Розробка мобільного застосунку для домофона/відеодомофона

Уявіть: гість натискає кнопку домофона, і ваш телефон миттєво дзвонить, показуючи відео з камери. Одним тапом ви відчиняєте двері. За цією простотою — складний інженерний пазл: WebRTC або SIP-стек, протокол ONVIF, push-сповіщення із затримкою менше секунди при закритому застосунку, керування реле замка через API пристрою та запис подій. Ми розробляємо мобільні застосунки для домофонів «під ключ», від вибору архітектури до публікації в App Store та Google Play. Типовий проєкт займає від 4 до 12 тижнів залежно від сумісності обладнання та вимог до мультиквартирності.

Розглянемо типову ситуацію: у багатоквартирному будинку потрібен єдиний застосунок для мешканців, який маршрутизує дзвінок від домофона конкретного під'їзду до потрібної квартири. При цьому важливо забезпечити відеозапис подій, підтримку гостьових QR-кодів та інтеграцію з наявною системою контролю доступу. Наша команда має 10+ років досвіду в розробці embedded та мобільних рішень, тому ми гарантуємо стислі терміни та прозору звітність.

Чому вибір протоколу важливий?

Перше питання при проєктуванні — тип домофонного обладнання. Від нього залежить, який протокол відеозв'язку використовувати.

Готові IP-домофони з SIP — розробка мобільного застосунку

Пристрої на кшталт Hikvision DS-KV6113, Grandstream GDS3710, Beward DS06M підтримують SIP та ONVIF. Телефон реєструється на Asterisk/FreeSWITCH як SIP-клієнт. Вхідний виклик з домофона → SIP INVITE → сервер → push на телефон → CallKit (iOS) / ConnectionService (Android).

Кастомний домофон на одноплатнику

Використовуємо Raspberry Pi, ESP32-S3 або NXP i.MX — стек обираємо самі. WebRTC через Pion (Go) або aiortc (Python) на пристрої, сигналізація через WebSocket на наш сервер, потім мобільний клієнт.

Хмарний домофон

Пропрієтарні рішення (Ring, Dahua, Hikvision EZVIZ) надають P2P SDK. Інтеграція швидка, але веде до vendor lock-in.

Як забезпечити доставку дзвінка за частки секунди?

Затримка сповіщення критична: гість біля дверей. На iOS правильний шлях — APNs VoIP push з PKPushRegistry та PKPushType.voIP. Система будить застосунок негайно, навіть при Force Quit, і через CXProvider показує нативний інтерфейс дзвінка. Згідно з документацією CallKit, це стандартний підхід для VoIP-застосунків.

let update = CXCallUpdate()
update.remoteHandle = CXHandle(type: .generic, value: "Двері під'їзду")
update.hasVideo = true
update.localizedCallerName = "Домофон"
provider.reportNewIncomingCall(with: callUUID, update: update) { error in ... }

APNs VoIP-сертифікат окремий від push-сертифіката. Не забудьте voip в UIBackgroundModes у Info.plist.

На Android використовується ConnectionService + FCM з високим пріоритетом (priority: high). TelecomManager.addNewIncomingCall() показує системний дзвінок. Проблема: на Xiaomi, Huawei, OPPO агресивні battery optimisations вбивають FCM-з'єднання. Рішення — JobScheduler keepalive + інструкція користувачу додати застосунок у винятки. Для Huawei використовуємо HMS Push.

Для кроссплатформенних проєктів (Flutter) застосовуємо flutter_callkit_incoming та firebase_messaging — нативні біндінги до CallKit та ConnectionService.

WebRTC-відеозв'язок

Після відповіді на дзвінок встановлюється WebRTC peer connection. Сигналізація: обмін SDP через наш WebSocket-сервер (або Asterisk з WebSocket транспортом для SIP/WebRTC). ICE кандидати збираються через STUN, для NAT traversal — TURN (Coturn). Відео з камери домофона рендериться в RTCMTLVideoView (Metal, iOS) або SurfaceViewRenderer (Android). Аудіо — RTCAudioTrack. AEC (echo cancellation) вбудований у WebRTC — критично, щоб не було луни через колонку домофона. Затримка відео: 150-400 мс на Wi-Fi, 400-800 мс на 4G — прийнятно для прийняття рішення «відкрити/не відкрити».

