Surveillance de sécurité en temps réel avec l'IA et Ultralytics YOLO11

Les technologies de surveillance intelligente jouent un rôle essentiel dans la protection des personnes, des biens et des infrastructures à travers le monde. Au cœur de ces efforts se trouvent les systèmes de caméras, qui surveillent les rues, les aéroports, les écoles, les bureaux et les espaces publics 24 heures sur 24. Avec plus d'un milliard de caméras de surveillance utilisées à l'échelle mondiale, le volume de vidéos enregistrées augmente plus vite que jamais.

Traditionnellement, l'examen de ces images était une tâche manuelle effectuée par des opérateurs humains scannant les écrans à la recherche de menaces potentielles. Bien que cette approche puisse fonctionner dans des environnements restreints, elle devient accablante et inefficace à plus grande échelle. Elle est également chronophage, ce qui constitue un inconvénient majeur dans les environnements dynamiques ou très fréquentés.

Aujourd'hui, les systèmes de vidéosurveillance commencent à s'appuyer sur des solutions d'intelligence artificielle (IA) pour fournir des informations en temps réel permettant de prendre des décisions plus éclairées. Un élément clé de cette avancée est la vision par ordinateur, une branche de l'IA qui permet aux machines d'interpréter des données visuelles.

Les modèles de vision par ordinateur comme Ultralytics YOLO11 sont conçus pour gérer diverses tâches de détection d'images et de vidéos en temps réel. Ils peuvent détecter des individus, suivre des mouvements et repérer des comportements inhabituels avec rapidité et précision. Même dans des environnements complexes, de tels modèles permettent aux équipes de sécurité de rester vigilantes et réactives.

Dans cet article, nous explorerons comment la vision par ordinateur et des modèles comme YOLO11 peuvent contribuer à transformer la manière dont la sécurité est gérée dans différents environnements. Commençons !

Link to this sectionLe rôle de la vision par ordinateur et de l'IA dans les systèmes de sécurité publique#

Le secteur de la sécurité adopte rapidement la vision par ordinateur. Les systèmes de surveillance intelligents qui combinent vision par ordinateur, edge computing (qui traite les données localement, près de la source) et caméras CCTV peuvent désormais analyser les personnes et les véhicules en temps réel, aidant les équipes de sécurité à détecter les menaces plus efficacement. À mesure que l'IA et les technologies de caméra continuent de progresser, l'analyse vidéo devient presque aussi fine que l'œil humain, remodelant la façon dont nous sécurisons les espaces publics.

Les systèmes de vision par ordinateur peuvent effectuer des tâches telles que la détection d'objets, le suivi des mouvements et la reconnaissance de modèles dans les vidéos. Cela signifie qu'ils peuvent identifier des personnes, détecter des comportements inhabituels et surveiller l'activité au fur et à mesure qu'elle se produit. Ces capacités peuvent rendre les systèmes de surveillance plus avancés et fiables tant dans les espaces publics que privés. Par conséquent, le marché de la vidéosurveillance par IA devrait atteindre 12,46 milliards de dollars d'ici 2030.

Fig 1. Le rôle de la vision par ordinateur dans les systèmes de sécurité. Image de l'auteur.

Link to this sectionComment Ultralytics YOLO11 peut permettre des systèmes de sécurité plus intelligents#

Ensuite, examinons de plus près Ultralytics YOLO11 et les fonctionnalités qui en font un outil percutant pour l'analyse vidéo en temps réel.

Construit sur les avancées récentes de l'IA et de la vision par ordinateur, Ultralytics YOLO11 offre un traitement plus rapide, une précision accrue et une plus grande flexibilité pour des applications telles que les systèmes de sécurité basés sur la vidéo.

Similaire aux modèles YOLO précédents, YOLO11 peut gérer des tâches de Vision AI complexes telles que la détection d'objets (localiser et identifier des objets), la segmentation d'instances (mettre en évidence et délimiter des objets spécifiques dans une image), le suivi d'objets (suivre des objets dans le temps) et l'estimation de pose (comprendre comment les objets sont positionnés ou se déplacent).

