Un système d’algorithmes permet de déclencher une alerte puis de la valider ou non en fonction d’examens successifs de la personne suspecte détectée par des caméras de surveillance.
par Charlie Osborne
Comme chacun le sait, les images de vidéosurveillance peuvent être difficiles à analyser pour l’œil humain, mais existe-t-il une meilleure solution?
Les caméras de sécurité sont aussi répandues que les chewing-gums sur les trottoirs. Où que nous soyons, nous savons que nous sommes peut-être surveillés. Qu’il s’agisse de prendre un verre dans un bar, de choisir une nouvelle tenue ou de marcher dans la rue, la technologie de vidéosurveillance peut servir à des fins de sécurité, de profilage ou même pour analyser les préférences des clients.
C’est normal. Que cela nous plaise ou non, que nous nous sentions rassurés par leur présence ou que nous estimions qu’elles portent atteinte à notre vie privée, les caméras font partie du quotidien dans les centres-villes.
Si vous vous trouvez dans un lieu sous haute surveillance, tel qu’une zone frontalière, un aéroport ou une structure gouvernementale, ces appareils se dressent dans tous les coins. Néanmoins, quel que soit le degré de sophistication ou de précision de cette technologie, l’œil humain reste nécessaire pour vérifier et détecter les risques pour la sécurité et les situations dangereuses.
Or, le flux continu d’informations et d’images peut être difficile à suivre pour nous autres simples mortels. Les réseaux qui couvrent des zones 24 h/24 et 7 j/7 peuvent générer un nombre d’images trop important à vérifier pour l’œil humain, de sorte que des erreurs peuvent être commises, parfois avec de graves conséquences.
Pour essayer de combattre ce problème, un nouveau système est développé par Christopher Amato, chercheur au Laboratoire d’intelligence artificielle et d’informatique (CSAIL) du MIT. Au lieu d’avoir une seule personne qui s’use les yeux en scrutant un unique écran des heures durant, la technologie est conçue pour effectuer automatiquement une analyse en temps réel des images en beaucoup moins de temps.
Comme l’explique Christopher Amato:
« Il n’est pas évident pour un individu de parcourir des pages remplies de photos de criminels ou terroristes connus pour tenter d’identifier un intrus.
Parfois, il est important de donner l’alerte immédiatement, même si vous ne savez pas encore exactement ce qui se passe. En cas de problème, vous voulez être averti dès que possible. »
Avec ses collègues Komal Kapoor, Nisheeth Srivastava et Paul Schrater de l’université du Minnesota, il a mis au point un système reposant sur les principes mathématiques de probabilité et d’exactitude. Au lieu de déclencher des alertes dès qu’une mouche passe devant une caméra, on espère qu’en utilisant différents algorithmes, les flux vidéo pourront être analysés rapidement de sorte que le personnel de sécurité puisse avoir le plus de temps possible pour répondre aux vraies menaces.
Le système fonctionne en combinant différents algorithmes, notamment la détection de la peau, la reconnaissance faciale, l’analyse de l’arrière-plan (pour les objets inhabituels) et le mouvement.
Une fois ces paramètres en place, le système de Christopher Amato commence une « phase d’apprentissage », où il évalue automatiquement comment son logiciel peut être appliqué à différentes situations, telles que les entrepôts ou la sécurité des aéroports. Ces informations viennent s’ajouter à la structure mathématique qu’il utilise (le processus de décision markovien partiellement observable, ou POMDP) afin de calculer les situations inhabituelles ou à risque élevé.
Si le système est utilisé dans un aéroport, il pourrait être programmé pour détecter les personnes suspectes, les objets abandonnés ou les comportements étranges, par exemple. Une alerte peut alors être déclenchée pour avertir le personnel de sécurité. Christopher Amato ajoute:
« Nous mettons tout ce que nous avons appris dans la structure POMDP, et elle produit une politique qui vous dira, par exemple, de commencer par une analyse de peau, puis selon ce que vous trouvez, vous pouvez lancer une analyse pour essayer de découvrir qui est l’individu en question ou utiliser un système de suivi pour savoir où il se trouve [sur chaque image]. »
« Vous continuez ainsi jusqu’à ce que la structure vous dise d’arrêter, c’est-à-dire lorsqu’elle est suffisamment sûre de son analyse pour vous dire qu’il y a un terroriste connu présent, par exemple, ou que rien d’anormal ne se produit. »
Outre les préoccupations générales de sécurité, on peut envisager que la technologie soit utilisée pour améliorer les systèmes météorologiques, la détection des catastrophes naturelles ou les études sous-marines.
Le système sera à l’occasion de la 24e conférence de l’IAAI (Innovative Applications of Artificial Intelligence) sur l’intelligence artificielle qui se tiendra en juillet à Toronto.
(via MIT)
Image: Howard Dickins / Flickr, sous licence Creative Commons CC by
À lire aussi
La caméra portative de Panasonic protège les policiers et enregistre les crimes – 7 juin 2012
La ville la plus dangereuse des États-Unis recourt à la technologie pour combattre le crime – 2 mars 2012
En quête d’une identité unique, en ligne et hors ligne – 1er mars 2012
Des technologies pour réduire les accidents sur route – 28 février 2012
Les policiers de Las Vegas se dotent de traitement analytique du crime – 3 février 2012
La police américaine combat le crime en scrutant les données sur le trafic routier - 10 juin 2011
Mots-clefs :
Suivez SmartPlanet.fr
Inscrivez-vous
Inscrivez-vous