15 novembre 2024
Rejoignez-nous pour découvrir comment Vision AI fonctionne dans la prévention des vols, avec des exemples concrets, des détections basées sur l'IA et des aperçus sur l'avenir de la sécurité.
Si vous êtes déjà passé devant de hautes barrières à la sortie d'un magasin, qui émettent un signal sonore lorsqu'un article non payé passe, vous avez vu les systèmes de surveillance électronique des articles (EAS) à l'œuvre. Ces systèmes sont couramment utilisés dans la sécurité des commerces de détail. Ils sont conçus pour détecter les articles munis d'étiquettes de sécurité qui n'ont pas été désactivées lors du passage en caisse. Bien qu'ils soient utiles pour la prévention de base des vols, les systèmes EAS sont limités à la détection des articles étiquetés et passent souvent à côté d'autres types de vols.
L'intelligence artificielle (IA) peut fournir une solution plus avancée sous la forme de la vision par ordinateur, une branche de l'IA qui permet aux machines d'interpréter et d'analyser les informations visuelles du monde qui les entoure. La vision par ordinateur peut être utilisée pour analyser le comportement des clients, suivre les stocks et même reconnaître les activités suspectes en temps réel. Au lieu de se fier uniquement aux articles étiquetés, les systèmes de vision par ordinateur peuvent détecter des schémas indiquant un vol potentiel, comme une personne qui s'attarde dans des zones restreintes, qui dissimule des articles ou qui contourne les points de passage en caisse.
Les informations fournies par les systèmes de sécurité à vision peuvent aider les équipes de sécurité à réagir instantanément aux comportements suspects, ce qui permet de réduire les pertes et d'améliorer la sécurité des magasins. La vision par ordinateur peut également être adaptée à divers environnements de vente au détail, qu'il s'agisse de petits magasins ou de grands entrepôts.
Dans cet article, nous verrons comment la vision par ordinateur modifie la prévention du vol dans le commerce de détail et l'entreposage. Commençons par le commencement !
Tout d'abord, explorons les différentes techniques de vision par ordinateur qui peuvent être utilisées pour prévenir le vol et comprenons comment elles fonctionnent.
En utilisant des modèles de vision artificielle comme Ultralytics YOLO11, les magasins de détail peuvent améliorer considérablement leurs efforts de sécurité grâce à la détection et au suivi d' objets en temps réel. La détection d'objets permet d'identifier des objets, des personnes ou des articles spécifiques dans un flux vidéo, tandis que le suivi d'objets permet de suivre ces objets identifiés sur plusieurs images, en surveillant leurs mouvements dans le magasin. Ensemble, ces techniques permettent d'obtenir une vue complète et en temps réel de l'activité qui se déroule dans le magasin.
Supposons, par exemple, qu'un client prenne un article de grande valeur, comme un sac à main de marque, et traverse les différentes sections du magasin. Les images de surveillance peuvent être analysées à l'aide de la détection d'objets afin d'identifier le sac à main et de le signaler comme un objet d'intérêt. Au fur et à mesure que le client se déplace, le suivi d'objet peut être utilisé pour suivre en continu le sac à main et la personne qui le porte. En se basant sur des zones prédéfinies telles qu'une sortie, tout comportement inhabituel, comme le fait de se déplacer vers la sortie sans passer par la zone des caisses, peut déclencher une alerte.
L'analyse comportementale et la reconnaissance des formes permettent d'aller plus loin dans la prévention des vols en se concentrant sur le comportement des clients dans le magasin. Elles permettent d'aller au-delà de l'endroit où les clients se déplacent ou des articles qu'ils prennent. Alors que la détection et le suivi d'objets sont utiles pour suivre des objets spécifiques d'intérêt, l'analyse comportementale permet de surveiller des schémas dans les actions des clients qui pourraient suggérer des intentions suspectes.
Par exemple, l 'IA de la vision peut être utilisée pour identifier si un client prend et dépose de manière répétée le même article, s 'attarde dans une allée particulière ou s'approche de manière inhabituelle de zones restreintes. La recherche dans ce domaine progresse, avec des techniques de plus en plus sophistiquées pour améliorer la précision de la détection. Une approche prometteuse combine deux types de modèles d'intelligence artificielle : Les réseaux neuronaux convolutifs (CNN) et les réseaux de mémoire à long terme (LSTM).
Les CNN, qui constituent la base de la détection d'objets, sont conçus pour analyser des données visuelles telles que des images et des trames vidéo, aidant le système à reconnaître des articles spécifiques ou des zones de magasin. Les LSTM, en revanche, sont conçues pour conserver les informations au fil du temps, ce qui permet au système de détecter des schémas dans les actions des clients. Cela signifie que les LSTM peuvent suivre des comportements répétés, par exemple lorsqu'un client manipule fréquemment le même article.
En combinant les CNN et les LSTM, les systèmes Vision AI peuvent saisir à la fois le "quoi" (les objets ou les personnes concernés) et le "quand" (le moment et la séquence des actions). Cette approche intégrée est très utile pour identifier les comportements subtils de vol à l'étalage.
