вот R&D департамент FF Group по-прежнему расположен в Киеве, он ведет основные разработки компании. Мы взяли из SOVA систему распознавания автономеров и перенесли ее на сервер. Благодаря команде математиков и программистов FF Group удалось создать отдельный софт NumberOK, который мог работать с видеоаналитикой без привязки к системе хранения и отображения видео. В ходе развития серверного ПО NumberOK был разработан ряд бизнес-логик — «КПП», «Парковка» и «Безопасный город» на 24 языках для стран СНГ, Европы, а также Турции и Израиля.

В 2016 году компания Axis анонсировала в России ваш продукт NumberOK EDGE — видеоаналитику на борту камер с распознаванием номеров. Год спустя этот продукт демонстрировали на выставках уже и китайские вендоры. В чем секрет такой внезапной востребованности?

А.ОСИПОВ: Думаю, нас изначально знают по серверному распознавателю NumberOK. Он стал одним из первых софтов на территории СНГ, так называемым «народным распознавателем», когда за пару сотен долларов можно создавать систему управления малым бизнесом — парковки, АЗС, территории закрытого типа, а со временем и строить «безопасные города», управлять большими сетевыми объектами. С NumberOK и начался наш поход в Европу и первый коммерческий успех.

По NumberOK было несколько партнеров в разное время. Сегодня большой вклад в развитие NumberOK на рынке России вносит компания ТОРУС. А вот такой партнер, как Axis Communications, работает уже с другим нашим продуктом, я бы даже сказал, с флагманом линейки FF Group на сегодняшний день —приложением по распознаванию автономеров на камере NumberOK EDGE. Четыре года назад мы пришли на достаточно насыщенный и высококонкурентный рынок серверного распознавания (российские аналоги «Автомаршал», «Автопоток», «Ураган», «Трассир» и пр.) и смогли завоевать значительную нишу на рынке России и доверие местных компаний.

Благодаря ключевой команде математиков, выходцам из институтов кибернетики по разработкам для среднего машиностроения, мы пересобрали базовые алгоритмы распознавания. И вот эти ресурсоем кие технологии распознавания, которые требуют мощностей уровня Intel i5 или i7, FF Group смогла запустить на малых ARMпроцессорах современных IP-устройств, в частности камер. Немаловажную роль сыграло партнерство с такими мировыми лидерами в производстве ARM-процессоров (Advanced RISC Machine — усовершенствованная RISC-машина; иногда — Acorn RISC

Machine) — семейством лицензируемых 32-битных и 64-битных микропроцессорных ядер разработки компании ARM Limited), как Ambarella и HISilicon. Таким образом, мы получили доступ к их технологиям, что сделало возможным наш прорыв — перенести систему распознавания на борт камеры.

К каким именно технологиям нужен был доступ для того, чтобы правильно сделать этот продукт?

А. ОСИПОВ: Главный секрет разработки технологии распознавания на борту камеры — это создание собственной математики и прямое сотрудничество с производителями ARM-процессоров. Потому что, если взять стандартную библиотеку распознавания автономеров и перенести на ARM-платформу, она будет работать от 3 до 10 секунд. А это достаточно бессмысленный продукт для рынка видеоаналитики.

Чтобы камера быстро и качественно распознала номер машины даже на скорости 40–60 км/час, необходимо время обработки кадра от 100 до 400 миллисекунд. Для сравнения, эта же технология работает на компьютере с параметрами обработки кадра 10–20 миллисекунд. То есть необходимо ускорить алгоритм распознавания в несколько десятков раз.

Впечатляет… Было трудно?

А.ОСИПОВ: Это удалось благодаря нескольким вещам. Во-первых, при поддержке производителей процессоров изменить под себя базовые вычислительные операции. Во-вторых, велась правильная работа с памятью процессоров (как уложить в память информацию и считывать ее). И, конечно же, глубокая оптимизация алгоритма распознавания. Особо хочу отметить сотрудничество с американской компанией Ambarella. Благодаря ему FF Group получила технологическое преимущество и возможность создавать продукты распознавания на борту камеры. В этой области мы, пожалуй, одни из лучших в мире.

