Видеоаналитика охраны труда в 2026: контроль СИЗ, опасные зоны и ложные тревоги

Исследования по PPE detection последних двух лет сходятся в одном: главная сложность не в том чтобы «найти каску», а в том чтобы корректно связать СИЗ с конкретным человеком и производственным контекстом. Каски, очки, перчатки и элементы спецодежды часто являются малыми объектами - они закрываются руками, инструментом, оборудованием или другими людьми.

Первое масштабное сравнение YOLO26 и YOLOv11 для PPE detection (MDPI Electronics, март 2026) охватило три датасета разного масштаба - от 133 до 1620 изображений, от 3 до 17 классов - и пять вариантов моделей от nano до X-Large. Вывод: YOLO26 показывает преимущество в сценариях с малым количеством данных и на малых объектах благодаря STAL (Small-Target-Aware Label Assignment) и NMS-free инференсу, но выбор архитектуры должен определяться конкретными условиями съемки и доступным железом, а не общими бенчмарками.

AE-LFOG-YOLO (Nature Scientific Reports, 2026) решает проблему неравномерного освещения в тоннелях и цехах: адаптивные эволюционные анкеры и illumination-invariant модуль дают 94,83% mAP@0.5 и расширяют эффективную дальность работы на 35,7%. Для производства это означает что модели учатся работать не с идеальным студийным светом, а с реальными перепадами освещенности.

Отдельный тренд - multi-task системы вроде YOLOVisionSafe (январь 2026): одновременная детекция людей, СИЗ и pose estimation. Это позволяет не просто ответить «каска есть/нет», а проверить что каска именно на голове, жилет на корпусе, человек стоит в опасной зоне а не проходит мимо. OAM-YOLO (Process Safety, 2025) показал 35 FPS на Jetson Nano - достаточно для edge-развертывания без облака.

Практический вывод: низкое освещение, окклюзии и малый размер объектов остаются главными врагами точности. Качество картинки влияет на итоговую детекцию не меньше архитектуры модели. В цехах это означает простую вещь: сначала камера, свет и ракурс, потом нейросеть.

Почему здесь нужен глобальный затвор

У Smart Video есть свои камеры с глобальным затвором, и для охраны труда они полезны не только на конвейерах. Люди, погрузчики, краны, тележки и вращающееся оборудование постоянно движутся. Rolling shutter искажает контуры при быстром движении или вибрации - модель теряет каску, лицо, силуэт и границу опасной зоны.

Глобальный затвор особенно важен в трех сценариях:

• проходы с интенсивным движением людей и транспорта;
• контроль зон у станков, прессов, роботов, конвейеров;
• съемка со стробоскопическим или импульсным светом.

Детекция - это цепочка, а не один вызов модели

На production-линии детекция СИЗ работает не как одиночный детектор, а как многоступенчатый пайплайн:

1. Найти человека в кадре.

2. Определить его положение и зону (проход, станок, транспортный коридор).

3. Проверить нужные элементы СИЗ именно на этом человеке: каска на голове, жилет на корпусе, очки на лице.

4. Понять контекст: какая зона, какое оборудование, какой режим, какая смена.

5. Сформировать событие с фото, координатами, типом нарушения, confidence и статусом подтверждения.

Для pose estimation и зон мы используем не только «есть/нет объект», но и пространственную логику. Отсутствие каски на проходной, в бытовке и у работающего крана - три разных события с разной ценой и разными правилами реакции.

Какие модели применяются

• YOLO26 - для детекции людей и основных классов СИЗ (каска, жилет, очки). NMS-free инференс дает стабильную задержку независимо от количества людей в кадре. STAL улучшает детекцию малых объектов.
• YOLO26-pose - для оценки позы: человек стоит, сидит, упал, наклонился. Критично для зон падения и неподвижности.
• RT-DETR - альтернатива для сценариев где важнее точность чем скорость, особенно при высокой плотности людей.
• Специализированные модели (AE-LFOG-YOLO, OAM-YOLO) - для сложных условий освещения и edge-развертывания.

Важнее архитектуры - правильная разметка. Каска должна быть аннотирована именно на голове, жилет на корпусе, очки на лице. Если разметка не учитывает контекст - модель выучит корреляцию «оранжевый цвет = жилет» и будет ошибаться на оранжевых станках.

Уровень 1: Съемка

Камеры, кронштейны, высота установки, свет, защита корпуса, обогрев/охлаждение, очистка объектива, PoE/питание, сеть. Камеры с глобальным затвором особенно полезны в зонах с быстрым движением или вибрацией. Для каждой точки съемки мы проверяем: видит ли камера СИЗ в достаточном разрешении, не бликует ли поверхность, не перекрывают ли конструкции обзор.

Уровень 2: Аналитика

Модели детекции людей, СИЗ, транспорта, pose estimation, трекинг, виртуальные зоны и правила. Каждое правило учитывает контекст: зону, время, роль сотрудника, режим оборудования, сигналы от СКУД или АСУ ТП.

Уровень 3: События

Хорошее событие содержит: время, камеру, зону, тип нарушения, confidence, фото до/после, трек объекта, статус подтверждения и ссылку на регламент. Без этого служба охраны труда получает поток непроверяемых тревог, которые невозможно разобрать.

Уровень 4: Интеграция

СКУД, табло, сирена, уведомления, журнал охраны труда, BI, MES/SCADA. Через AI Platforms можно добавить локальный RAG по инструкциям и регламентам: инженер спрашивает «покажи повторяющиеся нарушения у линии N за неделю», а система ищет события, фотографии и связанные документы внутри периметра.

Здесь особенно важны роли доступа: не всем нужны лица сотрудников, но инженеру по безопасности нужны агрегированные причины повторяющихся нарушений. Для зон где возможно распознавание лиц или идентификация - подключаются требования ФЗ-152 по персональным данным. Подробно правовые и технические ограничения разобраны в исследовании про распознавание лиц для бизнеса.

Видеоаналитика охраны труда не должна заменять инженерные меры безопасности. ISO 45001 строится вокруг управления рисками и постоянного улучшения, а СИЗ является только одним из уровней защиты. Правильная система не «наказывает по кадру», а помогает увидеть повторяющиеся опасные ситуации и устранить причину.

Мы рекомендуем фиксировать: правила обработки данных, роли доступа, сроки хранения, порядок разбора спорных событий и механизм ручного подтверждения. Для опасных зон у прессов и роботов видеоаналитика не подменяет сертифицированные защитные системы - она дополняет их дополнительным контуром контроля.

Контроль СИЗ редко живет отдельно. Если на предприятии уже работает ИИ-сервер для видеоаналитики, на него можно добавлять контроль качества продукции, распознавание маркировки, подсчет продукции и RAG-отчеты по инцидентам через AI Platforms. Если задача требует идентификации сотрудников - проект стыкуется с распознаванием лиц.

Инженерная база проектов идет от Аквис-Сервис поэтому мы смотрим не только на нейросеть но и на механику, автоматику и эксплуатацию. Параллельно полезно изучить наше исследование про выбор ИИ-сервера для видеоаналитики - там разобраны конфигурации GPU и сценарии нагрузки под несколько камер.