Система наружного наблюдения в Москве

Система наружного наблюдения в Москве

Несколько лет назад началось тестирование практически готовой на тот момент системы городского видеонаблюдения "Безопасный город", которая знающими людьми сейчас именуется ЕЦХД (единый центр хранения данных). В 2015 году информация о данной системе была публично раскрыта. Эта система на сегодняшний день содержит в себе более 180 тысяч камер: подъезды, дворы, общественные места, парки, коммерческие территории, дороги, детские и учебные заведения и другие виды камер.

В зависимости от типа камеры существуют приводные (с возможностью вращения и зума, с которым можно рассмотреть лицо на расстоянии 500+ метров) и стационарные (все подъездные и некоторые другие). Расположение большинства камер не является секретом и список можно найти на портале открытых данных Москвы. Каждая камера хранит историю за период от 5 до 30 суток в зависимости от важности объекта наблюдения (подъезды и дворы - 5 суток, парки - 5-10 суток, общественные места - 5-30 суток). Пользуются этой системой все ведомства городского и федерального правительства, хоть сколько-то связанные с обеспечением безопасности. А если проще, то начиная от ментов в районном отделе и заканчивая товарищем полковником ФСБ.

Текущая рабочая версия ЕЦХД ничего сверхъестественного не может и чтобы найти, например, дядю Ваню разрушителя двора, ментам нужно проглядеть истории с нескольких камер и тогда, возможно, они найдут улики преступления. В общем, если человек не интересен для глубокой разработки, то его выискивать на камерах не будут - накладно по времени. Поэтому, несмотря на существование системы, бояться простым смертным практически нечего.

С начала 2017 года ведется разработка нескольких параллельных проектов в смежных ведомствах. На протяжении 2017 года велось активное тестирование системы распознавания образов (лиц, в нашем случае), засветившихся на подъездных камерах. Тестирование признано успешным и сейчас подготавливаются вычислительные датацентры и хранилища, способные обрабатывать данные со 100 тысяч подъездных камер и агрегировать похожие лица с сохранением истории за 1 месяц с перспективой увеличения срока хранения до года.

Почему именно подъездные? Перед дверью подъезда (а равно перед объективом камеры) человек достаточно долго статично сверкает своей физиономией. 5-10 кадров при небольшом движении лица (допустим, он набирает код на домофоне или не глядя достает ключи из кармана) вполне достаточно, чтобы выделить как общие признаки (это лицо, это человеческое лицо), так и частные (растояние между опорными точками глаз, носа, губ, объем лица и другие признаки, описываемые только математически). Кроме того, все камеры на подъездах оборудованы ИК-подсветкой и даже ночью от нее не ускользнуть (на расстоянии 0,5-5 метров).

Основная задача, которую должна будет выполнять готовая система - отсеивание постоянного потока одинаковых лиц во времени (например, дядя Ваня ежедневно возвращается домой в период с 19:00 до 19:20) от непостоянного (курьер доставлял пиццу, к дяде Ване приезжала тетя Галя для плотских утех).

Косвенная задача - фиксация лиц, официально не проживающих в отдельно взятом подъезде. В перспективе, распознанным лицам должны присваиваться их реальные имена и параметры (данные паспортов и иных документов) на основе данных из формы №1 (государственная информационно-аналитическая система, содержащая данные докуметов всех граждан страны), где есть, в том числе, фотка человека. Также к косвенной задаче относят поиск и поимку разыскиваемых преступников.

Параллельно ведется работа над связыванием системы распознавания лиц с системой распознавания номерных знаков подвижного транспорта (автомобили, общественный транспорт) и системой контроля проезда в общественном транспорте. В этой сфере все уже налажено и стабильно работает. Камеры автоматической фиксации нарушений работают не на фотографирование нарушений, а на съем и распознавание номеров вообще всех проезжающих транспортных средств. А штрафы высылаются уже по факту их наличия.