Как получилось, что в такой большой рынок распознавания номеров на камерах не пошли крупные игроки? Почему они не стали осваивать этот сегмент распознавания?

А.ОСИПОВ: Могу только предположить, что крупные компании, которые нашли свою нишу в сфере видеоаналитики, производят дорогие и качественные софты, получают стабильную прибыль, постоянно совершенствуют текущий продукт. И не испытывают потребности что-либо менять кардинальным образом. Например, наши уважаемые конкуренты из Венгрии. Их серверный софт — один из лучших по качеству с почти монопольным положением на рынке распознавания (более 50%). Дела идут хорошо, зачем делать что-то новое, инвестировать, рисковать, если в принципе рынок лежит у ног.

Ведь то, что сейчас делает FF Group,— это про будущее, камерное распознавание займет лидирующие позиции в ближайшие два-три года. И крупным игрокам будет проще купить уже готовую технологию либо компанию, у которой это получилось. FF Group же «заточена» на прорывные разработки и связанные с ними риски. Прогрессивные новинки — это наша фишка и наша возможность конкурировать с «мастодонтами».

Как отреагировал рынок разработчиков на «камерный софт» от вашей команды? Кто-то уже делал предложения купить продукт? Или вендоры и конкуренты стали выпускать свои собственные решения? Можно на примере России.

А. ОСИПОВ: Первые серьезные инвестиции для развития и внедрения технологии распознавания на борту камеры FF Group получила от нескольких китайских компаний. Сегодня уже с десяток мировых лидеров по производству ANPR (камеры с функцией Automatic number-plate recognition/Автоматическое распознавание номерных знаков. — Прим. ред.) камер используют встроенный софт от FF Group.

Так, среди официальных наших партнеров — производителей камер могу назвать Axis Communication и Hanwha Techwin. К примеру, камера Hanwha продается в Европе с уже прединсталлированным софтом FF Group. К сожалению, в России ANPR-камеры Axis и Hanwha с софтом FF Group еще не очень популярны, по нашему мнению, из-за инерции рынка на новый продукт.

Пока основным рынком для нашего камерного софта являются страны Европы, частично СНГ. До конца 2018 года мы планируем выйти на рынки Ближнего Востока и Северной Америки. Но своих основных технологических целей мы уже достигли: качество камерного софта FF Group сравнимо с серверным, а по скорости в режиме real time мы достигли показателя скорости распознавания 150 км/час для 3–4 полос одновременно.

Более того, сегодня мы отрабатываем в тестовом режиме технологию широкоформатного захвата и распознавания автономеров (до 8 машин одновременно на расстоянии до 15 метров) обычной IP-камерой. Она станет доступна как на камере, так и на мобильном телефоне с разрешением 4К (8 мегапикселей).

Как при этом выглядит бизнес-потенциал камерной аналитики применительно к транспортной тематике?

А.ОСИПОВ: Нужно сказать честно: в свое время мы упустили рынок распознавания лиц, потому что основная часть усилий была направлена на развитие транспортной темы. Мы используем общий тренд — смещение от передачи данных к работе с данными, постепенное стирание границы между понятиями CCTV и ИТ. Именно транспорт — одна из ниш, где актуальны технологии работы с большими потоками данных. И перспективной для стартапов эта ниша останется еще несколько лет.

Независимо от сегмента процесс интеграции с производителями видеософта достаточно сложный и противоречивый. В настоящее время это вопрос будущих переговоров с видеософтовыми компаниями, необходимо искать взаимовыгодную бизнесмодель внедрения камерного софта в систему видеонаблюдения. Сейчас FF Group активно работает в этом направлении с производителями камер и ищет пути сотрудничества с крупными производителями video management systems (VMS) в СНГ и Европе — Milestone, Genetec. Есть специфика. У производителей VMS распознавание работает на сервере, а наш новый продукт — на камере. Естественно, что если заказчик получает быстро, качественно и дешево необходимые данные непосредственно c камеры, то платить за поток видео от 500 до 1000 долларов за распознавание на сервере никто не будет. А это как минимум конфликт интересов между разработчиками VMS и приложений на камере. У меня, к сожалению, пока нет готовой бизнес-модели сотрудничества с производителями VMS. Однако ее необходимо искать, поскольку клиент работает на backend — на сервере или в облаке, где он оперирует данными, согласно заложенным сценариям, исходя из бизнес-задач. И этот вопрос надо решать в ближайшем будущем, поскольку индустрия видеоаналитики будет требовать такой интеграции тем или иным способом.

