Reconnaissance informatique - Donner de la vision aux ordinateurs

La reconnaissance informatique et la vision par ordinateur, en général, ont une longue et vaste histoire d'être des domaines difficiles et complexes où les progrès, jusqu'à l'avènement du ML/AI, étaient limités. En revanche, avec l'infographie, de nombreuses avancées se sont produites en peu de temps dans les domaines de la modélisation 2D/3D, de la conception assistée par ordinateur (CAO), des films numériques animés tels que ceux produits par Pixar et des jeux vidéo. L'informatique moderne se prêtait bien à la capture et à la création d'images, mais pas à leur perception.

La raison principale est liée au problème de la perception visuelle. Lors de l'avènement des ordinateurs de bureau modernes, il n'a pas fallu longtemps aux chercheurs pour développer des moyens ingénieux de coder numériquement les images en les encodant comme une série de pixels d'intensités diverses (par exemple, RVB) et même en compressant les images selon plusieurs schémas. À mesure que la capture et le codage des images progressaient et étaient plus ou moins maîtrisés, les chercheurs se sont tournés vers l'analyse des images.

Étant donné une série de pixels, comment les objets peuvent-ils être identifiés ? Il existe diverses techniques apparemment évidentes, bien que naïves, telles que l'examen de la couleur d'un groupe de pixels, dans des domaines spécifiques. Il est possible d'approximer les objets en identifiant des ensembles de couleurs avec des connaissances préalables. Par exemple, un ciel étant donné qu'il est bleu et en haut d'une image. Le regroupement des couleurs ne prend pas non plus en compte les formes et les tailles des objets. Cette approche est difficile à généraliser.

Cette étude de cas explorera comment l'analyse des flux vidéo CCTV peut bénéficier à votre organisation. Un système d'AI capable d'identifier des objets à partir de séquences de surveillance a de nombreuses applications.

L'analyse, par exemple, peut fournir des notifications exploitables en temps réel au personnel de sécurité et aux personnes concernées. Écrire un programme algorithmique classique pour résoudre des problèmes de reconnaissance informatique/vision par ordinateur est difficile, bien que l'utilisation de l'intelligence artificielle rende le problème traitable.

Résoudre le problème via l'intelligence artificielle

Ce problème soulève des questions sur la manière dont les humains identifient des objets dans un champ visuel, ce qui est également incroyablement difficile à répondre. Bien qu'il s'agisse encore très largement d'une question ouverte, les réseaux de neurones artificiels se sont révélés incroyablement utiles dans le domaine de la reconnaissance informatique/de la vision par ordinateur.

Avec les techniques d'apprentissage profond et un vaste jeu de données d'images, il est possible d'entraîner un modèle à identifier des objets. Le jeu de données le plus courant est le Common Objects in Context (https://cocodataset.org/) qui contient les éléments suivants selon leur définition :

Segmentation d'objets
Reconnaissance en contexte
Segmentation par superpixels
330K images (>200K étiquetés)
1,5 million d'instances d'objets
80 catégories d'objets
91 catégories de matières
5 légendes par image
250 000 personnes avec points clés

L'entraînement de divers modèles d'intelligence artificielle avec ces informations s'est avéré très efficace lors de l'exécution du modèle sur un jeu de données d'évaluation.

Aperçu du défi organisationnel

En supposant que la capacité de l'IA existe pour analyser des objets dans des flux vidéo (ce qui est le cas), comment une organisation mettrait-elle en œuvre une telle solution ? Il reste le problème plus large de la mise en œuvre d'un tel modèle dans un environnement de production capable de passer à l'échelle et de fonctionner dans un cadre réglementaire.

Traditionnellement, les organisations confiaient à leurs départements informatiques la tâche d'installer une telle capacité. Habituellement, les organisations trouvaient des logiciels prêts à l'emploi pour résoudre le problème ou cherchaient un fournisseur de logiciels sur mesure pour construire ou adapter une solution existante si une telle solution n'était pas facilement disponible. Compte tenu de la complexité des systèmes d'Intelligence Artificielle, ces deux options resteraient indisponibles pendant un certain temps.