Порівняння протоколів: SIP-стек підходить для стандартних IP-домофонів, але WebRTC забезпечує в 3-5 разів меншу затримку відео завдяки прямому P2P-з'єднанню.

Керування замком

HTTP або MQTT запит до пристрою або сервера: POST /api/unlock або publish("home/door/unlock", "1"). Підтвердження відкриття через сенсор дверей (опціонально): подія OPEN відображається в застосунку. Кнопка «Відкрити» активна тільки під час дзвінка — після завершення ховається. Лог подій: кожен дзвінок, відкриття, відмова записуються в БД з timestamp та userId.

Відеозапис подій

Запис відео при кожному дзвінку (ringback recording): медіасервер (Janus record plugin, Ant Media) пише потік у WebM/MP4. Зберігання в S3/MinIO з ретенцією останніх 30 подій або 7 днів (lifecycle rule). Мобільний клієнт показує історію: timeline з прев'ю першого кадру, тривалістю та кнопкою відтворення через AVPlayer / ExoPlayer з S3 presigned URL.

Мультиквартирний будинок

Декілька під'їздів, декілька квартир. Маршрутизація: домофон під'їзду 3 дзвонить тільки мешканцям квартир у під'їзді 3. В Asterisk: dialplan з Dial(SIP/apartment_${EXTEN}). Кожна квартира — окремий SIP-акаунт. У застосунку користувач прив'язаний до акаунту своєї квартири. Гостьовий доступ: власник видає тимчасовий QR-код з обмеженим терміном дії.

Покроковий процес інтеграції домофона

1. Аудит обладнання — аналіз протоколів домофона, підтримка ONVIF/SIP, можливості релейного виходу.
2. Проєктування архітектури — вибір стека (SIP vs WebRTC), серверної частини, СУБД.
3. Розробка серверної частини — Asterisk/WebRTC-сервер, REST API для застосунку, MQTT-брокер.
4. Розробка мобільного клієнта — iOS (Swift + CallKit) та Android (Kotlin + ConnectionService) з відео, керуванням замком, історією.
5. Інтеграція та тестування — стенд з реальним домофоном, перевірка затримок, сценаріїв помилок.
6. Публікація в App Store та Google Play — налаштування provisioning profiles, code signing, push-сертифікатів.

Етапи розробки

Разом від 1 до 3 місяців залежно від складності та мультиквартирності.

Порівняння варіантів обладнання

Що входить в роботу

По завершенню проєкту ви отримуєте:

• Вихідний код мобільного застосунку (iOS/Android) з коментарями
• Зібрані IPA/APK та налаштування для публікації
• Серверну частину (якщо потрібно) у Docker-контейнерах
• Документацію API та інструкцію з розгортання
• 1 місяць технічної підтримки після здачі
• Код викладено в приватний Git-репозиторій

Якщо ви хочете оцінити свій проєкт, напишіть нам — ми підготуємо попередню архітектуру та кошторис протягом 2 робочих днів.

Як вибрати підхід до камери в застосунках?

Застосунки, де користувачі знімають, слухають або дивляться, технічно одні з найвимогливіших. Ми стикаємося з цим щодня. Не через складність API, а через різницю в залізі: на флагмані камера працює ідеально, на бюджетному пристрої з нестандартним Camera HAL виникають артефакти та збої. На iOS стабілізація одного покоління відрізняється від іншого. Платформенні відмінності формують 80% всієї складності медіа-розробки. Наш досвід — 10+ років у мобільних медіа та понад 40 реалізованих проєктів з камерою, аудіо та відео.

CameraX проти Camera2 та AVFoundation

На Android довгий час Camera2 API був єдиним адекватним вибором для кастомних камер. Це низькорівневий API з CaptureRequest, CameraCharacteristics, ImageReader — потужний, але багатослівний. Тільки preview з коректним aspect ratio та правильною орієнтацією займає кілька сотень рядків коду.