Il existe d'autres techniques de vision par ordinateur qui peuvent compléter les innovations de Vision AI conçues spécifiquement pour la prévention des vols. La reconnaissance faciale est l'un de ces outils, utilisé pour identifier les individus en analysant les traits du visage, ce qui peut aider à détecter les délinquants connus ou ceux qui ont un comportement suspect. Certains magasins utilisent cette technologie pour alerter la sécurité lorsque des voleurs repérés entrent. Toutefois, les clients devraient être informés de cette utilisation afin de répondre aux préoccupations en matière de protection de la vie privée.
L'estimation de la pose peut ajouter une couche supplémentaire de sécurité en analysant le positionnement et les mouvements du corps afin de détecter des actions telles que la dissimulation d'objets ou des postures inhabituelles liées au vol. Cette technique aide le système à interpréter le langage corporel et à émettre des alertes précoces pour que la sécurité intervienne si nécessaire.
L'IA peut sembler être une technologie futuriste, mais elle est déjà utilisée de nombreuses manières pratiques aujourd'hui. En particulier, l'IA pour la prévention des vols est désormais largement adoptée dans les magasins du monde entier, aidant les détaillants à lutter contre le vol à l'étalage en temps réel.
Une étude de cas de JJ Liquors à Washington, D.C., est un excellent exemple de la façon dont les systèmes de surveillance par IA peuvent aider à détecter les vols en temps réel. Malgré la présence de plusieurs caméras de sécurité, le propriétaire du magasin, KJ Singh, était confronté à des pertes quotidiennes dues au vol à l'étalage.
Pour résoudre ce problème, il a installé un système de surveillance alimenté par l'IA qui fonctionne avec ses caméras existantes. L'IA analyse le langage corporel et les mouvements des clients, identifiant les actions suspectes telles que la dissimulation d'objets dans les poches ou les sacs. Lorsqu'elle détecte quelque chose d'inhabituel, M. Singh reçoit une alerte instantanée sur son téléphone, accompagnée d'un clip vidéo de l'activité.
La preuve vidéo lui permet de réagir avant que le client ne quitte le magasin. Cette réaction en temps réel contribue à prévenir les vols et permet à M. Singh d'affronter plus facilement les voleurs à l'étalage en toute confiance. Depuis l'ajout du système d'IA, il a pu mettre fin à plusieurs vols, ce qui montre l'efficacité de la surveillance par IA dans la prévention des vols dans le commerce de détail.
L'IA apporte de nombreux avantages à la prévention des vols, en fournissant aux équipes de vente au détail et de sécurité des outils fiables pour détecter et réduire les pertes plus efficacement. Voici quelques-uns des principaux avantages de l'IA dans la prévention des vols :
Cependant, l'utilisation de l'IA pour la prévention des vols présente également des limites. Voici quelques-uns des principaux défis à relever :
Les innovations éthiques et responsables en matière d'IA sont encouragées par la communauté de l'IA et la société dans son ensemble. Il est donc probable que l'avenir de la vision artificielle dans la prévention des vols donnera la priorité aux technologies de préservation de la vie privée. Ces avancées visent à trouver un équilibre entre une sécurité efficace et le respect de la vie privée des clients, en permettant aux magasins de surveiller les comportements suspects sans compromettre les droits des personnes.
Une méthode connexe consiste à rendre floues ou anonymes les caractéristiques d'identification par le biais de la vision par ordinateur. Les traits du visage ou d'autres détails personnels peuvent être estompés automatiquement, ce qui permet au système de suivre les modèles de comportement sans identifier les individus. Des modèles tels que YOLO11 peuvent soutenir ces pratiques de préservation de la vie privée en détectant et en surveillant des objets en temps réel tout en se concentrant sur des comportements spécifiques plutôt que sur l'identification des personnes. Les magasins peuvent ainsi détecter les vols en temps réel tout en protégeant la vie privée des clients.
De même, l'informatique de pointe permet de traiter les données sur des appareils locaux tels que les caméras en magasin, ce qui réduit la nécessité d'envoyer des informations dans le nuage et, par conséquent, minimise les risques en matière de protection de la vie privée. Grâce à ces méthodes axées sur la protection de la vie privée, l'avenir de la prévention des vols peut être à la fois sûr et respectueux, renforçant la confiance tout en améliorant la sécurité des magasins.
L'IA et la vision par ordinateur modifient la manière dont les magasins préviennent les vols en offrant des outils intelligents pour détecter les comportements suspects et réduire les pertes de manière plus rationnelle.
Grâce à des fonctionnalités telles que la détection d'objets, le suivi et l'analyse comportementale avancée, Vision AI permet une surveillance en temps réel et fournit des informations basées sur des données qui permettent aux équipes de sécurité de réagir rapidement aux menaces potentielles. L'utilisation de l'IA peut contribuer à prévenir les vols avant qu'ils ne se produisent et à créer un environnement plus sûr pour les clients et le personnel.
Pour en savoir plus sur l'IA, visitez notre dépôt GitHub et participez à la vie de notre communauté. Explorez les applications de l'IA dans la fabrication et l'agriculture sur nos pages de solutions. 🚀
FR
EN
ZH
KO
JA
RU
DE
ES
PT
IT
TR
VI
AR.webp)
