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 partout dans le monde. Les systèmes de caméras sont au cœur de ces efforts : ils surveillent en permanence les rues, les aéroports, les écoles, les bureaux et les espaces publics. Avec plus d’un milliard de caméras de surveillance utilisées dans le monde, le volume de vidéos enregistrées augmente plus vite que jamais.

Jusqu’à présent, l’examen de ces images était une tâche manuelle confiée à des opérateurs qui scrutaient les écrans à la recherche de menaces potentielles. Cette méthode peut fonctionner à petite échelle, mais elle devient accablante et inefficace à grande échelle. Elle prend aussi beaucoup de temps, ce qui représente un inconvénient majeur dans les environnements très fréquentés ou en constante évolution.

Aujourd’hui, les systèmes de vidéosurveillance commencent à s’appuyer sur des solutions d’intelligence artificielle (IA) pour fournir des informations en temps réel et faciliter la prise de décisions éclairées. La vision par ordinateur, une branche de l’IA qui permet aux machines d’interpréter les données visuelles, joue un rôle clé dans ces progrès.

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

Dans cet article, nous verrons comment la vision par ordinateur et des modèles comme Ultralytics YOLO11 peuvent transformer la gestion de la sécurité dans différents environnements. C’est parti !

Le 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 vidéosurveillance intelligents combinant vision par ordinateur, informatique en périphérie (qui traite les données localement, près de leur source) et caméras de vidéosurveillance peuvent désormais analyser les personnes et les véhicules en temps réel, afin d’aider les équipes de sécurité à détecter les menaces plus efficacement. À mesure que l’IA et les technologies de caméra progressent, l’analyse vidéo s’approche d’une précision comparable à celle des humains pour de nombreuses tâches, transformant la façon dont nous protégeons les espaces publics.

Les systèmes de vision par ordinateur peuvent détecter des objets, suivre des déplacements et reconnaître des motifs dans des vidéos. Ils peuvent ainsi identifier des personnes, repérer des comportements inhabituels et surveiller l’activité en temps réel. Ces capacités rendent les systèmes de surveillance plus avancés et plus fiables, dans les espaces publics comme privés. En conséquence, 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 réalisée par l’auteur.

Comment Ultralytics YOLO11 peut rendre les systèmes de sécurité plus intelligents#

Examinons maintenant de plus près Ultralytics YOLO11 et les fonctionnalités qui en font un outil puissant pour l’analyse vidéo en temps réel.

S’appuyant sur les avancées récentes de l’IA et de la vision par ordinateur, Ultralytics YOLO11 offre un traitement plus rapide, une meilleure précision et une plus grande flexibilité pour des applications comme les systèmes de sécurité vidéo.

Comme les précédents modèles YOLO, Ultralytics 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 les objets au fil du temps) et l’estimation de pose (comprendre la position ou le mouvement des objets).

YOLO11 est également bien plus efficace que les modèles précédents. Avec 22 % de paramètres en moins qu’Ultralytics YOLOv8m, il obtient une précision moyenne moyenne (mAP) supérieure sur le jeu de données COCO : YOLO11m détecte donc les objets plus précisément tout en utilisant moins de ressources. De plus, il offre des vitesses de traitement supérieures, ce qui le rend parfaitement adapté aux applications en temps réel, où la rapidité de détection et de réaction est essentielle et où chaque milliseconde compte.

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

Utiliser Ultralytics YOLO11 et la vision par ordinateur dans des applications de sécurité#

Maintenant que nous comprenons mieux le fonctionnement de la vision par ordinateur dans les systèmes de sécurité et de surveillance, examinons quelques applications concrètes de sécurité dans lesquelles Ultralytics YOLO11 peut jouer un rôle clé.

Détection d’intrusions avec la vision par ordinateur et Ultralytics YOLO11#

Sécuriser les zones à accès restreint est essentiel pour garantir la sécurité des personnes et protéger les biens. Qu’il s’agisse d’un site privé, d’un entrepôt ou d’une infrastructure de transport public, détecter les accès non autorisés peut éviter des incidents graves.

Ultralytics YOLO11 peut contribuer à détecter les intrusions en temps réel en identifiant les personnes, les véhicules et les autres objets en mouvement dans les flux vidéo. Des limites virtuelles appelées géorepérages peuvent être définies dans le champ de vision de la caméra. 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 qu’il prenne les mesures nécessaires.

Les objets détectés sont mis en évidence par des boîtes englobantes, qui signalent clairement toute activité. Cette méthode réduit le besoin d’une surveillance humaine continue et augmente les chances de repérer les incidents au moment où ils se produisent.

Cette approche est également utile pour la sécurité publique. Par exemple, les lignes jaunes sur les quais de gare indiquent les zones que les passagers ne doivent pas franchir pour des raisons de sécurité. Dans ce type de situation, Ultralytics YOLO11 peut surveiller la ligne de démarcation et détecter lorsqu’une personne la franchit. Le système peut alors changer la couleur de la boîte englobante pour signaler un risque potentiel. Grâce à de telles fonctionnalités, YOLO11 permet une détection des intrusions plus réactive et plus fiable dans les environnements à haut risque.