Если двигаться на автомобиле, то из данных по камерам квадрат области начала движения автомобиля можно определить с точностью 300 на 300 метров. Квадратов завершения движения в зависимости от ситуации может быть больше одного, но их размеры в центре Москвы ограничиваются 50 на 50 метров, а на окраинах (равноудаленно от ТТК и МКАД в границах МКАД) 300 на 300 метров. Но если поездки не разовые, а ежедневные и иногда маршрут движения меняется, сузить точку окончания поездки до 1 квадрата 300 на 300 метров становится элементарно. А если человек закончил поездку недалеко от МКАД, то с высокой точностью получается определить 1 квадрат 300 на 300 метров.

Если двигаться на общественном транспорте, то пассажир идентифицируется по проездному билету, который имеет уникальный идентификатор. Если это карта Тройка - без проблем производится связка с личностью, т. к. банки предоставляют ФИО владельца карты, который пополнил Тройку. Конечно, если человек пополнял проездной со своей банковской карты. Также в планах стоит перевод видеорегистраторов на общественном транспорте на он-лайн режим трансляции (сейчас они только записывают на диск внутри регистратора и данные изымаются при необходимости) и, вполне, с последующим распознаванием лиц, засветившихся в салоне общественного транспорта.

Системы контроля движения транспорта по камерам и контроля движения пассажира на общественном транспорте крайне редко дают возможность идентифицировать личность достоверно. Машина может быть каршеринговой (кстати, каршеринг следится по ГЛОНАСС, а пользователь сам предоставляет компании свои данные, но это и так все знают) или арендованной. Билет может быть одноразовым на несколько поездок и никак не связываться с личностью (особенно если покупается в кассе за наличные, а не по карте). Но изменить своё родное лицо - проблематично.

Конечная на сегодняшний день концепция амбициозного проекта "Большой брат" - возможность максимально точно отследить каждую личность в границах Москвы, а также личности выезжающих за границы города.

Система должна будет отвечать на вопросы:

Когда человек вышел/выехал из дома. Это фиксация по началу движения авто, привязанного к человеку, или началу поездки на общественном транспорте по фиксации билета на валидаторе. При выходе из подъезда лица не видно, а распознавать комплекцию и походку пока не планируется.

Куда человек приехал. Промежуточный или конечный пункт. Квадрат спального района (фиксация лица по прибытию?), промышленного района или района офисной застройки. Или вообще уехал за МКАД (пятница вечер, сезон не зима, на дачу).

Сколько провел времени в точке прибытия перед следующей фиксацией движения/лица. Например, был в квадрате, где сосредоточены офисные или производственные площади с 08:55, когда перестала фиксироваться машина, и до 18:12, когда машина вновь появилась на камерах.

Нетипичные маршруты человека. Заезжал в квадрат с торговыми центрами 1 раз за 2 месяца (нищий или не любитель ТЦ), был в 3 разных дворах города единожды за месяц (покупает наркотики).

Типичные маршруты человека. Дорога от дома до работы, дорога от работы до дома, дорога от работы до другого дома (любовница, девушка), дорога от другого дома (любовница, девушка) до своего дома.

Род деятельности человека. Офисный рабочий (пропадает из виду камер в будни с утра до вечера), курьер (много фиксаций лица на разных подъездах/домах), бизнесмен/выездной менеждер (много поездок по городу без фиксаций на подъездах), домохозяйка/домохозяин/безработный (мало фиксаций лица, мало передвижений на транспорте, нет закономерности в маршрутах).

Сетка потенциальных связей с другими людьми. Допустим, один человек приехал в гости к другому, но при этом они оба ежедневно в будни в течение дня пропадают в одном квадрате с офисами. Или человек с некоторой частотой посещает подъезд, где живет его отец и его отец с некоторой частотой посещает подъезд, где живет человек. Также возможно неоднократная фиксация двух лиц, совместно входящих в подъезд, где один из них (или даже оба) живут.

