{"id":7384,"date":"2021-08-26T14:42:00","date_gmt":"2021-08-26T12:42:00","guid":{"rendered":"https:\/\/www.riviera-networks.com\/?p=7384"},"modified":"2021-08-30T11:35:10","modified_gmt":"2021-08-30T09:35:10","slug":"cctv-ml","status":"publish","type":"post","link":"https:\/\/www.riviera-networks.com\/en\/cctv-ml\/","title":{"rendered":"Machine Learning dans la vid\u00e9osurveillance"},"content":{"rendered":"

L\u2019analyse vid\u00e9o automatis\u00e9 est une solution utilis\u00e9e par les fournisseurs de s\u00e9curit\u00e9 qui offre une infrastructure essentielle destin\u00e9e \u00e0 d\u00e9couvrir toute menace ou intrus potentiel, \u00e0 suivre des personnes ou des objets, \u00e0 cr\u00e9er des alarmes etc. Cette technologie traite les signaux vid\u00e9o num\u00e9riques \u00e0 l\u2019aide d\u2019algorithmes sp\u00e9ciaux afin d\u2019ex\u00e9cuter des fonctions li\u00e9es \u00e0 la s\u00e9curit\u00e9. L\u2019analyse vid\u00e9o peut utiliser des algorithmes fixes, des algorithmes d\u2019intelligence artificielle (IA) ou des syst\u00e8mes de reconnaissance faciale.<\/p>\n\n\n\n

\"video<\/p>\n\n\n\n

Les algorithmes fixes et les algorithmes d\u2019IA tentent d\u2019obtenir le m\u00eame r\u00e9sultat, mais \u00e0 travers des approches tr\u00e8s diff\u00e9rentes. Un algorithme fixe est con\u00e7u pour rechercher un comportement sp\u00e9cifique tel que marcher dans la mauvaise direction, laisser un bagage derri\u00e8re lui, etc.<\/p>\n\n\n\n

Les algorithmes d’IA font de l’analyse comportementale. Ces algorithmes fonctionnent en deux phases. Une premi\u00e8re phase dite d’apprentissage o\u00f9 le programme apprend le comportement habituel de la zone surveill\u00e9e (au travers de la cam\u00e9ra). Puis enfin une phase de d\u00e9tection. Le programme parvient enfin \u00e0 d\u00e9tecter les comportements suspects et \u00e9met une alerte lorsque quelque chose d\u2019inhabituel se produit.<\/p>\n\n\n\n

Comment \u00e7a marche ?<\/h4>\n\n\n\n

Le potentiel de l\u2019IA dans l\u2019analyse vid\u00e9o bas\u00e9e sur l\u2019apprentissage automatique (Machine Learning) et l\u2019apprentissage profond (Deep Learning) est infini.<\/p>\n\n\n\n

Les ordinateurs peuvent simuler un comportement intelligent gr\u00e2ce \u00e0 des m\u00e9thodes d’intelligence artificielle. Le Machine Learning, qui est une sous-cat\u00e9gorie de l’IA, est pertinent dans le contexte de l’analyse vid\u00e9o et de l’am\u00e9lioration de la s\u00e9curit\u00e9 vid\u00e9o.<\/p>\n\n\n\n

Le Machine Learning se bas\u00e9 sur des exemples r\u00e9els pour apprendre et am\u00e9liorer leurs algorithmes. Ces algorithmes analysent des s\u00e9quences vid\u00e9o ou diff\u00e9rentes images afin de cr\u00e9er des metadata, de g\u00e9n\u00e9rer des alarmes etc.<\/p>\n\n\n\n

L\u2019avanc\u00e9e la plus r\u00e9cente dans ce domaine est l\u2019\u00e9volution du Deep Learning, une sous-cat\u00e9gorie de ML qui fait r\u00e9f\u00e9rence \u00e0 des algorithmes faits pour imiter les r\u00e9seaux neuronaux. L\u2019id\u00e9e est bas\u00e9e sur le syst\u00e8me de vision humain et implique des couches complexes et abstraites d\u2019op\u00e9rations, chaque couche utilisant les informations de la pr\u00e9c\u00e9dente pour parvenir \u00e0 une conclusion.<\/p>\n\n\n\n