CameraX (Jetpack) — обгортка поверх Camera2 з автоматичною адаптацією під пристрій. Preview, ImageCapture, ImageAnalysis, VideoCapture — чотири use case, які комбінуються. Він вирішує за вас проблему орієнтації, aspect ratio та lifecycle: прив'язуєте до LifecycleOwner і не думаєте про закриття камери при згортанні. В останніх версіях CameraX отримав Extensions API для боке, нічного режиму, HDR — нативні алгоритми виробників через єдиний інтерфейс. CameraX дозволяє скоротити час розробки вдвічі порівняно з Camera2.

Коли потрібен Camera2 напряму: RAW-зйомка через ImageFormat.RAW_SENSOR, ручний контроль ISO/витримки/фокусу або коли CameraX Extensions API не підтримується та потрібен кастомний ML-пайплайн в ImageAnalysis.

На iOS AVFoundation — єдиний шлях для кастомної камери. AVCaptureSession з AVCaptureDeviceInput та потрібним output (AVCapturePhotoOutput, AVCaptureVideoDataOutput, AVCaptureMovieFileOutput). Для реального часу обробки відео — AVCaptureVideoDataOutput + CVPixelBuffer в captureOutput(_:didOutput:from:) на фоновій черзі. Саме тут CoreML-моделі отримують кадри для інференсу.

Типова помилка з AVFoundation: конфігурувати сесію на main thread. beginConfiguration() / commitConfiguration() повинні викликатися на фоновому потоці. Інакше preview фрізиться, користувач бачить заморозку інтерфейсу. Ця помилка зустрічається в 70% проєктів, які ми аудитували.

Що робити з AudioFocus на Android та AudioSession на iOS?

Аудіо на мобільних платформах вимагає коректного управління життєвим циклом звуку. AudioFocus — механізм координації між застосунками. AudioManager.requestAudioFocus() з OnAudioFocusChangeListener. Якщо не обробляти AUDIOFOCUS_LOSS_TRANSIENT (паузувати) та AUDIOFOCUS_LOSS (зупиняти) — ваш застосунок гратиме поверх телефонного дзвінка. Це гарантований поганий відгук у Google Play (Wikipedia: AudioFocus).

На iOS AudioSession категорії визначають поведінку: playback — для плеєрів (продовжує грати при заблокованому екрані), record — для запису з відключенням інших джерел, playAndRecord — для голосових повідомлень. Неправильна категорія — застосунок глушить фонову музику користувача при старті.

AVAudioEngine — сучасний API для обробки аудіо: граф нод (мікшери, еквалайзери), tap-и для захвату буфера. Для мовлення в реальному часі — SFSpeechRecognizer + inputNode.installTap.

На Android для запису з шумопригніченням — NoiseSuppressor.isAvailable() + create(audioRecord.audioSessionId). Працює не на всіх пристроях, потрібен fallback.

Відео: відтворення та стрімінг

ExoPlayer (Media3) — стандарт для Android. Підтримує HLS, DASH, SmoothStreaming, прогресивне відтворення. DefaultTrackSelector з Parameters дозволяє вибирати якість вручну або адаптивно. DRM через DefaultDrmSessionManager з Widevine L1/L3.

Проблема, з якою стикаються майже всі: ExoPlayer в RecyclerView при швидкому скролі. Потрібен PlayerPool — пул перевикористовуваних плеєрів. Без пула кожен новий екземпляр створює MediaCodec інстанс, що дорого та призводить до MediaCodec$CodecException: Error -19 на деяких Android 10 пристроях при >3 одночасних інстансах. Використання пулу зменшує споживання пам'яті до 3 разів.

AVPlayer / AVPlayerViewController на iOS — для відтворення. Для кастомного UI — AVPlayerLayer + власні контроли. HLS працює нативно через AVPlayer(url:) з m3u8. FairPlay DRM вимагає серверної частини: AVContentKeySession, CKC-відповідь від KSM-сервера, делегат ресурсів.

