Analyse vidéo, quand la caméra fait bien plus que de la surveillance

Avec plus de 60 000 caméras sur le territoire français concernant les lieux publics, la vidéosurveillance s’est généralisée en quelques années, tout en faisant débat sur son intérêt et son rapport avec la protection de la vie privée.

En soi, la vidéosurveillance consiste à l’utilisation d’une ou plusieurs caméras, d’une infrastructure pour les connecter au poste de surveillance et de serveurs pour stocker les images pour la prise de décision des opérateurs humains. Ce sont donc des heures de vidéos et des Petaoctets de données, parfois, peu ou pas exploitées. Comme toute donnée, sans traitement, sans analyse, une image n’a aucune valeur, ou presque.

Pourtant, sortie du contexte de surveillance, une analyse en temps réel des images peut fournir des informations très précieuses, déclencher des actions précises et anticipées ou encore aider à la prise de décision. Quand l’IA rencontre la vidéo, on parle alors d’analyse vidéo, et la vidéosurveillance prend une toute autre dimension.

Vous allez vite comprendre.

L’analyse vidéo comme nous le verrons dans le paragraphe suivant implique l’utilisation d’outils d’analyse en temps réel des images pour détecter certaines informations selon un contexte ou une situation définie.

Prenons quelques exemples parlants. En logistique, l’analyse vidéo va pouvoir détecter des colis ou des marchandises sur le sol, identifier des zones lorsqu’elles sont encombrées ou vides, ou encore faire de la prévention de risques en couplant la vidéo avec des capteurs in situ. Dans le retail, elle permet par exemple de faire du heat mapping, c’est-à-dire recenser les personnes dans un magasin selon les rayons pour analyser le parcours client ou optimiser l’aménagement du point de vente. En milieu urbain, il est possible d’analyser et de détecter des comportements anormaux de conduites avec des analyses automatisées. Les usages de ce type de « vidéosurveillance » intelligente sont très larges.

Là où la vidéoprotection détecte uniquement des anomalies a posteriori, la vidéosurveillance intelligente permet de trier, détecter et alerter en temps réel. Cette technologie permet de gagner en réactivité, en efficacité, en productivité en s’appuyant sur des données fiables pour prendre des décisions.

Matériellement cela consiste en une application logicielle qui génère automatiquement des descriptions de ce qui est en train de se produire dans la vidéo. Grâce aux algorithmes et aux modèles d’entraînements obtenus par machine learning, le système capte les images et les analyse en temps réel, il va être capable par exemple de détecter un objet ou une personne qui n’aurait pas sa place dans une zone définie.

Les champs d’application de cette technologie étant très variés, une phase importante de son déploiement est le paramétrage :

• Où : quelles zones seront analysées ?
• Quand : en continu ou dans une période de temps définie ?
• Quoi : que veut-on repérer et analyser et selon quels critères ?

Point de vigilance : une vidéosurveillance intelligente doit avoir une source fiable, stable et de qualité. De plus, l’infrastructure doit assurer un traitement optimal des flux ainsi qu’une performance réseau de qualité entre les caméras et les outils d’analyses.

La qualité des caméras peut être un facteur d’échec de l’analyse, notamment en contexte nocturne. Analyser des images en faible lumière est toujours délicat et les traitements des images nécessitent de puissants algorithmes de correction. L’IA ne fera pas de miracle. Si la qualité des caméras fait défaut et que leur emplacement n’est pas stratégique, l’analyse vidéo ne sera pas efficace.

Aujourd’hui, les infrastructures d’analyse vidéo reposent principalement sur des services Cloud Computing. Les fournisseurs de référence proposent même des services dédiés à l’analyse vidéo. Cela s’explique par le besoin de puissance de calcul et la capacité de stockage. Il est possible de le faire localement, mais vous devez déployer une infrastructure flexible pour monter en charge ou redimensionner les ressources selon les besoins (puissance de calculs, entraînement des modèles, stockage, SLA, etc.). Cela peut vite devenir coûteux et peu rentable.

Ne vous lancez pas dans un projet d’analyse vidéo sans avoir établi un audit précis de vos besoins et des matériels déployés si vous en avez. Ces besoins vont permettre de définir les matériels, l’infrastructure et les services à utiliser. Comme toujours dans un projet IT, une phase de test sera nécessaire pour valider les modèles IA et la cohérence des flux ainsi que de l’analyse des images.

Cependant, sachez que passer de la vidéoprotection classique à la vidéosurveillance intelligente ne représente pas en réalité un coût important car les parcs de caméras sont déjà installés et fonctionnels. De plus, ces parcs sont souvent sous-exploités et servent plus de dissuasion pour les personnes mal attentionnées plutôt que de véritables outils de prises de décision pour l’entreprise.

Intégrer l’IA dans son projet de vidéosurveillance doit être envisagé sur le long terme. Il est nécessaire de former les équipes, gérer le cycle de vie du matériel vidéo, mettre à jour les services d’analyse vidéo et faire évoluer les modèles et les traitements selon vos contextes. La dimension légale, notamment vis-à-vis du RGPD, est un sujet qui doit être prioritaire dans votre projet de vidéosurveillance intelligente.

Autant de raisons pour lesquelles vous faire accompagner par un partenaire « guichet unique » comme Wixalia qui maitrise les technologies, les infrastructures et les services est une vraie bonne idée ! Contactez nos équipes pour discuter de votre projet.