Что означает время простоя в камере видеонаблюдения
Что такое интервал I-Frame в системах видеонаблюдения?
Что такое интервал I-Frame в системах видеонаблюдения?
I-Frame и I-Frame интервал — это два термина, которые создают путаницу при настройке системы видеонаблюдения.
Чтобы понять эти термины, необходимо знать, как создаются видеокадры. Как известно, видеоклип состоит из серии кадров. При этом существует понятие FPS (количество кадров в секунду), то есть каждый кадр представляет собой неподвижное изображение, которое при последовательном воспроизведении создает движущееся изображение.
Видео, которое имеет 30 кадров в секунду, означает, что есть 30 «неподвижных изображений», которые будут воспроизводиться для каждой секунды видео. Когда кадры воспроизводятся последовательно и быстро, они создают то, что мы называем видео.
Если взять 30 последовательных кадров и разложить их, то получится множество элементов, которые практически идентичны.
Возьмем, к примеру, ситуацию, когда кто-то разговаривает, стоя перед стеной. Маловероятно, что информация об этой стене в кадре изменится. В результате большая часть из этих 30 кадров будет потрачена впустую для передачи информации о том, что что-то вообще не изменилось.
Именно поэтому была разработана технология сжатия видео, которая делит кадры на блоки, а затем ищет избыточность между блоками.
Таким образом, если стена не изменится, проще использовать одни и те же блоки в последующих кадрах, чтобы уменьшить пространство или пропускную способность? Здесь вступает в игру так называемый интервал I-frame и I-frame.
Что такое I-Frame в системах видеонаблюдения?
I-frame (I-кадр) — это полный кадр изображения в видео и кодируется без ссылки на другие кадры. Последующие кадры (называемые дельта-кадрами) содержат только ту информацию, которая изменилась.
Сжатие видео достигается путем сравнения кадров, следующих за I-frame (ключевым кадром), и отправкой изменений только до сгенерированного следующего I-кадра. Многие системы безопасности позволяют пользователю выбирать, как часто генерируется этот I-frame.
Другими словами, I-frame — это кадр, который используется в качестве основной опорной точки, которая сравнивается с другими кадрами в потоке.
Этот метод предназначен для уменьшения пропускной способности путем отправки только одного полного исходного изображения (I-frame) один раз, а затем частичных кадров (называемых p-кадров), которые содержат только изменения в сцене с момента исходного I-кадра.
Этот метод позволяет использовать кадры гораздо меньшего размера, потому что они вносят изменения только по отношению к исходному I-кадру. Таким образом система может сэкономить место и полосу пропускания.
Что такое интервал I-Frame в системах видеонаблюдения?
Это количество интервальных кадров между двумя I-кадрами. Как мы объясняли выше, I-frame (также называемые ключевыми кадрами) используются для записи информации обо всем изображении. Чем больше значение интервала I-frame, тем меньше места для хранения занимает сжатое видео.
Когда вы выбираете видеокодеки H.264 + или H.265 + в настройке кодирования камеры, настройка интервала между кадрами отображается серым цветом, поскольку она устанавливается и управляется автоматически, и вы не можете ее изменить. А вот в кодеках H.264H или H.265, вы можете фактически изменить значение интервала I-кадра.
Большинство производителей сегодня позволяют вам контролировать интервал I-frame, который, кстати, называется по-разному в зависимости от производителя.
По умолчанию большинство систем безопасности используют 1 I-frame на каждые 30 изображений. Вы можете уменьшить это значение, и при этом есть некоторые компромиссы.
Помните эти советы при изменении интервала I-кадра вашей системы видеонаблюдения:
В большинстве случаев нет необходимости изменять значение по умолчанию для I-frame и интервала I-frame. Однако, если вы считаете, что качество вашего изображения недостаточно хорошее, вы можете получить доступ к настройкам кодирования и поиграть с этими настройками, пока не будете довольны результатом. Ниже мы перечислили оптимизированные настройки I-frame для нескольких производителей.
Рекомендуемые настройки интервала I-frame для Hikvision и их OEM-производителей — 50. Однако вы можете попробовать 30 или даже 60 и посмотреть, все ли у вас в порядке с изображением.
