👕Как видеоаналитика определяет дресс-код

Всем привет! На связи Михаил, аналитик zool.ai.

Сейчас в рамках кастомного проекта мы разрабатываем сценарий видеоаналитики для контроля дресс-кода.

⬛️ Задача: система должна понимать, соблюдает ли сотрудник требования к форме в конкретной зоне.

🏛 Как это работает?

Сначала модель находит человека в кадре и присваивает ему уникальный идентификатор. Это нужно, чтобы система могла отслеживать одного и того же сотрудника в пределах сцены и попытаться увидеть все элементы дресс-кода, даже если часть из них видна не сразу.

Например, человек может повернуться боком, закрыть жилет рукой, пройти за стойкой или на несколько секунд оказаться частично перекрытым другим объектом. Поэтому система анализирует не один отдельный кадр, а последовательность: как сотрудник движется, где находится и какие элементы формы появляются в зоне видимости.
Затем модель проверяет нужные зоны: голову, верхнюю часть тела, руки, иногда ноги — зависит от регламента и ракурса камеры.

Дальше система сопоставляет признаки с правилами, которые важны именно для этого объекта:

🔵 есть ли фирменный жилет, галстук и пиджак;
🔵 совпадает ли цвет формы с заданным стандартом;
🔵 надеты ли перчатки, фартук или другие элементы;
🔵 находится ли человек в зоне, где этот конкретный дресс-код обязателен;
🔵 есть ли нарушение, которое нужно передать ответственному.

⚙️ Почему это кастомная задача?

Потому что дресс-код везде разный. У одной компании важен жилет, у другой — цвет формы, у третьей — полный комплект СИЗ в определённой зоне.

Плюс есть ограничения: человек может стоять боком, часть одежды может быть перекрыта коробкой, освещение может меняться, а камера — смотреть под неидеальным углом.

Поэтому мы не просто подключаем модель «из коробки», а настраиваем сценарий под площадку: регламент, форму, зоны контроля, ракурсы камер и допустимые исключения.

Например, в ритейле это может быть контроль фирменной формы сотрудников в торговом зале. На производстве — наличие каски, спецодежды или защитных элементов. На пищевом предприятии — халат, шапочка, маска, перчатки.

Такой сценарий помогает видеть системные проблемы: где сотрудники чаще обходят правила, где нужен дополнительный контроль, а где сам регламент неудобен в работе.

〰️ Как вы думаете, где ещё можно применить видеоаналитику?

#новости_zool

Всем привет! На связи Юрий, продакт-менеджер zool.ai

Хочу поделиться наблюдением про санитарный контроль на пищевом производстве. Чем больше мы разбираем такие задачи с предприятиями, тем заметнее: проблема обычно не в отсутствии регламентов.

➡️ Регламенты есть. Сотрудники знают, что нужно надеть СИЗ, пройти санпропускник, обработать руки, не заходить в чистую зону без допуска и не оставлять посторонние предметы рядом с линией.

😊 Сложность в другом: как убедиться, что это выполняется постоянно — не во время обхода или аудита, а в течение всей смены.

На производстве нарушение часто выглядит как мелочь: человек чуть спустил маску, зашёл без перчаток, слишком быстро прошёл дезинфекцию рук или оставил инструмент рядом с продуктом. Для сотрудника это может быть «на минуту». Для пищевого производства — уже риск для качества, брака, ХАССП и внутренних проверок.

➡️ Ручной контроль здесь ограничен. Мастер, санитарный врач или сотрудник ОТК не может одновременно видеть все входы, мойки, линии, рабочие зоны и перемещения людей. А камеры без аналитики чаще помогают уже после инцидента, когда нужно искать нужный момент в архиве.

Видеоаналитика полезна там, где уведомлять о нарушениях необходимо в реальном времени:

— вход в чистую зону без нужного СИЗ;
— формальное прохождение санпропускника;
— слишком короткая дезинфекция рук;
— появление человека без допуска в ограниченной зоне;
— посторонний предмет на линии или рабочем столе;
— нарушение порядка между сменами.

