# Monitoring CCTV z filtrem AI

Źródło: https://eforb.pl/projects/cctv
Język: pl

Realizacja dla firmy ochrony i monitoringu obsługującej sieć obiektów w Polsce. System ma dwie warstwy. Warstwa produkcyjna wykrywa osoby i pojazdy, sprawdza strefy (dolny środek ramki musi leżeć w wielokącie strefy), wysyła alarm do panelu od razu, a lokalny model wizyjno-językowy (VLM) zaraz potem opisuje alarm i wydaje werdykt FAŁSZYWY, NIEPEWNY albo REALNY. Automat zamyka tylko werdykty FAŁSZYWY z pewnością 100%. Alarm o osobie trafia do panelu z medianą 1,6 s (pomiar u klienta, 29 i 30.10.2026, 19 alarmów); wcześniej od 49 do 62 s.

Druga warstwa to filtr fałszywych alarmów (deduplikacja, detektor z maską strefy, sito D-FINE, sędzia Qwen3-VL, reguły progów) działający w trybie cienia: zapisuje werdykty i niczego nie zamyka. Przy awarii alarm idzie do operatora, a napad, sabotaż i pożar zawsze ogląda człowiek. W teście offline na około 200 alarmach z ręcznymi etykietami (78 bez obiektu, 96 z człowiekiem, 30 z pojazdem) odrzucił 98,7% alarmów bez obiektu, ale zgubił 8 z 96 alarmów z człowiekiem i 19 z 30 z pojazdem, dlatego zostaje w trybie cienia. Odsiewu na produkcji jeszcze nie zmierzono.

System liczy wszystko lokalnie, a zdjęcia z kamer nie wychodzą z sieci klienta.

## Pełny tekst artykułu

Realizacje · CCTV i AI

### Monitoring CCTV z filtrem AI

Dla firmy ochrony i monitoringu obsługującej sieć obiektów w Polsce: wykrywanie osób i pojazdów, strefy, alarm w panelu od razu i lokalny model AI, który ocenia i opisuje każdy alarm. Obok pracuje filtr fałszywych alarmów, na razie w trybie cienia.

Publikacja: 31 października 2026

Projekt: E4B · Monitoring CCTV z filtrem AI

#### Większość alarmów to nie ludzie

W E4B zbudowaliśmy dla firmy ochrony system, w którym alarm o człowieku na obiekcie trafia do operatora od razu, a chwilę później ma już opis i ocenę od modelu AI działającego na miejscu.

Nasz klient to firma ochrony i monitoringu obsługująca sieć obiektów w Polsce. Jej operatorzy oglądają alarmy w panelu i wysyłają patrole. Na jednym z obiektów pracuje około 50 kamer.

Kłopot zna każdy, kto ma monitoring z wykrywaniem ruchu. Kamera zgłasza wszystko, co się rusza: gałąź na wietrze, cień, zwierzę, owada przy obiektywie, przejeżdżające auto. W jednej nocnej próbce 306 ocen aż 64% to były alarmy fałszywe. To mała próbka, ale dobrze pokazuje problem: operator ogląda głównie kadry, w których nikogo nie ma, i każdy alarm musiał dotąd ocenić sam.

Nasz system ma dwie warstwy. Pierwsza działa u klienta na co dzień: wykrywa osoby i pojazdy, sprawdza strefy, wysyła alarm do panelu od razu, a model AI zaraz potem go ocenia i opisuje. Druga to filtr fałszywych alarmów, który na razie pracuje w trybie cienia: ocenia alarmy obok, ale operatorowi niczego nie zabiera. Całość zbudowaliśmy tak, że liczy się lokalnie, a zdjęcia z kamer nie wychodzą z sieci klienta. Szczegóły techniczne są niżej.

#### Dwie warstwy, jeden alarm

Górna linia na rysunku to produkcja, czyli to, co operator widzi w panelu. Dolna to filtr w trybie cienia: liczy swoje werdykty równolegle, zapisuje je do porównania i niczego nie zamyka. Najedź na stanowisko, żeby zobaczyć, co robi.

#### Warstwa I: najpierw alarm, potem ocena

Detektor osób i pojazdów ogląda obraz z kamer na zintegrowanej grafice komputera i potrzebuje od 9 do 11 ms na klatkę. Gdy coś znajdzie, sprawdza strefę, czyli wielokąt narysowany na obrazie z kamery. Liczy się dolny środek ramki: miejsce, w którym osoba albo pojazd dotyka ziemi.

Jeśli obiekt jest w strefie, alarm idzie do panelu od razu. Zmierzyliśmy to u klienta: alarm o osobie trafia do panelu z medianą 1,6 s. Wcześniej trwało to od 49 do 62 s, bo system czekał z alarmem na ocenę AI. Pojazd czeka dłużej, bo najpierw trzeba potwierdzić, że naprawdę się rusza.