Кроме того, мы подготовили новинку FF Hive для российского малого бизнеса — небольшие парковки, АЗС, мойки. Наша новая система состоит из мастер-камеры с установленным софтом FF Group и 3–4 видеокамер. Камеры обмениваются друг с другом данными напрямую без посредника — компьютера или облака. Камеры отправляют в мастер-камеру видеопоток для обработки и анализа данных, выполнения бизнес-задач (учета, открытия шлагбаума, допуска и контроля). FF Hive может работать на обычных камерах из низкого ценового сегмента, не требует затрат на инфраструктуру (компьютер и внешний контролер).

Думаю, это одна из приоритетных задач FF Group на ближайшее время. По нашим оценкам, это станет трендом и стандартом индустрии начиная с 2018 года. Такую позицию уже демонстрируют на международных выставках большинство производителей камер от мировых грандов до небольших китайских компаний.

Как дальше будут развиваться ваши технологии и продукты для транспортной сферы?

А. ОСИПОВ: Считаю, что трендом рынка безопасности в следующие пару лет станет генерация данных и работа с их распознаванием и информацией. Например, нами разработан продукт NumberOK META для работы с распознанными данными, полученными непосредственно с камер. Он направлен на работу с большим объемом данных и способен удешевить стоимость одного канала распознавания для российского рынка.

NumberOK META выступает дата-системой, которая может устанавливаться на обычный компьютер с маломощным процессором, получать, обрабатывать и анализировать видеоданные с 64 камер. Он эффективен для сетевых объектов и «Безопасных городов». Кроме того, мы считаем, что камерное приложение по распознаванию номеров может стать эффективным и экономически выгодным инструментом для муниципальных проектов. Малые города с 50-тысячным населением, шесть дорог въезд–выезд. Это 12 ANPR-камер, которые через локального 3G-провайдера передают данные со скриншотом фотофиксации нарушений (не видеопоток) на сервер полиции. Как видите, затрат на инфраструктуру предельно мало.

То есть за несколько десятков тысяч долларов можно создать систему контроля потока автотранспорта в составе проектов «малый безопасный город». Более того, можно формировать данные для муниципалитетов с целью решения транспортных задач и планирования инфраструктуры города («проезд на красный свет», «подсчет машин», «анализ транзитов», «средняя скорость» и т. д.).

Пока мы видим огромный потенциал для создания малых безопасных городов в Европе, но надеюсь, что и на рынках СНГ этот тренд найдет отклик.

Ваша технология может фиксировать превышение скорости? Именно эта функция широко востребована в российских проектах «Безопасного города».

А. ОСИПОВ: Наше серверное решение NumberOK и камерные приложения для Axis и Hanwha (платформы ARTPEC 6 и WISENETX) измеряют среднюю скорость между двумя камерами, определяют направление движения машин, фиксируют пересечение двойной сплошной полосы и прочее. В России все упирается в законодательную систему, сертификацию решения и  разрешение выписывать штрафы по перечисленным нарушениям.

Если предположить, что ваше решение пройдет сертификацию и руководитель муниципалитета будет выбирать между передвижным комплексом фотовидеофиксации и вашим решением. Как эти решения будут отличаться в цене?

А.ОСИПОВ: Отличия будут значительными. Во-первых, за счет экономии на инфраструктуре (сети, десятки серверов, пр.). Часть денег, которая высвобождается, может быть направлена на установку дополнительных камер, не только в критических точках города. Ориентировочно плотность камер в городе может быть увеличена в пять раз.