Рекомендуемый интервал между I-кадрами для Dahua и их OEM-производителей составляет 60. Вы также можете попробовать увеличить его, чтобы проверить, заметили ли вы разницу. Скорее всего, изменять значения по умолчанию не нужно.
Рекомендуемые настройки интервала I-кадра для систем камер Axis. В этом случае они называют это длиной GOP, что означает «группа изображений».
Рекомендуемые настройки интервала I-кадра для камер Foscam и их систем. Здесь это называется «Интервал ключевого кадра». Как мы уже упоминали, этот термин варьируется в зависимости от производителя.
Рекомендованные выше значения интервала I-frame обеспечивают стабильный поток и хорошее качество изображения. Однако вы можете изменить их в соответствии с вашей ситуацией.
Имейте в виду, что чем больше I-кадров и чем короче интервалы I-кадров, тем больше будет использоваться полоса пропускания и меньше места на жестком диске.
Ничего страшного, если вы используете значения по умолчанию, которые поставляются с камерой. Разница зависит от условий освещения и иногда может быть незначительной.
При необходимости увеличивайте значение I-frame только на камерах, которые считаются важными в вашей системе безопасности.
Монтаж видеонаблюдения
Что такое детекция движения
Детекция наличия движения – функция, решающая задачу оперативного визуального обнаружения тревожных событий на охраняемом объекте. Без неё сотрудники службы безопасности вынуждены были бы неотрывно следить за множеством изображений с камер на множестве мониторов. Автоматическое же обнаружения движения позволяет исключить человеческий фактор из процесса обработки тревожных событий, тем самым повышая общую эффективность всей системы видеонаблюдения и безопасности.
Типы детекторов движения
Детекторы движения (по изображению) принято делить на т.н. программные и встроенные в IP-камеры. Под программной понимают функцию детектирования, присутствующую в ПО видеонаблюдения. Встроенной называют функцию детектирования движения, реализованную в «прошивке» IP-камеры. На самом деле и то, и другое – детекция программная, т.к. она происходит по некоему математическому алгоритму обработки изображения, и термин «встроенный» следует понимать как «с помощью ПО, работающего в самой камере».
Конечно, детекторы можно классифицировать и по типам применяемых алгоритмов и по каким-то другим признакам, но такие классификации вряд ли принесут пользу специалистам-практикам, занятым проектированием и наладкой систем видеонаблюдения.
Какая же разница между детекторами в камерах и детекторами в ПО? Разница заключается в следующем:
в камерах работа происходит с «сырым», необработанным, несжатым изображением. Детекторы в ПО имеют дело с дважды преобразованным (сжатие в камере –> декодирование в «софте») изображением;
детектору в ПО требуется минимум два кадра чтобы «увидеть» наличие движения. Детектору в камере вообще необязательно работать с кадрами – он может оценивать изменение освещенности непосредственно светочувствительных элементов матрицы;
детекторам в ПО в принципе не важен источник изображения – они работают со стандартным видеопотоком, который можно получать с любого видеоустройства. Детекторы в камерах работают только с теми самыми конкретными камерами, в которые они «зашиты».
Т.к. в силу специализации мы имеем дело прежде всего с детекцией в ПО видеонаблюдения, то дальше мы немного поговорим об особенностях программной детекции движения.
Особенности программной детекции движения
Ещё раз уточним, что речь идёт о функции детектирования движения в ПО видеонаблюдения, работающим на видеосервере. Теперь по порядку:
Детекция движения всегда производится на преобразованном изображении
Да, очевидно, что для работы с «картинкой» эту самую картинку надо получить, распаковав приходящий с камеры сжатый видеопоток. Т.к. при сжатии всегда происходит ухудшение качества изображения (пусть даже и незаметно для глаза), то и эффективность работы детектора должна быть ниже (по сравнению с детектором в камере). На практике, впрочем, разница редко заметна.
Детекция движения значительно нагружает платформу видеосервера
Прежде всего нагрузка ложится на центральный процессор видеосервера. В основе детекции движения по видеоизображению довольно сложный алгоритм со множеством операций. В дополнении к этому изображение обязательно нужно распаковать (в отличие, например, от процесса записи в архив, при котором распаковка не требуется).
Часто, с целью снижения нагрузки на платформу, в ПО видеонаблюдения для работы детектора используются не все приходящие от камеры кадры, а только опорные, т.н. I-кадры. Положительный эффект от этого действительно есть и сильная зависимость эффективности детекторов движения от параметров входящего видеопотока.