Dopiero wtedy do pracy rusza sędzia AI, lokalny model wizyjno-językowy (VLM). Dostaje klatki z nagrania, opisuje słowami, co na nich widać, i wydaje werdykt: FAŁSZYWY, NIEPEWNY albo REALNY. Gdy werdykt jest gotowy, alarm w panelu zmienia kolor. Operator dostaje też zdjęcie z ramką, ale tylko wtedy, gdy detektor potwierdził obiekt w tym miejscu.

Automat sam zamyka wyłącznie alarmy, które sędzia uznał za fałszywe z pewnością 100%. Wszystko inne, także każdy werdykt NIEPEWNY, ogląda człowiek.

Mediana 1,6 s: pomiar u klienta 29 i 30.10.2026, 19 alarmów o osobie. Czas detektora: pomiar z 17.10.2026.

#### Sprawdź sam: strefa i ramka

Poniżej jest narysowana scena, nie obraz z kamery. Przeciągnij ramkę albo narożniki strefy. Reguła jest ta sama co w systemie: alarm powstaje tylko wtedy, gdy dolny środek ramki leży w wielokącie strefy. Dla pojazdów działa tak samo.

Liczymy dolny środek, a nie całą ramkę, bo osoba stojąca za ogrodzeniem może na obrazie zasłaniać głową kawałek strefy, a mimo to stoi poza nią. Liczy się miejsce na ziemi.

#### Warstwa II: filtr, który na razie tylko patrzy

Druga warstwa ma odsiewać fałszywe alarmy, zanim zobaczy je operator. To kaskada, w której najtańsze kroki idą pierwsze, a najdroższy na końcu.

Deduplikacja skleja powtórzenia tego samego zdarzenia z 60 sekund. Detektor ze śledzeniem obiektów i maską strefy sprawdza, czy w strefie w ogóle ktoś jest. Sito D-FINE odrzuca klatki bez osób i pojazdów. To, co przejdzie, ocenia sędzia Qwen3-VL, a reguły progów na końcu decydują, co zostaje.

Filtr działa w trybie cienia od 24 września. Dwie zasady obowiązują niezależnie od trybu: przy awarii alarm idzie do operatora (fail-open), a alarmy krytyczne, czyli napad, sabotaż i pożar, zawsze ogląda człowiek.

Dlaczego cień, skoro w teście offline filtr odrzucił prawie wszystkie fałszywe alarmy? Bo zgubił też część prawdziwych. Sprawdziliśmy go offline na zbiorze T205: około 200 alarmów z ręcznymi etykietami (78 bez obiektu, 96 z człowiekiem, 30 z pojazdem). Każda kropka poniżej to jeden alarm.

Sędzia z regułami odrzucił 98,7% alarmów bez obiektu i przepuścił tylko jeden z 78. Zgubił jednak 8 z 96 alarmów z człowiekiem i 19 z 30 z pojazdem. W ochronie przeoczony człowiek to najgorsza pomyłka, jaką filtr może zrobić. Dlatego filtr zostaje w trybie cienia, dopóki nie zmierzymy przeoczeń na danych klienta i klient ich nie zaakceptuje.

Sito ma jeden ważny parametr: próg pewności. Wyższy próg odsiewa więcej, ale gubi też więcej ludzi. Przesuń suwak. Pokazujemy tylko progi, które naprawdę zmierzyliśmy.

Od 18 października obok działa warstwa ucząca. Dla nowego alarmu szuka najbardziej podobnych alarmów, które ocenił już operator (kNN na embeddingach). Ocen jest na razie za mało, żeby zmierzyć, czy to coś daje.

Oba wykresy to test offline na zestawie T205 z ręcznymi etykietami (sędzia 17.10.2026, sito 26.10.2026, mała próbka), nie wynik produkcyjny. Ile filtr odsiewa u klienta, jeszcze nie wiemy.

#### Trudności i decyzje

Kilka problemów, na które trafiliśmy przy budowie, razem z hipotezami, które po sprawdzeniu okazały się błędne.

##### Alarm nie może czekać na AI

Na początku alarm szedł do panelu dopiero razem z oceną sędziego, po 49 do 62 sekundach. Rozdzieliliśmy to: osobny wątek zgłasza alarm natychmiast, a ocena tylko zmienia jego kolor, gdy będzie gotowa. Stąd mediana 1,6 s. Po drodze wyglądało na to, że pojazdy przychodzą z opóźnieniem. Okazało się, że to błąd w logu.