Так или иначе, еще много подобных пунктов и примеров к ним можно описать, но суть понятна. Пока что система точного слежения за личностями неполноценна. И она не будет полноценной даже с введением в работу распознавания лиц на подъездных камерах. Но уже ведутся обсуждения о дополнении всей этой структуры данными с других камер, которые нацелены на дворы, общественные места и другие территории скопления людей. Цель - распознавание одежды (по цветам и только днем), фиксация траектории движения всех движущихся объектов (люди, машины, велосипеды и другие). Также ведется общение с операторами мобильной связи Большой Тройки на предмет передачи хотя бы малой части данных (к какой базовой станции подключен абонент в момент времени), когда система не видит личность (допустим, он на работе сидит за компьютером). Операторы пока крайне против идеи даже малого информирования правительства об оценочном положении своих абонентов, если на это нет решения и санкции суда в отношении конкретного абонента.

В Китае системы контроля передвижения людей (и выписывания автоматических штрафов за нарушение пешеходом правил, в основном, дорожного движения) есть уже 3 года или более, и они намного круче даже идеи московского проекта. Но прогресс будет идти дальше, железо - становиться мощнее, а затраты на распознавание объекта на изображении - ниже. Так что стоит посмотреть как это сейчас реализовано в Китае, чтобы понимать - чего можно абсолютно реально ожидать.

Системой распознования лиц и интеграцией с соцсетями (VK, Odnoklassniki, Mamba, LinkedIn) занимается Ntech Lab Ltd. Это они создали ранее доступный сервис FindFace, теперь этот сервис для обычных смертных закрыли, фирма работает только с гос.органами и бизнес структурами.

Подъездные камеры

Когда первоначально организовывали подъездные камеры, экономически было выгоднее заключить договор с одним (или несколькими) интернет-провайдером, хабы которого есть в домах одного квартала/улицы для передачи потока с камер до одного хранилища, которое находилось на балансе у ЖКХ. Но такая организация хранения не позволяла стабильно хранить и иметь доступ к истории. Когда кто-то начинал смотреть историю, запись с остальных камер велась, бывало, с артефактами на видео.
На сегодняшний день заключают договор с одним провайдером на установку и обслуживание NAS в своих стойках на чердаках домов, куда пишутся данные камер этого и, иногда, соседних 1-3 домов. И, при необходимости, заключается договор с другими провайдерами на предоставление бесперебойного доступа к установленному NAS. Именно в такой компановке система стала кратно надежнее и позволила хранить до 5 суток видео в базовом качестве (800х600 30 к/с днем и 15 к/с ночью) без косяков при одновременном просмотре истории даже с 60% камер(5-12 штук), связанных с одним NAS.

Первоначально отметим, что вариантов алгоритмов распознавания лиц - океан. Но если говорить о более тривиальных - их 5. Ни один из методов не используется в полном объеме в московской системе, т. к. у каждого метода есть свои плюсы и минусы. И их общий главный минус - вычислительные затраты. А главная цель московской распознавалки - работа с огромным количеством данных (в вечерний пик, когда все возвращаются домой). Поэтому в целях оптимизации алгоритм разбили на 4 части и планируется еще более обширная оптимизация с минимизацией использования нейронных сетей из-за затратности технологии.

Обнаружение движения. Обнаружение "обширного" движения в близком поле объектива видеокамеры. Типичный поток с камеры имеет разрешение 800 на 600 точек и частоту 30 к/с(ночью 12 к/с). Обширным движением называется существенное изменение цвета в любой области изображения в квадрате 80 на 60 точек (область 10% от разрешения картинки) на более чем 0.5 сек. Лицо человека при среднем расстоянии до объектива 0.5-1.5 метра занимает от 9% до 12% площади изображения, исключая случаи, когда человек намеренно располагается ближе к объективу. Движение определяется с помощью свертки кадров до разрешения 80 на 60 точек(в 10 раз) и сравнения цветов одинаковых по расположению пикселей. После обнаружения движения видеопоток передается на систему определения наличия человеческого лица на изображении. Берется выборка каждого 10 кадра и они подаются в алгоритм поиска лица.