ПО оценивает изменения контрастности, но могут использоваться и другие методы
Утверждение, честно говоря, нельзя считать проверенным т.к. производители не спешат заявлять о подробностях, объявляя их коммерческой тайной. Остаётся надеяться, что кто-нибудь из разработчиков ПО приоткроет тайну и расскажет о своих «нестандартных» методах хотя бы в комментариях к этой статье.
ПО может использовать «камерный» детектор
Да, действительно, многие ПО видеонаблюдения, даже имея собственные функции детектирования, могут уметь работать напрямую с собственными детекторами движения камер. Считается, что при этом повышается точность и оперативность обнаружения детектора (почему – рассказано выше в разделе «Типы детекторов движения»). Возможно даже одновременно использовать и «камерный», и встроенный в ПО детектор. Вряд ли кому-то такое потребуется на практике, но сама по себе такая возможность интересна.
В разных ПО — разные алгоритмы работы детекторов
К сожалению, мало что известно о принципах работы программных детекторов, т.к. производители считают эти принципы коммерческой тайной. Но наши тесты показывают, что разные ПО по-разному нагружают платформу (при сходных требованиях к функции обнаружения движения) — и это косвенно говорит о разнице в алгоритмах.
Итак, мы рассмотрели теоретические моменты – и далее перейдём к моментам практическим и более интересным.
Проблематика детекторов движения
Детекторы движения работают неидеально. И это нередко становится неприятным открытием для начинающих специалистов охранного видеонаблюдения. Все недостатки, «подводные» камни» и нарекания на работу детекции движения можно поделить на две категории:
Давайте разберём их по порядку.
Детектор плохо обнаруживает движение
Как мы уже сказали, в основе детекции лежит поиск изменений на изображении, поиск изменения контрастности на соседних пикселях. Очевидно, что чем больше два разных кадра отличаются друг от друга, тем вероятнее сработает детектор. Но и наоборот — если изменения незначительны, то реакции детектора не будет. Неужели возможно такое, что движение объекта на самом деле есть, а изменений на изображении нет? Да, возможно по следующим причинам:
Объект по цвету, освещенности и прочим свойствам не отличается от обстановки, в которой он движется. Белый медведь на снегу, человек в зеленой одежде на траве, чёрная кошка в тёмной комнате — против них программный детектор будет бессилен.
Объект движется медленно, очень медленно. Настолько, что изменения контрастности пикселов сопоставимы с цветовым и яркостным «шумом», вызванным колебаниями освещённости, тепловыми процессами в матрице камеры и т.п. Если детектор не реагирует на эти шумы – не среагирует и на объект. Поэтому не стоит использовать детекторы движения для обнаружения весеннего половодья или движения ледников в горах.
В этих условиях возникает риск пропуска цели. При известной настойчивости всё-таки есть шанс настроить оборудование на обнаружение движения в этих условиях — понизив пороговые значения критериев, по которым определяется факт наличия/отсутствия движения. Но при этом возрастёт риск столкнуться со следующей, рассмотренной ниже проблемой.
Детектор обнаруживает слишком много движения
Иногда говорят, что «реагирует на всё подряд» или «срабатывает постоянно». То есть нарушителей и злоумышленников в поле зрения нет – а уведомления о движении идут непрерывным потоком. Да, конечно, при наступлении тревожного события детектор отреагирует – но его реакция растворится среди множества прочих уведомлений и останется незамеченной. Почему такое может происходить? Причина в итоге всего одна:
Хорошо, если возможно убрать постоянно «шевелящийся» объект из поля зрения камеры или повернуть камеру так, чтобы колеблющаяся ветка, кусок окна или постоянно работающий рекламный экран вышли из поля зрения камеры. Если такой возможности нет — надо смотреть на возможность как-нибудь настроить параметры детектора. Далее об этом и поговорим.
Возможности настроек детекторов движения
Даже самые простые детекторы имеют возможность регулировать параметры их работы. Смысл этих регулировок: максимально снизить количество ненужных, «ложных» срабатываний. Разные производители ПО видеонаблюдения предлагают разные наборы параметров, доступные пользователю для настройки. Но все эти параметры в итоге можно поделить на следующие типы:
Расскажем о каждом параметре для настройки подробнее.