Outre les défis techniques, il existe également des politiques internes et diverses exigences de conformité auxquelles les organisations doivent adhérer couramment, telles que la confidentialité des données qui, bien que liées, sont des problèmes relevant de différents experts du domaine. Ainsi, la mise en œuvre d'une telle solution nécessitera l'expertise de nombreux autres domaines d'une organisation, nécessitant une gestion de projet complexe. Une alternative aux stratégies internes consiste à accéder à une telle capacité via une entreprise d'Intelligence Artificielle en tant que Service, y compris Telemus AI™, d'une manière similaire à l'accès aux services cloud.

Données organisationnelles disponibles en tant qu'entrées AI

La plupart des organisations utilisent la CCTV à des fins de sécurité et envoient divers flux vidéo à une salle de contrôle pour la surveillance. Habituellement, ces flux vidéo seraient surveillés par du personnel de sécurité 24h/24 et 7j/7 pour identifier toute activité qui pourrait ne pas être jugée acceptable ou nécessiter une investigation ou une action supplémentaire. Ces flux vidéo peuvent être acheminés via un système d'intelligence artificielle. L'AI alerte le personnel de sécurité si quoi que ce soit nécessite une investigation plus approfondie.

L'avantage de cela est que le système d'IA peut potentiellement détecter des anomalies qu'un humain manquerait autrement si elles ne sont pas évidentes ou si le personnel de sécurité a eu une baisse d'attention. Une autre façon de voir les choses est que la capacité du personnel de sécurité à comprendre ce qui se passe dans les flux vidéo a été portée à un niveau supérieur. Ainsi, de manière similaire à l'utilisation d'outils dans d'autres domaines pour augmenter nos capacités.

Bien que le potentiel de cette technologie puisse être déconcertant pour certaines personnes, il est essentiel de considérer qu'un individu surveille les flux vidéo en toute circonstance, et que l'AI aide simplement le personnel de sécurité à visualiser les images, et que les avantages doivent être pesés. Étant donné que la technologie est exploitée de manière régulée et sûre dans le cadre d'un strict dispositif de gouvernance, les avantages potentiels seraient immenses.

Méthodologie d'intégration

Voici un aperçu du processus que nous effectuerions à un niveau élevé pour analyser de tels flux au sein d'une organisation :

Identifier les flux CCTV et le système qui assure la surveillance et l'enregistrement de ces flux
Modifier le logiciel pour envoyer des flux à un fournisseur d'informatique en nuage pour une analyse en temps réel
Faire passer les flux à travers Telemus AI™ et renvoyer les flux vidéo augmentés au système de surveillance de sécurité
Configurer des alertes personnalisées pour le personnel de sécurité en fonction de ce qui est détecté

Étant donné que Telemus AI™ prend en charge la majeure partie du travail, l'organisation peut se concentrer sur la logique métier plutôt que sur la mise en œuvre technique.

Applications organisationnelles

La liste suivante présente d'autres applications potentielles pour votre organisation :

Surveiller les voitures sur un réseau routier et détecter les accidents pour envoyer une équipe d'assistance
Surveiller les individus dans les lieux pour s'assurer qu'aucun comportement antisocial ne se produit. Le cas échéant, dépêcher automatiquement une unité de sécurité pour désamorcer la situation.
Surveiller les lieux de travail et les chantiers, en s'assurant que le personnel ne se trouve pas dans les locaux en dehors des heures d'ouverture définies

Avantages potentiels et réalisés

Les avantages potentiels et réalisés de cette technologie sont vastes. Il est possible d'effectuer une surveillance par CCTV de manière plus précise et efficace, avec moins d'erreurs, nécessitant moins de personnel de sécurité global, ce qui permet à ce personnel de se concentrer sur des tâches plus urgentes telles que la patrouille active ou le travail d'investigation.

Telemus AI™ est une entreprise d'intelligence artificielle basée en Australie, fournissant des solutions avancées aux gouvernements et aux entreprises. Contactez-nous dès aujourd'hui pour une consultation gratuite sur la façon dont Telemus AI™ peut être intégré à votre organisation.

Étiquettes

Détection d'objets sur images de surveillance