En utilisant ces algorithmes analytiques complexes, les mod\u00e8les DL sont en mesure d\u2019atteindre une grande pr\u00e9cision. Ils sont tr\u00e8s utiles dans les syst\u00e8mes de vid\u00e9osurveillance car ils peuvent aider \u00e0 la d\u00e9tection, \u00e0 la reconnaissance et \u00e0 la classification de diff\u00e9rents types d\u2019objets et de leurs propri\u00e9t\u00e9s. Le seul inconv\u00e9nient pourrait \u00eatre qu\u2019ils ont besoin de plus d\u2019op\u00e9rations math\u00e9matiques et de puissance de calcul.<\/p>\n\n\n\n

Machine Learning et Deep Learning<\/h4>\n\n\n\n

ML et DL ont besoin d\u2019\u00e9normes quantit\u00e9s de donn\u00e9es initiales afin d\u2019obtenir de bons r\u00e9sultats. Les donn\u00e9es pertinentes de haute qualit\u00e9 sont \u00e9tudi\u00e9es dans la phase d’apprentissage de l\u2019algorithme. L\u2019ordinateur analyse des milliers d\u2019images afin de trouver des d\u00e9tails sp\u00e9cifiques qui offriront une plus grande pr\u00e9cision dans leurs algorithmes au fil du temps.<\/p>\n\n\n\n

Avec les applications vocales telles qu\u2019Alexa ou Siri, nous devons poser des questions tr\u00e8s sp\u00e9cifiques pour obtenir une r\u00e9ponse compr\u00e9hensible et il en va de m\u00eame avec les syst\u00e8mes de surveillance.<\/p>\n\n\n\n

Il y a encore une grande diff\u00e9rence entre ML et DL cependant. Le Machine Learning n\u00e9cessite l\u2019intervention d\u2019un d\u00e9veloppeur pour d\u00e9finir les param\u00e8tres en fonction du r\u00e9sultat souhait\u00e9. Contrairement au Deep Learning, qui sait identifier les attributs des objets de mani\u00e8re automatique gr\u00e2ce \u00e0 sa phase de d\u2019apprentissage et est capable d’\u00e9tablir des param\u00e8tres sans aucune intervention humaine.<\/p>\n\n\n\n

Principaux avantages de l’analyse vid\u00e9o<\/h4>\n\n\n\n

\"video<\/h4>\n\n\n\n

L\u2019analyse de la vid\u00e9osurveillance aide les organisations \u00e0 la recherche dans de grandes quantit\u00e9s de donn\u00e9es enregistr\u00e9es lors d’\u00e9v\u00e9nements sp\u00e9cifiques, la classification d\u2019objets ou de v\u00e9hicules, les alertes bas\u00e9es sur la reconnaissance faciale, les alarmes intelligentes etc. Cela peut aider \u00e0 pr\u00e9venir ou \u00e0 r\u00e9soudre la criminalit\u00e9, \u00e0 identifier les risques et les menaces, \u00e0 alerter en cas de danger ou d\u2019accident et \u00e0 de nombreuses autres choses utiles qui nous rendent, nous et nos entreprises, plus s\u00fbres.<\/p>\n\n\n\n

Cette technologie peut \u00eatre mise en \u0153uvre facilement dans vos syst\u00e8mes de vid\u00e9osurveillance actuels, mais nous devons garder \u00e0 l\u2019esprit qu\u2019il n\u00e9cessite des images de haute qualit\u00e9 et une grande quantit\u00e9 de donn\u00e9es afin d\u2019obtenir une bonne pr\u00e9cision algorithmique. <\/p>\n\n\n\n

Les nouveaux<\/a> p\u00e9riph\u00e9riques embarquent des applications qui s\u2019ex\u00e9cutent directement sur les cam\u00e9ras. Les principaux avantages de ceux-ci sont:<\/p>\n\n\n\n