YOLO11 est également bien plus efficace que les modèles précédents. Avec 22 % de paramètres en moins qu'Ultralytics YOLOv8m, il atteint une précision moyenne (mAP) plus élevée sur le jeu de données COCO, ce qui signifie que YOLO11m détecte les objets avec plus de précision tout en utilisant moins de ressources. De plus, il offre des vitesses de traitement plus rapides, ce qui le rend bien adapté aux applications en temps réel où la détection et la réponse rapides sont critiques et où chaque milliseconde compte.

Fig 2. YOLO11 surpasse les précédents modèles YOLO lors de divers tests de référence.

Link to this sectionUtiliser YOLO11 et la vision par ordinateur pour des applications de sécurité#

Maintenant que nous comprenons mieux comment fonctionne la vision par ordinateur dans les systèmes de sécurité et de surveillance, examinons de plus près certaines applications de sécurité concrètes où YOLO11 peut jouer un rôle clé.

Link to this sectionDétection d'intrusion utilisant la vision par ordinateur et YOLO11#

Assurer la sécurité des zones restreintes est essentiel pour garantir la sûreté et protéger les biens. Qu'il s'agisse d'un site privé, d'un entrepôt ou d'une installation de transport public, la détection des accès non autorisés peut prévenir des incidents graves.

YOLO11 peut aider à la détection d'intrusion en temps réel en identifiant les personnes, les véhicules ou d'autres objets en mouvement via des flux vidéo. Dans le champ de vision de la caméra, des limites virtuelles appelées géofences peuvent être définies. Lorsqu'un objet pénètre dans une zone restreinte, YOLO11 peut détecter l'intrusion et déclencher une alerte ou transmettre les données de détection à un système de sécurité intégré pour une action ultérieure.

Les objets détectés sont mis en évidence par des boîtes englobantes, fournissant une indication visuelle claire de l'activité. Cela réduit le besoin de surveillance humaine continue et augmente les chances de détecter les incidents au moment où ils se produisent.

Cette approche est également utile dans les contextes de sécurité publique. Par exemple, les lignes jaunes sur les quais des trains indiquent des zones que les passagers ne doivent pas franchir pour des raisons de sécurité. Dans de tels scénarios, YOLO11 peut être utilisé pour surveiller la ligne de démarcation et détecter lorsque quelqu'un la franchit. Le système peut alors changer la couleur de la boîte englobante pour souligner un problème de sécurité potentiel. Avec de telles capacités, YOLO11 permet une détection d'intrusion plus réactive et fiable dans les environnements à haut risque.

Link to this sectionDétection d'objets abandonnés en surveillance avec YOLO11#

Un sac laissé sans surveillance dans un aéroport ou une gare très fréquentée peut rapidement soulever des problèmes de sécurité. Dans les espaces publics bondés, il est difficile pour le personnel de sécurité de repérer rapidement de tels objets, surtout pendant les longs services ou les heures de pointe. Les retards de détection peuvent entraîner une panique inutile ou des risques pour la sécurité.

Les modèles de vision par ordinateur comme YOLO11 peuvent aider à améliorer la surveillance en détectant, segmentant et suivant les objets laissés sans surveillance dans les flux vidéo en temps réel. Si un sac ou un colis reste immobile au même endroit trop longtemps sans qu'aucune personne ne soit à proximité, le système peut le signaler comme potentiellement abandonné. Cette couche d'analyse supplémentaire peut distinguer les objets plus précisément et réduire le besoin d'observation humaine constante, permettant des réponses plus rapides et plus ciblées.

Fig 3. Utiliser YOLO11 pour détecter une valise.

Link to this sectionComptage des entrées et sorties avec des modèles d'IA comme YOLO11#

Savoir combien de personnes entrent et sortent d'un espace est vital tant pour la sécurité que pour l'efficacité opérationnelle. Dans des lieux comme les centres commerciaux, les immeubles de bureaux et les gares, ces informations peuvent rationaliser la gestion des grandes foules, améliorer l'aménagement des espaces et assurer le bon déroulement des opérations quotidiennes.

