Les fausses alarmes peuvent-elles devenir un problème du passé ?

Uri Guterman, Directeur des produits et du marketing de Hanwha Techwin Europe, nous explique le potentiel de l’analyse vidéo assistée par Deep Learning pour réduire significativement les fausses alarmes.


Il fut un temps où le coût associé à la surveillance visuelle des activités sur un site distant était bien trop élevé pour la plupart des entreprises. Néanmoins, le développement ces dernières années du haut débit à bas prix et la transition vers la surveillance basée sur les événements ont permis aux salles de contrôle de sécurité d’offrir des services de surveillance visuelle à distance à un tarif abordable.

La surveillance basée sur les événements, souvent dénommée exception reporting, est devenue une méthode acceptable pour attirer l’attention des opérateurs en salle de contrôle sur un incident lorsqu’il est apparu qu’il était inefficace pour eux de regarder constamment un écran au cas où quelque chose de suspect se produirait. En effet, outre le coût lié au fait de devoir employer un grand nombre d’opérateurs pour surveiller un nombre relativement faible de sites, il y avait le risque que quelque chose soit manqué en raison d’un manque de concentration.

Le fait de n’avoir qu’à vérifier visuellement des alertes basées sur des événements générés par des capteurs, des logiciels de détection de mouvement sur serveur ou, plus récemment, des logiciels d’analyse de vidéo embarqués sur les caméras, permet aux opérateurs de surveiller en simultané un grand nombre de sites.

 

Défi posé par les fausses alarmes

Malgré les progrès technologiques constants, ces méthodes de vérification visuelle des alarmes restent parfois imparfaites, car elles génèrent souvent de fausses alarmes par leur incapacité à distinguer précisément certains éléments, par exemple un animal errant et un intrus humain ou un véhicule de ce qui n’est que du bruit vidéo. En plus du temps perdu et des implications financières liés au traitement de ces fausses alarmes, pouvant impliquer le détachement de personnel sur site pour évaluer une situation, elles peuvent également être une grande cause de frustration pour les opérateurs de salles de contrôle. Ce problème majeur a conduit certaines salles de contrôle à parfois désactiver des systèmes d’analyse vidéo de première génération qui étaient peut-être surestimés en termes de capacité à offrir un niveau de détection élevé sans générer un grand nombre de fausses alarmes.

 

Solutions basées sur IA

Hanwha Techwin est convaincu qu’en exploitant la puissance de l’analyse vidéo basée sur le Deep Learning, il est possible de fournir aux entreprises, autorités locales et autres organisations, ainsi qu’aux salles de contrôle privées, un outil puissant pour les aider à garder une longueur d’avance sur les intrus. Les systèmes d’analyse vidéo gratuits assistés par Deep Learning et embarqués sur les caméras haute définition assurent un haut niveau de précision des détections tout en limitant les fausses alarmes.

Ils peuvent en effet détecter et classifier simultanément différents types d’objets, notamment les personnes, les véhicules, les visages et les plaques d’immatriculation. Les caméras IA fabriquées par Hanwha Techwin sont prises en charge par les algorithmes IA de Wisenet, capables d’identifier les attributs des objets ou personnes, comme leur groupe d’âge, leur genre, ou la couleur des vêtements qu’une personne porte.

Ces attributs sont enregistrés sous forme de méta données avec les vidéos capturées par les caméras IA, permettant ainsi aux utilisateurs de rechercher rapidement des objets ou incidents spécifiques. Ces algorithmes sont même capables de reconnaitre si une personne porte des lunettes ou tient un sac.

En outre, l’analyse vidéo basée sur Deep Learning peut être configurée de manière à ignorer le bruit vidéo, les déplacements des arbres, des nuages et des animaux, qui pourraient tous être la cause de fausses alarmes lorsque des technologies ou des capteurs de détection de mouvement standard sont utilisés pour détecter l’activité. En réduisant le temps perdu et les coûteuses fausses alarmes, il permet ainsi aux opérateurs de salles de contrôle et au personnel de sécurité de mieux se concentrer sur les vrais incidents et urgences.

 Selon les estimations d’un rapport de Memoori Smart Building Research la vente de produits de vidéo sécurité pourrait passer de 19,15 milliards d’USD en 2019 à 35,82 milliards d’ici 2024, les logiciels d’analyse vidéo basés sur l’IA jouant un rôle majeur sur cette croissance. Ce qui n’a sans doute rien de surprenant si l’on considère son potentiel à rendre la surveillance à distance plus efficace et économique, ainsi qu’à participer à la lutte contre les activités criminelles de bien d’autres manières, par exemple via la recherche rapide et précise des vidéos enregistrées fournissant des preuves de n’importe quel incident. À cet égard, dans un futur proche, nous allons sans doute voir apparaitre des applications basées sur l’IA, développées par Hanwha Techwin et ses partenaires technologiques, capables d’améliorer les systèmes de vidéo sécurité jusqu’à atteindre des performances qui semblent encore aujourd’hui impossible.

 Vous avez des questions sur la technologie IA ? Envoyez un e-mail à Uri Guterman à l’adresse u.guterman@hanwha.com.