Машинное обучение. Процесс определения наличия человеческого лица основан на алгоритме машинного обучения. Алгоритм обучен находить овал лица и ключевые точки: края глаз, центр лба, центр носа, края губ. Фактически, можно было сделать и обучить систему таким образом, чтобы алгоритм обнаружения определял исключительные признаки и сразу отделял разные лица и даже возвращал значения определенных признаков. Но, во-первых, такой вариант "черного ящика" не устраивал правительство (все хотят иметь максимально прозрачные и описываемые технологии, чтобы при смене группы спецов-разработчиков новые люди приступали к работе). Во-вторых, подобный вариант кратно ресурсозатратен. Если приводить в цифрах, то при одинаковых вычислительных мощностях определить овал лица и точки можно со скоростью 100 к/с, а определить уникальные признаки - 10-15 к/с. Поэтому для определения уникальных признаков лица используется другой алгоритм.

Определение уникальных признаков лица. Алгоритм определения уникальных признаков лица состоит из двух операций. Первая операция по уже известным точкам определяет среднюю вертикальную и горизонтальную линии лица и их наклон. Также определяются расстояния (представление в пикселях) от всех точек до пересечения овала лица со средней горизонтальной линией (перпендикулярная вертикальной средней линии средняя линия между точками пересечения с вертикальной средней линией вверху и внизу овала лица). Из этих расстояний рассчитывается значение наклона и поворота головы относительно объектива, что в дальнейшем позволяет компенсировать расстояния и привести их к значениям будто лицо находится четко в анфас к объективу. Вторая операция алгоритма приводит значения расстояний к нормализованным значениям, учитывая компенсацию наклона и поворота головы. Нормализованные размеры берутся из определения, что высота лица (расстояние между верхней и нижней точками пересечения средней вертикальной линии с овалом лица) равна 100, а остальные значения пересчитываются как отношение к высоте лица умноженное на 100. Это не сантиметры и не миллиметры, но это позволяет не учитывать фактическое расстояние между объективом и человеком (и соответственно не нужно дорабатывать камеры дальномером или усложнять алгоритмы для определения расстояния до объекта). Полученные значения являются признаками уникальности лица, по которым и разделяются разные лица.

Совпадение по признакам. Лица с близкими в определенных пределах (пределы постоянно корректируются, точных цифр нет) признаками группируются как один человек. Для повышения производительности системы, с имеющейся базой сравниваются основные и мимически слабомаскируемые признаки: расстояние между краями глаз, между краями глаз и центрами носа и лба, между центром носа и центром лба. При наличии выборки из нескольких похожих лиц, сравниваются остальные расстояния.

Близнецов эта цепочка алгоритмов не определяет как разных людей, если у них нет явных, на первый взгляд, внешних различий. Также вполне успешно обмануть систему можно, когда лицо находится под любым небольшим углом относительно камеры и скорчена гримаса, т. к. при наклоне невидимая часть лица компенсируется математически от известной части, а если известная часть лица кривая, для системы равно, что все лицо кривое. Но пока люди об этой системе ни сном ни духом, они не кривляются перед камерами и успешно собираются в базу данных. Пока что есть нюансы с работой в ночное время, т. к. камера не всегда вовремя реагирует на объект вблизи и он получается засвеченным. Если человек быстренько подходит и проходит в подъезд, он выглядит не лучше белого пятна и о распознавании не идет речи вообще. Ну и очки любого вида хорошо отражают ИК-свет прямо в камеру. Недавно было совещание с техническими специалистами и они уверили, что натуральный свет (лампочка) на каждом подъезде никак не спасет ситуацию, т. к. камеры изначально стратегически были налажены на дальнее расстояние съемки ночью (25-30м), чтобы наблюдать происходящее во дворах перед подъездами, а натуральный свет принесет пользу и изменит ситуацию только при отключении ИК-подсветки. Перенести ИК-подсветку невозможно, отдельный блок создавать никто не будет, встроить в лампу еще и ИК нецелесообразно, т. к. не будет обзора на дальние дистанции. На текущий момент разработку немного притормозили органы сверху, т. к. не готовы терять наблюдение дальних дистанций в пользу агрегации лиц. Но это касается только продакшена.