Когда событие фиксируется с датой, временем, зоной и скриншотом, с ним уже можно работать: разбирать повторяющиеся проблемы, видеть слабые места процесса и быстрее реагировать без споров «было / не было».

😊 На мой взгляд, внедрение стоит начинать не с камер, а с карты санитарных рисков: какие зоны критичны, какие действия обязательны, какие нарушения можно определить визуально и кому нужно получать уведомление.

Важно и то, что в пищевом производстве нельзя сделать один универсальный шаблон для всех. На молочном заводе одни СИЗ и маршруты, на мясопереработке — другие, на кондитерской линии — третьи. Поэтому модель нужно настраивать под реальные камеры, освещение, спецодежду и регламенты конкретной площадки.

❗️Видеоаналитика не заменяет СанПиН, ХАССП и службу качества. Но она помогает убрать слепые зоны.❗️

Для службы качества это дополнительный инструмент производственного контроля.

〰️ Для производства — способ видеть дисциплину и состояние зон.

📊 Для руководства — более честная картина процессов, которые раньше во многом зависели от человеческого фактора.

😊 В этом и есть смысл видеоаналитики: она помогает сделать так, чтобы правила работали не только на бумаге, но и в работе цеха.

🔑 Пустить нельзя проверить

Представьте операционного директора агрохолдинга. Назовём его Дмитрий 👨🏼— это собирательный образ, но ситуация знакома многим крупным предприятиям АПК.

➡️ У Дмитрия десятки удалённых площадок, где каждый день работают сотрудники, подрядчики, водители, охрана и ветеринарная служба. Он держит всё под контролем: есть регламенты, прописанные санитарные разрывы, СКУД, камеры и данные сотрудников в 1С.

Но инструкция не гарантирует, что её выполнят.

❌На предприятии недавно сотрудник был на другой площадке и по матрице биобезопасности ещё не должен заходить в чувствительную зону. Но на проходной стоит знакомый охранник — и его пропускают «на пять минут».

❌На следующий день уже другой сотрудник забыл пропуск и прошел за коллегой. В системе: карта приложена, проход разрешен. По журналу всё чисто. По факту в зону зашли двое.

❌На этой неделе на территорию заехал кормовоз. По заявке он должен был пройти дезбарьер, разгрузиться у склада и выехать по утвержденному маршруту. Но водитель решил сократить путь и свернул к корпусам. В журнале осталась только общая запись: «доставка кормов».

ℹ️ Теперь представим инцидент: ветеринарная служба на следующий день фиксирует признаки заболевания в одной из групп. Нужно выяснить, откуда мог прийти риск: на кону здоровье животных, карантин и работа всей площадки.

Дмитрий поручил руководителю службы безопасности Виктор👨🏻‍🦰, разобраться с инцидентом. Ему предстояло восстановить хронологию за последние сутки: кто заходил, какие машины проезжали, кто из подрядчиков был на территории.

🧡И тут всё посыпалось.🧡

Номера машины нет. Маршрута нет. Непонятно, прошёл ли транспорт через дезбарьер: в журнале только общая запись — «доставка кормов». Видео есть, но его нужно вручную искать по нескольким камерам. СКУД показывает проходы людей, журнал — записи охраны, а видеоархив живёт отдельно.

🟥 При масштабе холдинга невозможно вручную контролировать каждого охранника, поэтому пора обновляться и использовать современные инструменты.

Дмитрию нужен не ещё один документ, а цифровой контур биобезопасности, где правила, доступ и видеоподтверждение работают вместе.

✅ Первый слой — управление доступом. Эту задачу закрывает PROSTO:СКУД: система автоматизирует матрицу биобезопасности, контролирует санитарные интервалы между площадками, синхронизирует данные с 1С и автоматически блокирует карту, если сотруднику сейчас нельзя входить в конкретную зону.