##### Cień człowieka to też alarm

Sędzia widział sam cień i uznawał, że nikogo nie ma. Cień znaczy jednak, że ktoś stoi obok, być może poza kadrem. Teraz każda wzmianka o człowieku albo o jego cieniu daje werdykt NIEPEWNY, nigdy FAŁSZYWY. Nieruchome „osoby” odsiewamy po tym, że się nie ruszają, a nie po tym, jak wyglądają.

##### Stojące auta to nie jadący pojazd

Śledzenie obiektów łączyło migające wykrycia różnych stojących aut w jeden jadący obiekt. Rozwiązaniem jest kontrola ruchu na kolejnych klatkach i łączenie wykryć tylko w parach wzajemnie najbliższych sąsiadów. Wcześniej próbowaliśmy prostszej reguły: brak osoby i brak ruchu oznacza alarm fałszywy z pewnością 95%. Okazało się, że zamyka też prawdziwe auta, więc ją wycofaliśmy.

##### Pojazdy tuż za strefą i reguły pod jedną kamerę

Na jednej kamerze alarmy wywoływały pojazdy przejeżdżające tuż za strefą. Kusiło, żeby dopisać regułę tylko dla niej. Zdecydowaliśmy, że reguł pod pojedyncze kamery nie piszemy. Sprawdziliśmy też trzy reguły ogólne na dużym zbiorze zdarzeń i żadna nie wypadła lepiej niż losowe zgadywanie.

##### Pusta ramka na zdjęciu

Operator dostawał czasem zdjęcie z ramką, w której nic nie było. Teraz rysujemy ramkę tylko wtedy, gdy detektor potwierdzi obiekt w tym samym miejscu (IoU co najmniej 0,3). Bez potwierdzenia operator dostaje zwykłą klatkę z nagrania.

##### Pamięć karty graficznej

Trzy pełne klatki nie mieściły się w oknie kontekstu sędziego (8192 tokeny), więc zmniejszamy je do 1024 pikseli. Budowa silnika TensorRT obok działającego systemu kończyła się brakiem pamięci, więc robimy ją w osobnym procesie. Zakładaliśmy też, że sędzia gubi ludzi głównie nocą, w podczerwieni. Sprawdziliśmy: prawie wszystkie zgubione osoby z testu były na nagraniach dziennych.

#### Stan na dziś

Warstwa I działa u klienta na dwóch obiektach. Analiza obrazu ruszyła pod koniec września, alarmy z oceną AI od 28 września, automatyczne zamykanie werdyktów FAŁSZYWY z pewnością 100% od 4 października, alarm natychmiast od 19 października, a zdjęcie z ramką potwierdzoną przez detektor od 30 października.

Warstwa II jest w trybie cienia od 24 września, sito od 25 października, a warstwa ucząca od 18 października.

Czego jeszcze nie zmierzyliśmy: ile filtr odsiewa na produkcji, jak czuły jest nocą i w podczerwieni, ile czasu oszczędzają operatorzy i czy uczenie z ich ocen coś daje. Dlatego nie podajemy żadnej liczby oszczędności.

Następny krok to włączenie odsiewu, ale dopiero po zmierzeniu przeoczeń i akceptacji klienta. Część odsianych alarmów będzie wtedy losowo wracać do operatora jako kontrola. Szybciej może liczyć też detektor na karcie graficznej: w teście z TensorRT jedna klatka zajmowała 7,19 ms, a w PyTorch od 22 do 30 ms.

#### Co to może dać Twojej firmie

- **Szybki alarm**: Alarm o osobie trafia do operatora od razu, bez czekania na AI. U naszego klienta mediana wynosi 1,6 s.
- **Opis przy alarmie**: Każdy alarm chwilę po zgłoszeniu dostaje opis tego, co widać na nagraniu, i ocenę: fałszywy, niepewny albo realny.
- **Pewne fałszywki zamykają się same**: Alarmy, które model uznał za fałszywe z pewnością 100%, system zamyka bez operatora. Wszystkie pozostałe nadal ogląda człowiek.
- **Obraz zostaje u Ciebie**: System liczy wszystko lokalnie. Zdjęcia z kamer nie wychodzą z Twojej sieci.
- **Bezpieczny start**: U naszego klienta nowy filtr najpierw pracuje w trybie cienia. Włączymy go dopiero wtedy, gdy zmierzymy, ile alarmów by przeoczył, i klient to zaakceptuje. Tak samo możemy zacząć u Ciebie.

Ile fałszywych alarmów odpadnie u Ciebie, powiemy dopiero po pomiarze na Twoich kamerach. Jeśli masz monitoring z wieloma kamerami i za dużo pustych alarmów, opisz nam swoją sytuację.

[Porozmawiaj z Ebi](https://eforb.pl/uslugi/dzial-ai/ebi)

#### Modele i narzędzia

Wszystkie modele działają lokalnie.

