IA ou DeepLearning ?

Publié le 18 Sep 2021

Just Do IP teste actuellement plusieurs solutions basées sur l’IA ou le Deep Learning soit avec des algorithmes embarqués dans des caméras, soit sous forme de serveurs dédiés.

Vous avez ci dessous les principales problématiques résumées. Parmi les principales: peut on détecter automatiquement des personnes ou véhicules immobiles, et peut on détecter quand on a qu’une fraction masquée de la cible ?

D’autres critères comme la facilité de mise en œuvre et d’auto calibration, l’ergonomie de l’interface utilisateur, son intégration avec les VMS et Hyperviseurs du marché, la résistance / résilience à la saleté, aux insectes et aux végétaux et enfin la facilité de maintenance logicielle du système, car il faut pouvoir évoluer aisément.

Ci dessous test en live avec double détection en mouvement. Sans mouvement ou sur une vue partielle l’algorithme dans la version testée ne détectait pas.

Les véhicules à gauche et devant en partiel ne sont pas détectés. Une main, un avant bras ou une tête seule non plus.

Au stade actuel, aucun éditeur ou constructeur ne se risque à déclarer un 95% ou, à fortiori un 100%.

Peu de sociétés ont le temps et l’argent de tester en conditions de « stress test » les équipements, c’est à dire en faible luminosité ou en noir et blanc avec infra rouge, sous la pluie, et avec une toile d’araignée sur l’objectif.

Néanmoins, je constate que les faux positifs basiques sur végétaux en mouvement (branches, feuillus) ont tendance à disparaitre sur les derniers modèles d’analytiques.

Certaines caméras récentes équipées de Led blanches éclairent la scène dès que la luminosité baisse afin d’appliquer de la reconnaissance humaine ou véhicule et avec de très bons résultats. Elles peuvent émettre des messages pré enregistrés (« Périmètre privé veuillez quitter les lieux.. » ) , des lumières stroboscopiques ou clignotantes… Rester en couleur permet généralement de meilleurs résultats.

Un point important est qu’il est impossible de connaitre généralement la qualité d’apprentissage du « Deep learning » qui a été effectuée part l’éditeur ou le constructeur : a t on alimenté l’algorithme avec d’innombrables situations de l’objet et beaucoup de variations de luminosités pour décrire un véhicule ou un visage ou une arme , ou bien a t on entré des images de type « catalogues » , belles et hyper reconnaissables mais éloignées de la réalité ?

De l’importance des Taux de transfert dans le stockage IP …

Publié le 26 Sep 2017

Eh oui, on apprend de façon continue. Une intervention récente en Audit m’a demandé de réactualiser mes connaissances sur les systèmes de stockage recommandés en IP  quand on commence  à avoir pas mal de caméras (+/- 30) des débits d’enregistrement  un peu conséquents (REC 200 Mb/s) avec des résolutions méga et ultra pixels (2, 3, 5 et 12MP) – évidemment bien au delà des 4 CIF de l’arrêté de 2007. I

Quand vos enregistrements n’atteignent même pas l’unité de stockage, non du fait du réseau, mais d’un overflow purement d’octets entre un serveur vidéo et un enregistreur pourtant très performant sur le papier. Trouver le coupable demandera un petit travail façon Columbo, mais sans l’aide de sa femme..!

En effet, certains RAID ne sont pas du tout recommandés par certains éditeurs, toutes les cartes contrôleurs ne se valent pas, certains disques vendus pour la Vidéo protection sont particulièrement .. lents, (si, si ) les mémoires tampons et les tailles de blocs de formatage ou de bandes RAID sont particulièrement primordiaux pour atteindre de bonnes performances ..!

Ci-dessous, l’une des slides ajoutées à nos supports de cours destinées aux concepteurs (VID) mais aussi aux techniciens (CME)