Во-вторых, можно сэкономить на камерах. Наш софт может работать на камерах из низкого ценового сегмента. Поэтому стоимость точки сенсора, которая измеряет автомобильный поток, снижается в разы. Как только вы увеличиваете сенсорную сеть, город превращается в информационный продукт.

Муниципалитет и полиция получают «температурную сетку» по городу и инструмент для проведения инфраструктурной диагностики города.

Какие еще технологии вы используете или планируете использовать для решений в транспортной сфере?

А. ОСИПОВ: Что касается сенсоров, мы вышли уже за рамки рынка CCTV-камер и тестируем нашу технологию на мобильном телефоне, на Android (на подходе версия для iOS). Таким образом, мы можем создавать огромную сенсорную сеть для стационарных и мобильных устройств. Мы работаем и над передовыми технологиями для backend.

Например, создали собственный аналитический облачный веб-сервис Limbio PRIMM. Это не простое хранилище данных, мы называем его «алгебра событий» (Event Algebra). Limbio PRIMM «заточен» под аналитическую работу с данными. Например, полиции недостаточно зафиксировать очевидное нарушение, актуальным является поиск угнанных авто. А если злоумышленник поменял номера, то задача усложняется. Существенно помочь в решении таких задач может распознавание марки, типа и цвета машины.

FF Group активно инвестирует в систему распознавания марки, типа и цвета машины — VMMCR (vehicle, make, model and color recognition). Благодаря применению VMMCR можно создать целостную картину трафика в городе и выявить его проблемные места. Система выдает данные о подсчете машин за определенный период, определяет среднюю скорость движения потока, анализирует пробки и многое другое. Информация поможет муниципалитетам принимать решения о развитии и изменении дорожной инфраструктуры, а также формировать транспортную модель района и целого города.

С помощью deep learning и machine learning мы добились в VMMCR-сегменте хороших результатов — это 92% распознавания на 200 классах машин на первых тестах в Украине при среднем показателе по рынку 60–75%. В ближайшее время мы запустим коммерческую версию VMMCR на серверном распознавателе NumberOK, позже переведем на мобильные устройства. А вот выложить VMMCR на борт камеры будет посложнее. Для этого необходимы камеры с микропроцессорами нового поколения, которые поддерживают математику нейронных сетей. К сожалению, современные ARMпроцессоры этого делать не умеют.

Каким образом устроен сегодня бизнес FF Group изнутри?

А.ОСИПОВ: FF Group начала развиваться как все классические компании. За десять лет мы выросли из маленькой команды из трех человек (занимались hardware) до среднего бизнеса (software) со штатом более 50 человек. Количественно мы выросли, когда FF Group сменила свою специализацию на софтовую и я стал набирать в штат программистов. В планах было построить большую сотовую компанию со штатом программистов до 100 человек. Однако рынок труда внес свои коррективы. Стоимость украинских программистов стала расти с приходом крупных аутсорсинговых компаний и больших международных ИТ-компаний, которые открыли в Украине R&D филиалы.

Поэтому идея содержать сотни программистов стала выглядеть просто безумной с точки зрения бизнес-задач и затрат. И мы пошли другим путем. FF Group сделала ставку на держателей продукта (Product Owner). Наш специалист — это звено между рынком и производством. Он сам управляет командой из математика, программиста и тестера, Главный секрет разработки технологии распознавания на борту камеры — это создание собственной математики и прямое сотрудничество с производителями ARM-процессоров.

При этом к работе над нашей запатентованной технологией распознавания привлекаются исключительно штатные специалисты с высоким уровнем компетенции (математики, программисты). Скажем так, 60% наших сотрудников состоят в штате, 40% мы привлекаем на аутсорс. В будущем компания придет к зеркальной модели по штатным и привлекаемым на аутсорс сотрудникам. Думаю, на такой динамичной структуре мы остановимся на какое-то время.

Какой язык программирования вы используете?