Для Flutter — video_player як базовий шар, chewie для UI. Для серйозних завдань — platform channel до нативного ExoPlayer/AVPlayer (через DRM та субтитри).

WebRTC на мобільних — через нативні фреймворки або flutter_webrtc. Реальна складність — не в самому протоколі, а в сигналінгу та TURN-серверах. Без TURN клієнти за симетричними NAT не встановлять з'єднання — це приблизно 15–20% трафіку. Coturn — стандартний open-source сервер.

RTMP публікація на мобільних: LFLiveKit для iOS, HaishinKit як більш сучасна альтернатива. На Android — rtmp-rtsp-stream-client-java або через FFmpeg з JNI. Останнє дає максимальну гнучкість, але бінарник зростає на 10–15 МБ.

Обробка медіа: компресія та транскодування

Відео в ProRes може займати 6 ГБ/хвилину. Перед завантаженням потрібна компресія. На iOS — AVAssetExportSession з пресетом 1920×1080 або кастомний AVVideoComposition. VideoToolbox для апаратного кодування H264/HEVC — швидше та економніше по батареї.

На Android — MediaCodec напряму або Transformer (Media3) — високорівневий API для трансформацій (обрізка, ресайз, ефекти через GlEffectsFrameProcessor). Для зображень — BitmapFactory.Options.inSampleSize для даунсемплінгу, Glide / Coil для кешування. Coil на Coroutines добре вписується в Compose. Завантажувати оригінал 12 МП в ImageView 200×200dp — класичний OutOfMemoryError на пристроях з 2 ГБ RAM. Тому ми завжди стискаємо зображення до 1 МБ перед відправкою.

Як реалізувати стрімінг на мобільних пристроях: покроковий план?

1. Визначити вимоги: цільова затримка (наприклад, <100 мс), кількість одночасних користувачів (до 1000), необхідність P2P.
2. Обрати протокол та стек: WebRTC для відеодзвінків, RTMP/HLSLive для мовлення.
3. Налаштувати сигналінг (SIP, WebSocket, MQTT) та TURN-сервер.
4. Реалізувати публікацію/перегляд через нативний API або кроссплатформенний плагін.
5. Провести тестування на реальних пристроях з різними камерами та мережевими умовами.
6. Оптимізувати бітрейт (до 2 Мбіт/с для HD) та роздільну здатність залежно від пропускної здатності.

Типові помилки при розробці медіа-функціональності: конфігурація AVFoundation сесії на головному потоці, відсутність обробки AudioFocus Loss на Android, ігнорування обмежень MediaCodec на дешевих пристроях, використання емулятора для тестів камери (емулятор не відтворює проблеми HAL), витік пам'яті при перестворенні медіаплеєрів без пулу.

Що входить в роботу?

Процес розробки медіафункціональності

Складність нелінійна: базове відтворення відео — 1–2 дні, кастомна камера з обробкою кадрів та стрімінгом — 3–5 тижнів. Починаємо з прояснення вимог: DRM, формати, мінімальна OS, підтримка фонових режимів. Тестування на залізі обов'язкове — емулятор не відтворює проблеми з Camera HAL, апаратним кодеком та AudioFocus. Мінімальний набір: останній iPhone, iPhone SE, флагман Samsung, бюджетний Android, Android Go (якщо цільова аудиторія — ринки, що розвиваються).

Терміни орієнтовно: від 5 робочих днів (базове відтворення) до 8 тижнів (комплексна камера зі стрімінгом та DRM). Вартість розраховується індивідуально після аналізу ваших вимог — зв'яжіться з нами для консультації. Типовий бюджет таких проєктів: від $2,000 до $15,000.

Фраза послуги: «Робота з медіа в мобільних застосунках» — це наш профіль. Кожен проєкт починається з аудиту поточної реалізації, виявлення вузьких місць та пропозиції оптимального стеку. Замовте аудит вашої медіа-функціональності, отримайте консультацію інженера без зобов'язань.