Технический регламент по установке камер:

1) Установка блока видеонаблюдения должна производиться на высоте 1820 мм от уровня земли, чтобы фиксировать граждан с ростом от 140 до 220 см (угол обзора камеры более менее стандартный: 60 градусов). При невозможности разместить блок на данной высоте, его необходимо разместить выше блока кодового замка (домофона) на 30-60 мм.

2) По горизонтали установка производится со стороны открытия двери подъезда, на расстоянии от проема двери 50-100 мм.

3) Камера имеет фиксированный фокус, наведенный на объект, находящийся на расстоянии 1,2 м от объектива.

4) Камера должна позволять визуально определить черты лица и отличительные признаки человека, находящегося на расстоянии 0,5-2,0 м от объектива в светлое и темное время суток.

5) ИК подсветка камеры должна позволять в темное время суток визуально определять объекты (машина, человек, собака, кошка) на расстоянии более 20 м от объектива.
Необходимость читаемости номеров автомобилей, находящихся на каком-либо расстоянии - отсутствует. Первоначально, этот пункт был в техническом регламенте, но был убран из-за необходимости наводить фокус камеры на более дальние объекты, теряя возможность определять черты лиц в непосредственной близости.

О возможности автоматического распознавания лиц, объектов, номеров авто в техническом регламенте речи не шло, т. к. тогда об этом никто еще не задумывался.
Те блоки, что сейчас ставят (или меняют старые на новые), отличаются камерами и повышенной антивандальной защитой. Картинки с них идут четче и широкоформатные (в 720р, т. к. больше никому не надо). Кроме того, в новых камерах стоит приводной ИК-фильтр внутри объектива, который позволяет минимально изменять экспозицию при включении ИК-подсветки. Ну и ночью картинка резче.

По поводу камер на дорогах, которые фиксируют номера машин. Они расположены под углом 17-27 градусов к дороге, в зависимости от рельефа дороги, наличия изгиба проезжей части. Узконаправленный объектив, нацеленный на объект на расстоянии 50-70м (именно на таком расстоянии от камеры происходит фиксация траектории движения движения объекта и его ГРЗ). Более старые СТРЕЛКИ работают в режиме 60 к/с, что позволяет четко фиксировать номера до скорости 230 км/ч на промежутке 20 метров наведенного фокуса. Новые камеры уже работают в 120 к/с, что не оставляет шансов проехать незамеченным машинам на скорости вплоть до 500 км/ч. Каждая камера сама по себе независима, блок фиксации и распознавания номеров установлен либо рядом на столбе (тогда видно саму камеру, смотрящую на дорогу), либо все это в одном большом корпусе (черный ящик). Также на подавляющем большинстве камер имеется ИК-подсветка, которая работает всегда (и днем и ночью) и позволяет добиться контрастности ГРЗ (номер хорошо отражает любой свет) для дальнейшего распознавания.

Старые камеры, которые возвращают картинку 800x600 с различной частотой кадров ночью и днем, не имеют физического ИК-фильтра и вообще сами по себе на сегодняшний день "не очень". Их уже повально меняют от центра к окраинам города и перемещают на территорию ТиНАО. Вид с камеры днем в пасмурную погоду.

Система наружного наблюдения в Москве

Если погода ясная и солнечная, то картинка четче, т. к. слабеньким мозгам блока камеры ее не приходится вытягивать по экспозиции. Вид с камеры в ночное время.