Настройки чувствительности
В большинстве ПО имеется возможность установки определенного значения степени изменения контрастности, фактическое превышение которого детектор будет считать движением. Конкретный смысл и механизм влияния этого параметра производители раскрывают крайне редко (ссылаясь на коммерческую тайну), предоставляя пользователю задавать чувствительность в процентах или условных единицах. При установке нулевого значения детектор практически ни на что не будет реагировать – при выборе 100-процентного значения детектор будет реагировать на малейшие, порой не различимые взглядом изменения «картинки». Подразумевается, что подходящее значения будет подбираться опытным путём.
Высокая чувствительность программного детектора движения. Детектор реагирует на все подряд.
Настройка размера
Здесь уже и проще, и понятнее. Пользователь задаёт размер области изображения (в пикселах или процентах от размера кадра) – и, если, количество пикселей, у которых изменилась контрастность меньше, чем заданное количество (как правило в %), то детектор проигнорирует это изменение. Таким образом можно исключить срабатывания на всякую «мелочь» вроде листвы, бликов, капель дождя, травы и т.п.
Настройки зоны
«зона детекции»
Зона, в которой программный детектор движения следит за наличием движения. Все, что происходит вне этой зоны не будет вызывать срабатывание детектора. Зоны детекции полезны прежде всего в случаях, когда по факту движения требуется подавать уведомление оператору, т.к. позволяет следить за каким-то конкретным объектом.
«зона исключения»/«маска детектора»
Зоны, или даже зоны, в которых детектор будет игнорировать движение, реагируя только на события вне заданной области. Зоны исключения чаще всего используются для настройки ведения записи по срабатываниям детектора, т.к. даёт возможность исключить запись архива по заведомо ненужным событиям.
Зона детекции движения в ПО видеонаблюдения.
Зона исключения детектирования движения в ПО видеонаблюдения.
Пример использования маски детектора:
Детекция производится по всему кадру.
В зоне исключения детекция движения не производится.
Настройки перемещения
Довольно редко встречаемая категория настроек. Здесь имеется в виду возможность указать скорость перемещения и/или направление движения объекта. В теории это должно позволять исключить срабатывание детектора на слишком медленные или слишком быстрые перемещения либо наоборот – заставить детектор реагировать на эти перемещения. Настройки направления должны в результате давать возможность реагировать (или наоборот – не реагировать) на перемещения объектов в указанных направления.
По факту такие возможности используются довольно редко, т.к. если на объекте реально требуется следить за перемещениями объектов, то используется на порядок более эффективная и «продвинутая» видеоналитика трекинга объектов.
Как мы уже сказали выше – разные производители ПО предлагают разные возможности настроек детекторов движения. Настало время посмотреть конкретно: что именно будет доступно при выборе того или иного ПО.
Возможности работы с детекторами в ПО разных производителей
Дальше мы посмотрим, что предлагают производители ПО в плане настроек детекторов движения в базовой поставке ПО (т.е. без учета возможностей дополнительных модулей аналитики). Т.к. все существующие на рынке программные продукты в пределах одной статьи рассмотреть невозможно, мы остановились на наиболее известных и распространённых продуктах.
Контраст, размер, зоны исключения.
Возможности настройки параметров детектора движения в ПО Axxon Next
Контраст, размер, скорость и направление движения, зоны детекции*, зоны исключения. Индивидуальная настройка зон
Возможности настройки параметров базового детектора движения в ПО Интеллект
Возможности настройки параметров зоны детектора движения в ПО Интеллект
Контраст, количество изменившихся в кадре пикселов, зоны исключения
Возможности настройки параметров детектора движения в ПО Milestone Xprotect
Размер, зоны исключения. Индивидуальная настройка зон.
Возможности настройки параметров детектора движения в ПО Macroscop
Размер, зоны детекции. Индивидуальная настройка зон.
Возможности настройки параметров детектора движения в ПО Trassir
* в ПО Интеллект понятие зоны отличается от общепринятого: зона – не выделяемый регион изображения, а набор условий для выполнения особых реакций, которые всегда работают со всей областью изображения (подробнее см. документацию к ПО Интеллект).