✅ Второй слой — интеллектуальное видеоподтверждение. Здесь подключается zool.ai: ИИ-видеоаналитика фиксирует людей, транспорт и события в зонах контроля, сопоставляет их со СКУД и помогает выявлять нарушения — например, проход за коллегой без карты, обход санпропускника или некорректное прохождение дезбарьера.

🪄В следующих постах покажем, как такой контур может работать на практике: от санитарных разрывов до видеофиксации инцидентов. Продолжение выйдет в канале СКУД и 1С🪄

⏲ Как исключить ошибки в учёте рабочего времени и избежать штрафов?

Наши коллеги 29 июля в 16:00 мск обсудят этот вопрос в прямом эфире.  

Советуем посетить, если вы интересуетесь автоматизацией учёта рабочего времени в 1С по данным СКУД и хотите быть в курсе последних разработок в этом направлении.

В программе вебинара:

💜изменения в учете рабочего времени в 2026 году;
💜 семь ошибок, которые важно найти до закрытия табеля;
💜 контроль сверхурочных, замен смен и отклонений от графика;
💜живое демо в 1С: сравнение графика, документов и данных СКУД;
💜 законные способы оптимизации фонда оплаты труда.

Участники получат промт для проверки табеля с помощью ИИ,  гайд по подготовке к проверке ГИТ.

📆 Зарегистрироваться

🪄После настройки PROSTO:СКУД руководитель службы безопасности Виктор 👨🏻‍🦰 закрыл первую проблему.🪄

Теперь санитарные разрывы работали внутри системы. Если сотруднику ещё нельзя в чувствительную зону, карта временно блокируется. Когда интервал проходит — доступ снова открывается. Но после первых недель работы Дмитрий понял: управлять доступом мало.

СКУД отвечает на вопрос: можно человеку пройти или нельзя. Но и есть второй вопрос: что человек сделал до прохода?

🧡 Например, сотруднику уже можно войти в зону. Карта сработала, проход разрешён. Но система доступа сама по себе не покажет, прошёл ли человек санпропускник как положено, не зашёл ли за коллегой, не обошёл ли турникет, был ли он в зоне обработки.🧡

На десятках площадок так не работает. Человек может отвлечься, камера может писать архив, но нужный момент всё равно будут искать уже после инцидента.

Тогда Виктор подключил второй слой — zool.ai.

✅ Видеоаналитика помогает фиксировать события в зонах контроля: появился человек, прошёл через нужную точку, обошёл турникет, прошёл за коллегой или нарушил сценарий санпропускника.

✅ Если событие похоже на нарушение, система может отправить уведомление ответственным. А к инциденту можно привязать видеофрагмент, чтобы потом не искать его вручную по нескольким камерам.

В следующем посте разберём транспорт и дезбарьеры: почему с машинами всё сложнее, чем кажется по журналу въезда. Продолжение выйдет в канале СКУД и 1С

🔎 Инцидент уже случился. Что Дмитрий покажет руководству и проверяющим?

За несколько недель Виктор собрал основные элементы цифрового контура биобезопасности.

➡️ PROSTO:СКУД управляет доступом и санитарными разрывами. zool.ai помогает подтвердить по видео, что происходило в точках контроля. Сотрудники и транспорт уже не существуют для службы безопасности только в виде отдельных строк в журналах.
Но Дмитрия интересовал ещё один вопрос:

Что произойдёт, если нарушение всё-таки не удалось предотвратить?

Представим, что ветеринарная служба снова фиксирует подозрительный случай на одной из площадок.
Раньше расследование начиналось почти с нуля.

Нужно было отдельно выгрузить события из СКУД, поднять журналы охраны, запросить записи с камер, выяснить, кто работал на КПП, проверить транспорт и вручную сопоставить время всех событий.

На площадке с десятками сотрудников это превращается в долгий и неудобный процесс. В масштабе агрохолдинга — это уже часы работы нескольких служб.