Система наружного наблюдения в Москве

Детализация плохая, но при этом просматриваемая территория большая. Различить человека можно хоть на 50-80 метрах даже при отсутствии уличного освещения. Такие камеры далеко не все, тут взята достаточно качественно установленная. Бывает, что еле-еле можно определять движения на расстоянии 20-25 метров.

Система наружного наблюдения в Москве

Из-за отсутвия механического ИК-фильтра, экспозиция камера при засветах работает программно, поэтому старые камеры не могут адекватно отобразить лицо( а не белый силуэт) и его формы, если человек проводит перед объективом менее 5-9 секунд ночью.

Если же посмотреть на снимки с более современных блоков, которые сейчас активно устанавливают в Москве (сам блок по размеру больше и сделан из металла), они и днем показывают четче и, соответственно, шире, т. к. изображение 1280x720.

Система наружного наблюдения в Москве

Что же касается ночного наблюдения, то из-за наличия механического ИК-фильтра, картинка заметно четче и частота кадров выше (20 к/с ночью). А еще динамический диапазон матрицы шире и поэтому этим камерам зачастую достаточно подъездной лампы для нормального отображения форм человеческого лица. Ночные же снимки, где работает ИК-подсветка - не сильно лучше старых камер: экспозиция выравнивается быстрее, но все равно нужно, чтобы объект был в близком поле зрения более 3-5 секунд. А при наличии подъездного света экспозиция вообще не меняется с приближением человека. Ночной вид без освещения.

Система наружного наблюдения в Москве

Общий ночной вид более четкий и вполне возможно определить маленькое животное(кошка) на расстоянии более 20 метров. Как можно заметить на картинке с человеком, камера не успевает отработать экспозицию и вывести на передний план человека. Полагаю, что по требованию служб безопасности, данные камеры изначально настроены на слежение за территорией, а не за людьми ночью. Но если посмотреть на изображения с камер, где есть уличный свет, достаточных для неиспользования ИК-подсветки в ночное время.

Система наружного наблюдения в Москве

Явно видно, что выделить черты лица намного проще. Кроме того, из-за общего наличия света во дворе камера вообще работает как днем и разницы в качестве между картинкой днем и ночью нет.

Система наружного наблюдения в Москве

В общем и целом, нужно понимать, что если на картинке лицо кажется нечетким и сложным для индентификации даже человеком, оно ежедневно на этой камере одинаковое и алгоритмы успешно составляют расписание, когда каждое уникальное лицо подходит к подъезду.

Город еще не полноценно оснащен камерами 720р, но уже есть проект и модель блока с камерой 1080р и размером матрицы больше, чем в предыдущих моделях. Пока это все на уровне разработки с планом внедрения после оснащения всего города камерами 720р. И от новейших блоков ожидают лучшую работу в темное время суток и минимальные требования к освещению территории. Возможно, что откажутся от ИК-подсветки в пользу проекта "облагораживания дворов" (установка света, замена сгоревших ламп). Так что, если через год-два в вашем некогда темном дворе вдруг засветит каждый столб и подъезд, то вы будете знать если не основую, то одну из веских причин такого преображения двора.

Как обмануть камеры фиксации нарушений ПДД

Все камеры не фиксируют нарушения, а лишь работают как система распознавания ГРЗ транспортных средств и фиксации траектории движения этого ГРЗ. На основе этих данных, обработанных уже на серверах центра автоматической фиксации административных правонарушений (ЦАФАП) выдается решение о нарушении на конкретном участке дороги. Работая таким образом, при изменении ПДД (правил дорожного движения) и локальном изменении ОДД (организации дорожного движения), обслуживающим организациям не требуется выезд специалистов на место установки камеры. Достаточно изменить параметры, относящиеся к этому участку дороги (к одной или нескольким камерам) или в целом к ПДД, внутри системы ЦАФАП.