Как используются детекторы движения
Задача любого детектора движения – дать уведомления о возникновении движения в наблюдаемой зоне. Как и где использовать полученное уведомление – определяется возможностями конкретного ПО. В базовый набор возможностей обычно входит:
Фиксация уведомления в журнале событий;
Включение видеозаписи по срабатыванию детектора;
Вывод уведомления оператору на экран.
Не всегда, но очень часто присутствуют и другие возможности:
Отправка уведомления по e-mail;
Вывод камеры, с которой пришло уведомление, на тревожный монитор;
Включение видеозаписи с улучшенными параметрами изображения (скорость, разрешение и пр.), предустановленными именно для тревожных видеозаписей (пример — в нашем справочном пособии);
Замыкание тревожных выходов для управления внешними устройствами.
Однако применение детекторов этим не ограничивается. Существующая видеоаналитика в массе своей использует для работы именно детекторы движения. Детекторы оставленных, унесённых предметов, межкамерный трекинг, распознавание номеров, подсчёт количества объектов – всем этим аналитическим функциям в той или иной мере требуются сведения о факте перемещения объектов в кадре, которые предоставляют детекторы движения.
По этой причине нельзя построить видеосервер с аналитикой, но без функции детектирования изображения. Требования высокой производительности серверов для видеоаналитики вызваны в том числе и нагрузкой от программного детектора движения.
Заключение
Обойтись без детекции движения в системе видеонаблюдения невозможно, их роль сложно переоценить. При этом детекторы нельзя просто поделить на два разных типа («камерный» или программный) – следует учитывать принципы работы детекторов в каждом конкретном ПО видеонаблюдения, дабы в итоге получить систему, оптимально подходящую для каждой конкретной задачи и конкретного объекта.
Именно поэтому в нашем автоматизированном сервисе расчёта не только учитываются особенности программных детекторов в разных ПО, но и присутствует опция выбора потока для детектирования и даже вариант использования встроенных детекторов IP-камер.
И, как обычно, наши советы и рекомендации:
Сомневаетесь в качестве интеграции камер? Требуется аналитика? В системе камеры разных марок и хочется удобно и единообразно настраивать детекцию?
Тогда очевиден выбор варианта с программным детектором движения.
Подобрали камеры и рассчитали видеосервер, но заказчик просит заменить ПО?
Обязательно рассчитайте видеосервер заново — разница в работе детекторов существенно влияет на требования к платформе.
Не хотите зависеть от параметров потока детекции движения?
Рассмотрите вариант использования «камерных» детекторов. Но не забудьте уточнить их поддержку в выбранном ПО.
Хотите знать что предшествовало тревоге, и что было после?
Для этого существуют функции пред- и постзаписи. Первая означает наличие программного буфера, с помощью которого записанное «по движению» видео начинается не с момента регистрации движения, а за несколько секунд до него. Вторая позволяет закончить запись спустя несколько секунд уже после прекращения срабатывания детектора. В результате — при анализе архива — можно увидеть как само тревожное событие, так и ситуацию до и после него.
Использование системы видеонаблюдения – нарушение законодательства о персональных данных?
 |
| creativestall / Depositphotos.com |
Системы видеонаблюдения используются для разных целей широким спектром лиц – начиная от торговых помещений и заканчивая государственными органами. Использование видеокамер для фиксации фактов нарушений не представляется чем-то принципиально новым – системы видеонаблюдения установлены на улицах, в многоквартирных домах и в торговых залах. Такая всеобщая распространенность заставляет задуматься о том, имеет ли правовую базу такое использование, а также каким объектом права является изображение человека на видео? Как соотносится использование видеонаблюдения с законодательством о персональных данных? Ответ – в нашем материале.
Использование системы распознавания лиц
Система распознавания лиц (англ. Facial Recognition) представляет собой технологию, которая сопоставляет лицо человека на изображении или видео с лицами в специальной локальной базе данных с целью идентифицировать его личность. Важно обратить внимание, что не все системы видеонаблюдения обладают технологией распознавания лиц.
Использование системы распознавания лиц применяется повсеместно.