Теперь у Виктора другая задача: не искать данные, а восстановить цепочку событий.

Например:
— сотрудник попытался пройти в зону;
— система отказала в доступе из-за санитарного интервала;
— позднее доступ автоматически открылся;
— человек прошёл через контрольную точку;
— zool.ai зафиксировал событие в кадре;
— при подозрительном сценарии ответственным пришло уведомление;
— к событию сохранился видеофрагмент.

То же самое можно восстанавливать и для транспорта: какой автомобиль приехал, когда пересёк точку контроля, где был зафиксирован и какое видео относится к событию.

🌟 PROSTO:СКУД становится источником событий доступа: проходы и отказы, действовавшие ограничения, журналы и данные для последующего анализа.

🌟 zool.ai добавляет к этой истории физический контекст — видеофрагмент того, что действительно происходило в зоне контроля.

В результате у Виктора появляется не набор разрозненных источников, а доказательная база по инциденту:

— кто и когда проходил;
— был ли доступ разрешён или заблокирован;
— какое правило действовало в этот момент;
— какое нарушение было зафиксировано;
— кто получил уведомление;
— есть ли связанный видеофрагмент;
— как развивалось событие дальше.

Для Дмитрия в этом и есть главная ценность цифрового контура биобезопасности. Он не отменяет регламенты, охрану или ответственность сотрудников. Он делает правила исполнимыми, а события — проверяемыми.

🌟 Так за пять постов мы прошли весь путь: от ситуации, где данные приходилось собирать по кусочкам, до связки, в которой PROSTO:СКУД управляет правилами и доступом, а zool.ai помогает увидеть, что происходило в реальности.

И Дмитрию больше не нужно играть в детектива каждый раз, когда на площадке что-то идёт не по плану.

🚛 Как видеоаналитика помогает автоматизировать КПП на предприятии

На крупных промплощадках через КПП ежедневно проходят грузовики, спецтехника, транспорт подрядчиков и сотрудников.

Если номера проверяют вручную, а время въезда и выезда фиксируют в разных системах, на КПП появляются очереди, а разбирать задержки и нарушения становится сложнее.

Разбираем, какие задачи здесь может закрыть видеоаналитика.

6️⃣ Распознавание номеров

Система определяет номер автомобиля при въезде и выезде и фиксирует событие автоматически.

Это сокращает количество ручных проверок и помогает быстрее пропускать транспорт в стандартных ситуациях.

2️⃣Белые списки транспорта

Распознанный номер можно сверять со списком разрешённых автомобилей.

Например: машина есть в заявке → номер распознан → система подтверждает доступ → шлагбаум открывается автоматически.

При интеграции со СКУД или ERP списки можно обновлять из заявок на поставку, пропусков подрядчиков и других внутренних систем.

3️⃣Контроль времени на территории

Система фиксирует время въезда и выезда каждого автомобиля.

Если транспорт находится на площадке дольше установленного времени, ответственному сотруднику можно отправить уведомление.

Так проще находить задержки на погрузке, разгрузке или других этапах логистики.

4️⃣Разбор спорных ситуаций

Данные видеоаналитики можно сопоставлять с информацией из других систем.

Например: автомобиль въехал → прошёл взвешивание → выполнил погрузку → выехал. Если данные не сходятся, видно, на каком этапе возникло расхождение.

🔑 С чего начать автоматизацию КПП

Не обязательно менять всю существующую инфраструктуру.

Сначала стоит проверить:

— какие камеры уже установлены на въезде и выезде;
— достаточно ли качества изображения для распознавания номеров;
— где сейчас возникает больше всего ручной работы;
— с какими системами нужно сверять данные;
— какой сценарий имеет смысл проверить первым.

Подробнее об автоматизации КПП и трёх сценариях использования видеоаналитики рассказали в статье → https://zool.ai/blog/automatization-kpp

#новости_zool