Wszystkie projekty

Case study · Computer vision

Phantm Vision

Monitoring magazynu, w którym wideo z kamer nigdy nie opuszcza budynku: do chmury trafiają tylko zdarzenia i pojedyncze klatki.

Rola
Founder
Rok
2026
Status
Przed wydaniem
Technologie
Python, YOLO, Supabase, React
01 - Trzy osoby przy paleciaku, ujęcie z góryNAGRANIE Z MAGAZYNU · DETEKCJE NANIESIONE MODELEM PRODUKCYJNYM, PRÓG 0,60
Co widać na nagraniu

Kamera patrzy niemal pionowo w dół na posadzkę. Przy paleciaku z pustą paletą stoją trzy osoby: dwie w brązowo-beżowej odzieży roboczej, trzecia w zielonej kamizelce, z tabletem w ręku. Każda dostaje zieloną ramkę podpisaną „person” i pewność między 0,92 a 0,94.

Przez całe dwanaście sekund nie ma **ani jednej klatki bez detekcji**, a średnia wypada 2,94 ramki na klatkę przy trzech osobach w kadrze. Model zgłosił przy tym progu także ławkę i telefon komórkowy - te klasy nie są rysowane, bo produkt i tak ich dalej nie wysyła.

02 - Rozmowa w alejce, z wysokości regałuNAGRANIE Z MAGAZYNU · DETEKCJE NANIESIONE MODELEM PRODUKCYJNYM, PRÓG 0,60
Co widać na nagraniu

Ujęcie z góry regału, wzdłuż alejki między paletami. Dwie osoby w odzieży roboczej rozmawiają, gestykulując; przy lewej krawędzi kadru wchodzi trzecia, w zielonej kamizelce, z telefonem przy uchu.

Pewność chodzi tu między 0,65 a 0,96 i widać, od czego zależy: sylwetka obrócona bokiem i ucięta krawędzią kadru dostaje 0,76, ta sama osoba w całości i przodem do kamery - 0,95. Żadna klatka nie zostaje pusta, średnio 2,70 ramki na klatkę.

03 - Maszt wózka zasłania człowiekaNAGRANIE Z MAGAZYNU · DETEKCJE NANIESIONE MODELEM PRODUKCYJNYM, PRÓG 0,60
Co widać na nagraniu

Sześć sekund, w których maszt wózka widłowego zajmuje środek kadru. Na początku ramkę dostaje tylko jedna osoba przy prawej krawędzi, z pewnością 0,85 - człowiek stojący za masztem jest zasłonięty i model go nie zgłasza. Pod koniec po prawej stoją już dwie osoby, 0,91 i 0,95.

To najsłabsze z czterech ujęć i dlatego tu jest: **siedemnaście procent klatek nie ma ani jednej detekcji.** Zasłonięcie jest w magazynie stanem normalnym, nie wyjątkiem, i to jest powód, dla którego w warstwie decyzji siedzi tracker - żeby człowiek, który na pół sekundy zniknął za masztem, nie wyłonił się zza niego jako nowy obiekt i nowe zdarzenie.

04 - Załadowany paleciak przejeżdża przez kadrNAGRANIE Z MAGAZYNU · DETEKCJE NANIESIONE MODELEM PRODUKCYJNYM, PRÓG 0,60
Co widać na nagraniu

Osoba w odzieży roboczej ciągnie paleciak z kartonami wzdłuż regału. Ramka trzyma się jej przez cały przejazd, z pewnością 0,83. W drugiej połowie przy ładunku stoją już dwie osoby, 0,94 i 0,95.

Pięć procent klatek zostaje bez detekcji. Przy tym samym progu model zaproponował też ławkę, narty i krowę - w magazynie. Rysowana jest wyłącznie klasa „person”, bo jest jedyną, którą ten produkt wysyła dalej, a reszta to dokładnie ten rodzaj szumu, od którego zaczyna się warstwa filtrów.

01Problem
Zdarzenia w magazynie trzeba wychwytywać bez wysyłania całego strumienia z kamer do chmury.
02Rozwiązanie
Lokalna analiza obrazu i pulpit zdarzeń. Do chmury trafiają tylko zdarzenia i pojedyncze klatki.
03Rezultat
Potwierdzony pełny przebieg od kamery do obsługi zdarzenia w pulpicie. Projekt jest jeszcze przed wydaniem.

01 · Kontekst

Po co to istnieje.

Mała firma logistyczna chce wiedzieć, kto był w magazynie po godzinach. System NVR jest dla niej za drogi i wymaga obsługi, a rozwiązania chmurowe każą wysłać obraz z kamer na cudzy serwer. Taka firma nie ma działu IT, ma za to kilka kamer, które już wiszą.

Stąd zasada, z której wynika cała reszta: wideo zostaje w magazynie. A produktem nie jest sam model rozpoznający ludzi, tylko trafne zdarzenia, czyli system, który nie budzi właściciela o trzeciej w nocy, bo wiatr poruszył plandeką.

02 · Co zbudowałem

Co jest w środku.

  • Aplikacja na Windows przy kamerach: podgląd na żywo, siatka kamer, strefy i linie rysowane na obrazie oraz tryb nocny.
  • Filtry zdarzeń: wejście do strefy, przekroczenie linii, zbyt długie przebywanie, zły kierunek. Odsiewają szum, zanim cokolwiek trafi do właściciela.
  • Praca bez internetu: gdy sieć znika, zdarzenia czekają na dysku i wysyłają się po jej powrocie.
  • Pulpit w przeglądarce: trendy, zdarzenia z miniaturami do potwierdzenia, kamery i role użytkowników. Nowe zdarzenia pojawiają się bez odświeżania strony.
  • Paczka do rozpakowania i uruchomienia: komputer w magazynie nie potrzebuje instalacji Pythona ani karty graficznej.

03 · Decyzje

Decyzje, które zaważyły.

  1. Model analizuje obraz tylko wtedy, gdy coś się rusza.

    DlaczegoW magazynie przez większość doby nic się nie dzieje. Prosty test ruchu odrzuca około 80% klatek, zanim dotrą do modelu, więc wystarcza zwykły komputer, a zdarzeń nie ubywa.

  2. Rozpoznawanie kasków i kamizelek zostało wycofane.

    DlaczegoModel wychwytywał mniej niż połowę przypadków braku kasku. Funkcja bezpieczeństwa, która myli się w połowie sytuacji, jest gorsza niż jej brak, bo ktoś zaczyna na niej polegać.

  3. Wersja dla klienta działa na samym procesorze.

    DlaczegoŚrodowisko robocze ważyło ponad 5 GB, prawie w całości przez obsługę kart graficznych, których komputery w magazynach nie mają. Osobna, lżejsza wersja przesądziła o tym, że produkt da się w ogóle zainstalować u klienta.

04 · Status

Gdzie to jest teraz.

Projekt nie jest jeszcze wydany. 23 sierpnia 2026 pierwsze prawdziwe zdarzenie przeszło całą drogę: od kamery, przez filtry i chmurę, do pulpitu, gdzie potwierdzono je 16 sekund później. Nie sprawdziłem jeszcze instalacji na czystym Windowsie, a agent działa jako zwykły program, więc ktoś musi go uruchomić. Dalej w planie są alerty e-mail i raporty.