В одном деле родители пожаловались на школу, которая обрабатывала персональные данные учащихся без получения на это согласия. В постановлении суд прямо указал, что «в связи с использованием системы распознавания лиц учреждение обрабатывает персональные данные посетителей, в числе которых его фотография. Цель обработки указанных персональных данных посетителей учреждения — идентификация лица при пропуске на территорию образовательного учреждения. Таким образом, в учреждении действует биометрическая система идентификации лиц, в том числе, несовершеннолетних, которая позволяет установить личность владельца пропуска по фотоизображению» (Постановление Седьмого кассационного суда общей юрисдикции от 24 июля 2020 г. по делу № 16-2185/2020). Законодательством Российской Федерации установлено, что несовершеннолетние не вправе от своего имени давать согласие на обработку персональных данных, в том числе и биометрических. Вместе с тем, закон о персональных данных не исключает возможность получения согласия на обработку биометрических персональных данных несовершеннолетних от их законных представителей (в соответствии с ч. 1, 6 ст. 9 и ч. 1 ст. 11 Федерального закона от 27 июля 2006 г. № 152-ФЗ «О персональных данных»; далее – Закон №152-ФЗ). Однако в рассматриваемом деле судом не были установлены обстоятельства получения согласия родителей (законных представителей) учащихся на обработку биометрических персональных данных их несовершеннолетних детей. Суд отменил все постановления, дело было отправлено на пересмотр в районный суд.
К противоположному мнению пришел суд, рассматривавший спор в отношении МВД РФ, Роскомнадзора и Департамента информационных технологий Москвы, использующего системы распознавания лиц. Подробнее об этом деле, а также об утечках при использовании систем распознавания лиц читайте в нашем материале: СПЧ намерен подготовить в этом году концепцию по защите прав человека в цифровой среде.
«В судебной практике имеются примеры дел о признании незаконным применения технологии распознавания лиц в системе видеонаблюдения. Одно из таких дел было освещено СМИ. Например, дело гражданки П.: суд вынес решение не в ее пользу, обосновав свою позицию тем, что система видеонаблюдения хоть и использует технологию распознавания лиц, но не позволяет установить личность гражданина.
Кроме того, суд сослался на тот факт, что в ГАС «Единый центр хранения и обработке данных», который является оператором, нет ни персональных, ни биометрических данных граждан. И основная задача системы сводится лишь к сопоставлению полученного с видеокамер фото с изображением, которое имеется у правоохранительных органов.
Соответственно, суд в своем решении указал, что видео с камеры наблюдения не являются персональными данными, а значит, что при осуществлении видеосъемки не требуется письменное согласие лица на их обработку. Таким образом, данное решение фактически позволило властям наблюдать за гражданами через систему распознавания лиц.
Однако суд, на мой взгляд, до конца не разобрался в данном вопросе и четко не аргументировал, почему изображение человека, полученное с камеры видеонаблюдения, не относится к персональным данным. Поэтому вопрос соблюдения законодательства о персональных данных при обработке изображения человека, полученного с камеры видеонаблюдения, является открытым и неоднозначным».
Использование системы видеонаблюдения в торговых залах
Предприниматели, осуществляющие реализацию своих товаров в торговых залах и других общественных местах, совершенствуют системы видеонаблюдения с целью повышения качества обслуживания покупателей. В широком смысле видеонаблюдение используют для борьбы с кражами и мошенническими действиями. Однако, как отмечают эксперты, прослеживается тенденция к применению таких систем, выходящее за рамки указанных вариантов – например, контроль за заполняемостью торгового помещения с целью равномерного распределения занятости сотрудников магазина.
На мероприятии «Ритейл в России: время дискаунтеров и маркетплейсов» ИД «Ведомости» коммерческий директор бизнес-рынка МТС Андрей Зименков рассказал об использовании компанией видеоаналитики в розничной торговле. С помощью этой системы ведется подсчет таких параметров, как количество посетителей, производится идентификация сотрудников по форме одежды, фиксируется время подхода сотрудника к клиенту. По данным эксперта, такая система позволила снизить время ожидания клиентов в пике, а также продемонтрировала эффективность в борьбе с фродом.
ВАЖНО ЗНАТЬ
Обращаем внимание, что согласие на обработку персональных данных должно быть составлено отдельно от других видов соглашений. Более того, предпроставленные галочки на согласие на обработку персональных данных можно трактовать как нарушение закона – с 1 марта законодательно закреплены положения, что молчание и бездействие субъекта персональных данных не является согласием на обработку (ч. 8 ст. 10.1 Закона №152-ФЗ).