А.ОСИПОВ: Для обеспечения высокой производительности на различных платформах мы используем C/C++. Облачный сервис LimbioPrimm создан с использованием Python, хотя некоторые сервисы написаны на Java. Ну и, конечно же, фронтэнд — это JavaScript.

По какой схеме идут разработки в FF Group?

А.ОСИПОВ: Основой нашей управленческой системы все-таки является Agile, поскольку мы работаем по Scrum, и ключевой фигурой производства является Product Owner. Он собирает команду, которая редко превышает 4–5 человек. Например, над разработкой скоростного софта для камер Axis работала команда из 4–5 человек в течение нескольких месяцев. Product Owner пишет user story и backlog для производства. «Опорные» математик и программист создают тело кода, а тестер отвечает за систему автоматического тестирования. Сторонние специалисты привлекаются по мере необходимости.

Сейчас мы находимся в том состоянии, когда сложность проектов увеличивается, сроки уменьшаются, а наращивать штат программистов нет потребности. Команда стала более гибкой и эффективной, часть вопросов можно закрывать за счет аутсорса без временных и качественных потерь для проекта. Скажу больше, к нам охотно идут работать в проекты и знакомые, и бывшие сотрудники. Их привлекает не только высокая зарплата, но и огромный опыт, который они получают в новых проектах с технологиями, идущими впереди рынка, и в общении с мировыми гуру в сфере безопасности по всему миру. И мы ценим таких ребят.

Математики из каких вузов работают в  компании?

А.ОСИПОВ: Один из наших ведущих математиков, который разработал логику работы с облачным веб-сервисом и потоками данных, закончил МФТИ, работал бизнес-аналитиком в огромных банковских структурах и перевел язык бизнес-задач в математику.

Несколько человек — выходцы из института кибернетики имени В.М.Глушкова НАН Украины, Киевского политехнического университета, Донецкого института искусственного интеллекта. Кстати, донецкий вуз до недавнего времени был очень мощной структурой в сфере распознавания речи и изображений.

Как вы решаете вечную проблему — соблюдение дедлайнов?

А.ОСИПОВ: В прежние времена мы не раз ошибались по срокам выполнения своих обязательств перед клиентами. Сейчас мы не говорим о 100%-ном соблюдении дедлайнов. Честно могу сказать, что 10–20% погрешности по времени случаются. В целом проблема ушла прежде всего за счет перехода на идеологию «1 Product Owner = 1 проект». Мы слушаем заказчика, затем команда переходит к коротким циклам работы.

Наши специалисты не берутся за проекты, которые могут затянуться до полугода. Проекты короткие изначально, основанные на глубокой и проверенной временем и работой компетенции. К тому же наша внутренняя система управления похожа на так называемую охлократию. То есть, если возникает экстренная проблема, на ее решении в короткие сроки может сфокусироваться большая часть компании.

Каковы планы FF Group на ближайшую перспективу — 2018 год? Какие новинки готовит компания по транспортной тематике?

А.ОСИПОВ: Возможно, в 2018 году мобильное распознавание станет новым бизнеснаправлением. К примеру, наш мобильный распознаватель SeeAuto уже работает как тестовый продукт и его бесплатную версию можно запросить через наш сайт. К настоящему времени FF Group получила позитивные отклики от интеграторов и конечных покупателей, водителей, которым важна безопасность на дорогах. Даже подумываем собрать вокруг SeeAuto сообщество в социальных сетях, которое поможет предупреждать об агрессивных и неаккуратных водителях.

Как вы видите рынок видеоаналитики в транспортной сфере в ближайшем будущем?

А.ОСИПОВ: Первое. Вычислительная мощность будет смещаться в сторону конечных устройств.

Второе. Сырые данные распознавания будут агрегированы в очень сложные информационные слои на backend-устройствах. Данных будет больше. С сырыми данными станет так же сложно работать, как сегодня — с сырым видео. Третье. Пользователь и его восприятие станет неотъемлемой частью информационной системы. Четвертое. Рынок подчинит себе динамическая и автоматическая кастомизация софта под пользователя. А именно — конечный софт будет модулироваться потребностями заказчика.