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. 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 dans le monde, le volume de vidéos enregistrées augmente plus rapidement que jamais.

Traditionnellement, l’examen de ces séquences vidéo était effectué manuellement par des opérateurs qui scrutaient les écrans à la recherche de menaces potentielles. Si cette approche peut fonctionner dans les environnements de petite taille, elle devient vite accablante et inefficace à plus grande échelle. Elle prend également beaucoup de temps, ce qui constitue un inconvénient majeur dans les environnements très animés ou bondés.

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

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 les mouvements et repérer les comportements inhabituels rapidement et avec précision. Même dans des environnements complexes, ces modèles permettent aux équipes de sécurité de rester vigilantes et réactives.

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

Le rôle de la vision par ordinateur et de l’AI dans les systèmes de sécurité publique#

Le secteur de la sécurité adopte rapidement la vision par ordinateur. Les systèmes de surveillance intelligente qui combinent la vision par ordinateur, l’informatique en périphérie (qui traite les données localement, à proximité de leur source) et les caméras de vidéosurveillance peuvent désormais analyser les personnes et les véhicules en temps réel, aidant ainsi les équipes de sécurité à détecter les menaces plus efficacement. À mesure que l’AI et les technologies de caméra progressent, l’analyse vidéo devient presque aussi précise que l’œil humain, ce qui transforme la manière dont nous protégeons 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 motifs dans les vidéos. Ils peuvent ainsi identifier les personnes, détecter les comportements inhabituels et surveiller l’activité au moment où elle se produit. Ces capacités peuvent rendre les systèmes de surveillance plus avancés et plus fiables, aussi bien dans les espaces publics que privés. Par conséquent, le marché de la vidéosurveillance par AI 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 permettre des systèmes de sécurité plus intelligents#

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

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

Comme les modèles YOLO précédents, 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 des objets au fil du 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 moyenne (mAP) supérieure sur le jeu de données COCO, ce qui signifie que YOLO11m détecte les objets avec davantage de précision tout en utilisant moins de ressources. De plus, il offre des vitesses de traitement supérieures, ce qui le rend particulièrement adapté aux applications en temps réel où une détection et une réponse rapides sont essentielles et où chaque milliseconde compte.

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

Utiliser Ultralytics YOLO11 et la vision par ordinateur pour les applications de sécurité#

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

Détection des intrusions à l’aide de la vision par ordinateur et d’Ultralytics YOLO11#

La sécurisation des zones à accès restreint est essentielle pour garantir la sécurité 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 prévenir des incidents graves.

Ultralytics YOLO11 peut contribuer à la détection des intrusions en temps réel en identifiant les personnes, les véhicules ou d’autres objets en mouvement dans les flux vidéo. Dans le champ de vision de la caméra, il est possible de définir des limites virtuelles appelées géorepères. 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 cadres englobants, fournissant une indication visuelle claire de l’activité. Cela réduit le besoin d’une 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 liés à 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 de tels scénarios, Ultralytics YOLO11 peut être utilisé pour surveiller la ligne de démarcation et détecter lorsqu’une personne la franchit. Le système peut alors modifier la couleur du cadre englobant afin de signaler un risque potentiel pour la sécurité. Grâce à de telles capacités, YOLO11 permet une détection des intrusions plus réactive et plus fiable dans les environnements à haut risque.

Détection des objets abandonnés dans la surveillance avec Ultralytics YOLO11#

Un sac laissé sans surveillance dans un aéroport ou une gare très fréquentée peut rapidement susciter des inquiétudes en matière de sécurité. Dans les espaces publics bondés, il est difficile pour le personnel de sécurité de repérer rapidement de tels objets, notamment pendant les longues périodes de service ou aux heures de pointe. Les retards de détection peuvent provoquer une panique inutile ou présenter 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 davantage de précision et de réduire le besoin d’une observation humaine constante, pour des réponses plus rapides et mieux ciblées.

Fig. 3. Utilisation d’Ultralytics YOLO11 pour détecter une valise.

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

Savoir combien de personnes entrent dans un espace et en sortent est essentiel à la fois pour la sécurité et l’efficacité opérationnelle. Dans des lieux comme les centres commerciaux, les immeubles de bureaux et les gares, ces informations peuvent faciliter la gestion des grandes foules, l’amélioration de l’aménagement et 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 simples capteurs installés à la porte. Ces méthodes fonctionnent, mais elles ne sont pas efficaces face à de grandes foules. Elles ne sont pas non plus toujours fiables dans les infrastructures comportant plusieurs entrées et sorties.

La prise en charge de la détection et du suivi d’objets par Ultralytics YOLO11 peut être utilisée pour compter les personnes ou les objets dans une région d’intérêt définie. Elle peut aider à compter les entrées et les sorties en temps réel, même dans des espaces vastes ou très fréquentés. 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 contribuer à 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 d’identifier les zones très fréquentées et de décider où placer 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 optimisé par YOLO11.

Avantages et inconvénients des systèmes de surveillance optimisés par l’AI#

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

• Rentabilité au fil du temps : même si la mise en place initiale peut être coûteuse, les systèmes d’AI peuvent réduire les dépenses à long terme liées au personnel, à la formation et aux inefficacités opérationnelles.
• Évolutivité : les solutions de surveillance par AI sont facilement évolutives, ce qui les rend adaptées 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’AI, notamment Ultralytics YOLO11, sont conçus pour s’intégrer parfaitement aux systèmes actuels de vidéosurveillance et de sécurité, en limitant les perturbations.

Malgré les nombreux avantages de la surveillance optimisée par l’AI, certaines limites doivent également être prises en compte. Voici quelques-uns des principaux défis associés aux systèmes de surveillance intelligente :

• Préoccupations éthiques et problèmes de confidentialité** :** lors de l’utilisation de la vision par ordinateur dans les espaces publics, il est important de traiter les questions liées au consentement, au stockage des données et à la gestion des séquences vidéo afin de garantir le respect de 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 : des facteurs tels qu’un mauvais éclairage, les conditions météorologiques ou des obstructions visuelles 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 telles que la détection des 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 plonger dans l’univers de l’AI. Découvre les applications passionnantes de la vision par ordinateur dans l’automobile et de l’AI dans la logistique sur nos pages consacrées aux solutions. Consulte nos options de licence et lance-toi dès maintenant !