В случае установки в торговых залах систем видеонаблюдения для анализа покупателей законодательство о персональных данных может быть применимо в зависимости от того, как именно осуществляется анализ, считает юрист CMS Russia Владислав Елтовский. Если, к примеру, камеры установлены для того, чтобы определять заполняемость помещений в различные периоды рабочего времени, популярность товаров, размещенных в определенном отделе торгового зала, либо степень привлечения внимания потребителей к определенной продукции, то в этом случае через камеры не собираются персональные данные, так как такие записи не направлены на идентификацию физического лица или привязке его изображения с определенными данными. Иными словами, осуществляется обработка обобщенных, а не конкретных данных, привязанных к какому-либо лицу.
Но если же камеры установлены для идентификации конкретного лица, например, для того чтобы понимать предпочтения и поведение конкретного покупателя, к примеру, если он был идентифицирован через систему лояльности, то такие записи уже будут являться персональными данными, отмечает эксперт. В этом случае для законного использования компаниям необходимо получить согласие от соответствующих клиентов.
Таким образом, для обеспечения законного использования видео-анализа торговых залов необходимо на стадии внедрения определить цели и пределы использования полученных данных, заключил Владислав Елтовский. А затем, исходя из желаемых операций с данными, уже необходимо определять те юридические меры, которые могут быть необходимыми с точки зрения законодательства о персональных данных.
Видеокамеры в многоквартирных домах
Системы видеонаблюдения используют не только государственными органами и частными предпринимателями, но и жителями многоквартирных домов для защиты частной территории дома.
В одном деле собственники квартиры пытались добиться от ТСЖ демонтажа камер видеонаблюдения и выплаты компенсации морального вреда, считая такую установку и организацию видеонаблюдения незаконными, нарушающими их личные права на тайну частной жизни (Определение Восьмого кассационного суда общей юрисдикции от 19 ноября 2019 № 88-100/2019). Ответчик вину не признал, указав, что видеокамеры были установлены на основании решения общего собрания собственников помещений многоквартирного дома, в сторону квартиры собственников квартиры видеокамеры не направлены, и входная дверь квартиры не попадает в зону видеофиксации. Восьмой кассационный суд общей юрисдикции оставил без удовлетворения жалобу истцов, определив, что суды нижестоящих инстанций обоснованно не усмотрели в действиях ответчика нарушения прав на неприкосновенность частной жизни и защиту персональных данных. Свое решение суд обосновал позицией, согласно которой право истцов не было нарушено, поскольку установленные ответчиками камеры видеонаблюдения не способны фиксировать состояние внутренних помещений квартиры истцов, а факт размещения в общедоступном месте камер видеонаблюдения не является деятельностью по обработке персональных данных.
В другом похожем деле суд также не усмотрел в действиях ответчика – установление камер видеонаблюдения – нарушения положений законодательства о персональных данных (Определение Третьего кассационного суда общей юрисдикции от 27 января 2021 по делу № 88-235/2021, 2-4082/2019). Третий кассационный суд общей юрисдикции определил, что установка видеокамеры на фасаде дома с направлением на придомовую территорию не свидетельствует о совершении действий по хранению, использованию, распространению сведений о частной жизни истца. Представленные в материалы дела доказательства в виде фотографий фиксируют факт установки камеры, но не подтверждают, что за истцом и членами его семьи велось постоянное видеонаблюдение со стороны ответчика. Суд посчитал, что если видеокамера установлена с целью обеспечения сохранности имущества, а ответчику доступен только тот объем информации, который доступен обычному наблюдателю, то установка такой камеры права истца не нарушает.
Таким образом судебная практика демонстрирует следующий подход. Использование системы видеонаблюдения в многоквартирном доме не является деятельностью по обработке персональных данных, в связи с чем установка таких систем не попадает под положения Закона №152-ФЗ. Тем не менее, в некоторых ситуациях установка камер видеонаблюдения может быть признана незаконной – например, если их установка не была согласована на общем собрании собственников (Определение Третьего кассационного суда общей юрисдикции от 12 февраля 2020 № 88-2343/2020 по делу № 2-344/2019). Однако такие споры выходят за рамки вопроса о соотношении использования систем видеонаблюдения и соблюдения законодательства о персональных данных.