Avant l'adoption de la vision par ordinateur, le comptage était généralement effectué par le personnel à l'aide de compteurs manuels ou de capteurs simples au niveau des portes. Ces méthodes fonctionnent, mais elles ne sont pas efficaces face à de grandes foules. Elles ne sont pas non plus toujours fiables lorsqu'il s'agit d'installations dotées de plusieurs entrées et sorties.

Le support de YOLO11 pour la détection et le suivi d'objets peut être utilisé pour compter des personnes ou des objets dans une région d'intérêt définie. Cela peut aider à compter les entrées et les sorties en temps réel, même dans des espaces vastes ou bondés. Par exemple, les magasins de détail peuvent utiliser cette méthode pour suivre la fréquentation au niveau de plusieurs points d'entrée, aidant les responsables à ajuster les effectifs pendant les heures de pointe.

Des données précises sur les entrées et sorties peuvent également soutenir la planification à long terme. Les informations issues de ces données peuvent aider les responsables à étudier les modèles de fréquentation au fil du temps, leur permettant d'identifier les zones à fort trafic et de décider où placer des panneaux ou reconfigurer les entrées pour améliorer le confort et la sécurité.

Fig 4. Un exemple de compteur d'entrées et sorties en temps réel activé par YOLO11.

Link to this sectionAvantages et inconvénients des systèmes de surveillance alimentés par l'IA#

Voici quelques-uns des principaux avantages de l'utilisation de la vision par ordinateur dans les systèmes de sécurité intelligents :

• Efficacité des coûts au fil du temps : Bien que la configuration initiale puisse être coûteuse, les systèmes d'IA peuvent réduire les dépenses à long terme liées au personnel, à la formation et aux inefficacités opérationnelles.
• Évolutivité : Les solutions de surveillance par IA sont facilement évolutives, ce qui les rend adaptées à tout, d'un petit bureau à un réseau de caméras à l'échelle d'une ville.
• Intégration facile à l'infrastructure existante : De nombreux modèles d'IA, y compris YOLO11, sont conçus pour s'intégrer de manière transparente aux systèmes de CCTV et de sécurité actuels, minimisant ainsi les perturbations.

Malgré les divers avantages de la surveillance alimentée par l'IA, il existe également certaines limites à garder à l'esprit. Voici quelques défis clés associés aux systèmes de surveillance intelligente :

• Problèmes d'éthique et de confidentialité : Lors de l'utilisation de la vision par ordinateur dans les espaces publics, il est important d'aborder les questions liées au consentement, au stockage des données et à la manière dont les images sont traitées pour garantir que la vie privée est respectée.
• Dépendance à des données d'entraînement de qualité : La performance des modèles de vision par ordinateur dépend fortement de jeux de données diversifiés et bien organisés. Des données d'entraînement médiocres ou biaisées peuvent entraîner des détections inexactes, des erreurs d'identification ou des résultats discriminatoires.
• Facteurs environnementaux : Des facteurs tels qu'un mauvais éclairage, les conditions météorologiques ou des obstructions visuelles peuvent affecter les performances de détection, particulièrement en extérieur.

Link to this sectionPoints clés#

YOLO11 améliore les solutions de sécurité en temps réel en aidant à détecter les personnes, les objets et les activités inhabituelles avec une plus grande rapidité et précision. Il prend en charge des applications telles que la détection d'intrusion, le suivi d'objets et les alertes de flânage, le rendant utile dans les zones publiques, les lieux de travail et les hubs de transport.

En réduisant le besoin de surveillance manuelle constante, YOLO11 permet aux équipes de sécurité de répondre plus rapidement et avec plus d'assurance. Sa capacité à gérer l'analyse des foules et le comptage des personnes montre comment la Vision AI façonne l'avenir de la sécurité. À mesure que la technologie progresse, elle continuera probablement à soutenir des systèmes de surveillance plus intelligents et plus fiables.

Rejoins notre communauté et explore notre dépôt GitHub pour plonger dans le monde de l'IA. Explore les applications passionnantes de la vision par ordinateur dans l'automobile et de l'IA dans la logistique sur nos pages de solutions. Jette un œil à nos options de licence et lance-toi dès maintenant !