По факту:

1) Все ГРЗ всегда фиксируются, вне зависимости от наличия нарушения. Из данных по фиксациям этими камерами можно составлять маршруты всех автомобилей и выделять типичные и нетипичные (алгоритм "Паутина"). Также работают системы "Поток" и "Пит-стоп". Только у камер, которые в этих системах задействованы, установлен повышенный приоритет обработки данных для передачи их на посты ГИБДД или экипажам.

2) Сокрытие части номера и его неполная фиксация приводит к наискорейшей передаче данных на ближайший пост или экипажу с данными о распознанных символах и, соответственно, фотографией авто. Полное сокрытие номера (откидка, жалюзи и т. п.) за 60-100 метров до камеры приводит к полной не фиксации авто, т. к. камера ищет именно номерные знаки, а не движения объектов.

Довольно безопасный выход из ситуации сокрытие номера таким образом, чтобы камера распознавала его полностью, но неправильно.

Многие знают продающиеся буковки-циферки, наклеиваемые на ГРЗ, которые при направленном свете (а все камеры фиксации имеют ИК-подсветку, которая работает всегда для создания контрастности ГРЗ на изображении) отражаются белым цветом, совпадающим с отражением самой таблички ГРЗ. Применять такие штуки на целые символы приводит к неполному распознаванию ГРЗ и передачу данных постам и экипажам. Но можно их применять по-умному и ни одна камера вас не сдаст.

Система наружного наблюдения в Москве

Цифры в продаже найти проще, чем буквы, но буквы на рынке меньше подделывают.
Вся суть кроется в шрифте, который применяется для автомобильных номеров. Буквы У и Х, В и Р, О и С отличаются только наличием определенных частей символа.

Система наружного наблюдения в Москве

Также можно притянуть за уши цифры 0 и 8. С точки зрения камер, если у 8 скрыть перемычку в центре, то она вполне сойдет за 0. А вот с буквами работает всегда. Даже несмотря на то, что на приведенной мной маске, буквы Х и У не очень сходятся, подмена все равно отлично работает.

Соответственно, если на номере есть буква О, то можно купить эту самую отражающую букву О, но вырезать и наклеить только ту часть, которая при отражении будет превращать вашу О в С. Камеры будут распознавать совершенно другой номер, но полностью, что исключает оперативную передачу данных ГИБДД.

В случае, если стоит ГИБДДшная тренога, которую они ставят где хотят или где им укажут, она фиксирует номер и передает экипажу также и модель автомобиля из базы данных. Если так совпадет, что экипаж окажется внимательным и вместо распознанного Форд Фокуса мимо проедет Гелик, то вполне могут объявить перехват из-за движения на подложных номерах. Это также приводит к лишению денег или прав.

Также минусом являются штрафы, которые могут приходить истинному владельцу фиксируемого номера. Человек вполне резонно может пожаловаться в ГИБДД и начнется тщательное разбирательство, в результате которого может произойти выявление реального авто.

В идеале маскироваться под номер с завершенной регистрацией, т. к. с точки зрения стационарных камер и ЦАФАП он ничем не отличается от множества других, только штрафы выписать некуда. Но ездить только в городе. За городом стоит особенно опасаться экипажей с треногами, т. к. такие номера у них на оборудовании могут вызывать тревогу с гарантированной реакцией.

Информация о фиксациях автомобильных номеров в "быстрой" базе хранится один месяц. Это сервера с очень быстрыми дисками или RAID-массивами, которые позволяют очень быстро получать информацию о точках фиксации номеров и составить закономерности в движении автомобиля в краткосрочный период. После устаревания данных более чем на месяц, они перемещаются на серверы для хранения данных с более медленными дисками, но большими запасами памяти. Там данные остаются навсегда.

Подписаться на новые темы

ОСТАВЬТЕ ОТВЕТ

Please enter your comment!