Détection d’objets abandonnés en vidéosurveillance avec Ultralytics YOLO11#

Un sac sans surveillance dans un aéroport ou une gare bondés peut rapidement susciter des inquiétudes en matière de sécurité. Dans les lieux publics très fréquentés, il est difficile pour le personnel de sécurité de repérer rapidement de tels objets, surtout pendant les longues journées de travail ou aux heures de pointe. Un retard de détection peut provoquer une panique inutile ou créer des risques pour la sécurité.

Les modèles de vision par ordinateur comme Ultralytics YOLO11 peuvent améliorer la surveillance en détectant, en segmentant et en 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 personne à proximité, le système peut le signaler comme potentiellement abandonné. Cette couche d’analyse supplémentaire permet de distinguer les objets avec plus de précision et de réduire le besoin d’une surveillance humaine constante, pour des interventions plus rapides et mieux ciblées.

Fig. 3. Détection d’une valise avec Ultralytics YOLO11.

Comptage des entrées et des sorties avec des modèles d’IA comme Ultralytics YOLO11#

Savoir combien de personnes entrent dans un espace et en sortent est essentiel pour la sécurité et l’efficacité opérationnelle. Dans les centres commerciaux, les immeubles de bureaux et les gares, ces informations peuvent faciliter la gestion des grandes foules, l’amélioration de l’agencement des lieux et le bon déroulement des activités 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 simples capteurs placés à l’entrée. Ces méthodes fonctionnent, mais elles sont peu efficaces face à de grandes foules. Elles ne sont pas non plus toujours fiables dans les établissements dotés de plusieurs entrées et sorties.

La prise en charge de la détection et du suivi d’objets par Ultralytics YOLO11 peut être utilisée pour compter des personnes ou des objets dans une zone d’intérêt définie. Elle peut aider à compter les entrées et les sorties en temps réel, même dans des espaces vastes ou bondés. Par exemple, les magasins peuvent utiliser cette méthode pour suivre la fréquentation à plusieurs points d’entrée et aider les responsables à ajuster les effectifs pendant les heures de pointe.

Des données précises sur les entrées et les sorties peuvent également faciliter la planification à long terme. Les informations tirées de ces données peuvent aider les responsables à étudier l’évolution de la fréquentation au fil du temps, afin de repérer les zones très fréquentées et de décider où installer des panneaux ou réaménager les entrées pour améliorer le confort et la sécurité.

Fig. 4 Exemple de compteur d’entrées et de sorties en temps réel basé sur YOLO11.

Avantages et inconvénients des systèmes de surveillance basés sur l’IA#

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

• Rentabilité à long terme : même si la mise en place initiale peut être coûteuse, les systèmes d’IA peuvent réduire à long terme les dépenses liées aux effectifs, à la formation et aux inefficacités opérationnelles.
• Évolutivité : les solutions de vidéosurveillance par IA sont faciles à faire évoluer et conviennent aussi bien à un petit bureau qu’à un vaste réseau de caméras couvrant une ville entière.
• Intégration facile à l’infrastructure existante : de nombreux modèles d’IA, dont Ultralytics YOLO11, sont conçus pour s’intégrer aux systèmes de vidéosurveillance et de sécurité existants, ce qui limite les perturbations.

Malgré les nombreux avantages de la surveillance basée sur l’IA, certaines limites sont également à prendre en compte. Voici quelques-uns des principaux défis associés aux systèmes de surveillance intelligents :

• Enjeux éthiques et préoccupations liées à la confidentialité : lorsqu’on utilise la vision par ordinateur dans des espaces publics, il est important de répondre aux questions relatives au consentement, au stockage des données et à la gestion des enregistrements, afin de respecter la vie privée.
• Dépendance à la qualité des données d’entraînement : les performances des modèles de vision par ordinateur dépendent fortement de jeux de données diversifiés et soigneusement sélectionnés. Des données d’entraînement de mauvaise qualité ou biaisées peuvent entraîner des détections inexactes, des erreurs d’identification ou des résultats discriminatoires.
• Facteurs environnementaux : une faible luminosité, les conditions météorologiques ou les obstacles visuels peuvent affecter les performances de détection, en particulier en extérieur.

Points clés à retenir#

Ultralytics YOLO11 améliore les solutions de sécurité en temps réel en aidant à détecter les personnes, les objets et les activités inhabituelles avec davantage de rapidité et de précision. Il prend en charge des applications comme la détection d’intrusions, le suivi d’objets et les alertes de présence prolongée, ce qui le rend utile dans les espaces publics, les lieux de travail et les pôles de transport.

En réduisant le besoin d’une surveillance manuelle constante, Ultralytics YOLO11 permet aux équipes de sécurité de réagir plus rapidement et avec davantage d’assurance. Sa capacité à analyser les foules et à compter les 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 découvrir le monde de l’IA. Découvre les applications passionnantes de la vision par ordinateur dans l’automobile et de l’IA dans la logistique sur nos pages consacrées aux solutions. Consulte nos options de licence et lance-toi dès maintenant !