- [Qwen3-VL](https://github.com/QwenLM/Qwen3-VL), Qwen, Alibaba Cloud
- [D-FINE](https://github.com/Peterande/D-FINE), detektor obiektów
- [DINOv2](https://github.com/facebookresearch/dinov2), Meta
- [OpenVINO](https://docs.openvino.ai/), Intel
- [TensorRT](https://developer.nvidia.com/tensorrt), NVIDIA
- [PostgreSQL + pgvector](https://github.com/pgvector/pgvector), baza i wektory

#### Pytania

##### Czy obraz z kamer trafia do chmury?

Nie. System jest zbudowany tak, że wszystko liczy się lokalnie, a zdjęcia nie wychodzą z sieci klienta. Sędzia AI to model uruchomiony na miejscu, nie usługa w internecie.

##### Czy AI sama zamyka alarmy?

Tylko te, które sędzia uznał za fałszywe z pewnością 100%. Werdykty NIEPEWNY i REALNY zawsze ogląda operator. Filtr z drugiej warstwy nie zamyka niczego, bo działa w trybie cienia.

##### Co się stanie, gdy filtr albo sędzia przestanie działać?

Alarm idzie do operatora, bo awaria nigdy nie zamyka alarmu. Alarm trafia do panelu, zanim sędzia go oceni, więc awaria sędziego nie opóźnia zgłoszenia.

##### Ile fałszywych alarmów odfiltrujecie u mnie?

Tego nie wiemy, dopóki nie zmierzymy tego na Twoich kamerach. Liczby w tym tekście pochodzą z pomiarów u klienta, z testów offline albo z małych próbek i każda jest tak podpisana.

##### Dlaczego nie podajecie nazwy klienta?

Nie mamy zgody klienta na podanie jego nazwy, dlatego nie pokazujemy też obrazów z jego kamer.

E4B · Monitoring CCTV z filtrem AI

Szkic przygotowany z AI na podstawie dokumentacji projektu; autor go poprawia i zatwierdza.

## Kontakt

E-mail: [bok@eforb.pl](mailto:bok@eforb.pl)
Telefon: [+48 797 360 600](tel:+48797360600)

## Publiczne strony

- [E4B](https://eforb.pl)
- [Internet](https://eforb.pl/uslugi/internet)
- [Zewnętrzny dział AI](https://eforb.pl/uslugi/dzial-ai)
- [Ebi, asystent AI](https://eforb.pl/uslugi/dzial-ai/ebi)
- [Realizacje](https://eforb.pl/projects)
- [Jedenaście automatyzacji, które nie potrzebują AI](https://eforb.pl/projects/automatyzacje)
- [Czat, który wie, kiedy powiedzieć „nie wiem”](https://eforb.pl/projects/baza-wiedzy)
- [Agent głosowy, który rozmawia z klientem na żywo](https://eforb.pl/projects/agent-glosowy)
- [O E4B](https://eforb.pl/o-nas)
- [Bezpieczeństwo](https://eforb.pl/bezpieczenstwo)
- [Kontakt](https://eforb.pl/kontakt)
- [Polityka prywatności](https://eforb.pl/polityka-prywatnosci)
- [Przewodnik: Poczta i kalendarz](https://eforb.pl/uslugi/dzial-ai/przewodnik/poczta)
- [Przewodnik: Automatyzacje między systemami](https://eforb.pl/uslugi/dzial-ai/przewodnik/automatyzacje)
- [Przewodnik: Recepcja i obsługa klienta](https://eforb.pl/uslugi/dzial-ai/przewodnik/recepcja)
- [Przewodnik: Asystent znający Twoją firmę](https://eforb.pl/uslugi/dzial-ai/przewodnik/wiedza)
- [Przewodnik: Sprzedaż i oferty](https://eforb.pl/uslugi/dzial-ai/przewodnik/sprzedaz)
- [Przewodnik: Dokumenty i faktury](https://eforb.pl/uslugi/dzial-ai/przewodnik/dokumenty)
- [Przewodnik: Handel, magazyn i dostawy](https://eforb.pl/uslugi/dzial-ai/przewodnik/handel)
- [Przewodnik: Dane, raporty i prognozy](https://eforb.pl/uslugi/dzial-ai/przewodnik/dane)
- [Przewodnik: Agenci AI](https://eforb.pl/uslugi/dzial-ai/przewodnik/agenci)
- [Przewodnik: Aplikacje i systemy](https://eforb.pl/uslugi/dzial-ai/przewodnik/aplikacje)
- [Przewodnik: Obraz, nagrania i urządzenia](https://eforb.pl/uslugi/dzial-ai/przewodnik/obraz)
- [Przewodnik: Wdrożenie i opieka](https://eforb.pl/uslugi/dzial-ai/przewodnik/wdrozenie)