Découvrez pourquoi le FPS (images par seconde) est important dans la vision par ordinateur et comment il affecte la détection d'objets en temps réel, l'analyse vidéo et les applications basées sur l'IA.
Regarder un ralenti de votre moment sportif préféré, où chaque détail est clair, est très différent du visionnage d'images de surveillance qui semblent généralement saccadées et difficiles à suivre. Le détail technique clé derrière ces différences est le FPS, ou Frames Per Second (images par seconde), qui fait référence au nombre d'images affichées par seconde dans une vidéo. Un FPS plus élevé se traduit par un mouvement fluide et réaliste, tandis qu'un FPS plus faible peut entraîner des images saccadées et moins détaillées.
Ce concept a un impact direct sur la vision par ordinateur, une branche de l'IA qui permet aux machines d'interpréter et d'analyser les données visuelles de la même manière que les humains. En vision par ordinateur, un FPS plus élevé signifie que les systèmes peuvent capturer plus d'informations chaque seconde, améliorant ainsi la précision de la détection et du suivi d'objets en temps réel.
Dans cet article, nous allons explorer les aspects techniques des FPS et leur relation avec les applications de vision par ordinateur. Commençons !
Imaginez que vous jouez à un jeu de course : à 60 FPS, chaque virage est fluide et réactif, mais à 20 FPS, les commandes sont lentes, ce qui rend plus difficile d'éviter les obstacles. En termes simples, vous pouvez considérer les FPS comme le nombre d'images fixes affichées chaque seconde. Plus il y a d'images par seconde, plus le mouvement est fluide et naturel, tandis qu'un nombre réduit d'images peut le rendre saccadé.
Tout comme dans le domaine du jeu vidéo, le nombre d'IPS (images par seconde) est un élément clé des applications de vision par ordinateur. Un nombre d'IPS plus élevé permet de suivre les objets en douceur à l'aide de la Vision IA, tandis qu'un nombre d'IPS plus faible peut entraîner la perte de détails.
Par exemple, dans l'analyse sportive, les caméras alimentées par l'IA ont besoin d'un FPS plus élevé pour pouvoir suivre les passes rapides, les mouvements des joueurs et les trajectoires de la balle. Un FPS plus faible pourrait entraîner la perte d'un contact important entre le pied et le ballon ou un changement de direction rapide, ce qui aurait un impact sur la précision de l'analyse.
De même, dans la surveillance du trafic, les systèmes s'appuient sur un nombre élevé d'images par seconde (IPS) pour détecter les véhicules en excès de vitesse et les changements de voie en temps réel. Le choix du bon nombre d'IPS dépend des exigences spécifiques de chaque application de vision par ordinateur, en équilibrant les performances, l'efficacité et la clarté visuelle.
Maintenant que nous avons expliqué ce qu'est le FPS et comment il est utilisé en vision par ordinateur, examinons ses aspects techniques, en commençant par le calcul du FPS d'une vidéo.
Diviser le nombre total d'images par la durée en secondes vous donne le FPS d'une vidéo. Par exemple, si une vidéo comporte 96 images sur 4 secondes, cela donne 24 FPS, ce qui signifie que 24 images sont affichées chaque seconde, tandis que 32 images sur 4 secondes donnent 8 FPS. Les bibliothèques Python comme OpenCV peuvent être utilisées pour extraire les métadonnées vidéo, compter les images et calculer automatiquement le FPS, ce qui rationalise le processus d'analyse vidéo.
Cependant, calculer le FPS seul n'est pas suffisant pour prendre des décisions techniques lors du développement de solutions de vision par ordinateur. Il est également important de prendre en compte les différents facteurs qui peuvent affecter la fréquence d'images effective, tels que les capacités matérielles, les optimisations logicielles et les conditions environnementales.
Voici un aperçu plus détaillé de ces facteurs :
Les modèles d'IA comme Ultralytics YOLO11 qui prennent en charge les tâches de vision par ordinateur en temps réel peuvent être utilisés pour analyser des vidéos avec des fréquences d'images élevées. Cette capacité en temps réel est essentielle pour les applications telles que la conduite autonome, la surveillance et la robotique, où même de petits retards peuvent entraîner des erreurs importantes.
Passons en revue quelques applications de Vision IA du monde réel où un FPS élevé est essentiel pour la précision et la performance.
Les systèmes de surveillance qui contrôlent les zones à fort trafic comme les autoroutes utilisent un nombre élevé d'images par seconde pour capturer les moindres détails, garantissant ainsi que les véhicules en mouvement rapide sont clairement documentés. Cette clarté est essentielle pour les systèmes de reconnaissance automatique des plaques d'immatriculation (ANPR), qui dépendent d'images de bonne qualité pour identifier les véhicules avec précision.
Dans de tels systèmes, des modèles comme YOLO11 peuvent être utilisés pour détecter les plaques d'immatriculation directement à partir du flux vidéo. Une fois qu'une plaque est détectée, la reconnaissance optique de caractères (OCR), qui convertit les images de texte en caractères lisibles par machine, est utilisée pour lire les détails de la plaque. Ce processus permet une identification rapide et précise des véhicules, améliorant ainsi l'application du code de la route et la sécurité globale.
Prenons l'exemple d'une voiture autonome à un panneau d'arrêt, qui analyse attentivement son environnement pour décider si elle peut avancer en toute sécurité. Cette voiture doit prendre des décisions presque instantanées, ce qui nécessite la capture et le traitement de données visuelles en temps réel.
Si le véhicule autonome est équipé de caméras capables de capturer des images à un FPS plus élevé, il reçoit un flux d'images plus continu et plus détaillé. Cette entrée visuelle améliorée permet à la voiture de détecter rapidement les obstacles, les piétons et les autres véhicules. Cela permet au véhicule de réagir rapidement à tout changement dans son environnement.
Si les caméras traitaient les images à un FPS inférieur, le véhicule pourrait recevoir une vue plus saccadée et moins détaillée. Cela pourrait retarder son temps de réaction, augmentant ainsi le risque de manquer des informations essentielles et compromettant potentiellement la sécurité.
Capturer chaque mouvement avec précision est crucial dans le sport, où des décisions fractionnées peuvent faire toute la différence entre gagner et perdre. La technologie qui prend en charge un FPS plus élevé nous permet d'enregistrer chaque petit détail en mouvement, et les entraîneurs, les analystes et les athlètes peuvent revoir les jeux au ralenti sans rien manquer. Cela aide également les arbitres à prendre des décisions plus précises dans des sports comme le tennis, le football et le cricket en fournissant une vue claire, image par image, de l'action.
Par exemple, une étude intéressante sur le volleyball a analysé comment l'utilisation d'un FPS plus élevé améliore l'évaluation des performances. L'augmentation du FPS de 30 à 240 a considérablement amélioré la clarté du mouvement et le suivi des objets. La précision de l'analyse des smashes s'est également améliorée, aidant les entraîneurs à comprendre plus précisément le positionnement des mains, les points de contact avec le ballon et la mécanique du saut. De plus, l'étude a révélé qu'un FPS plus élevé réduisait le flou de mouvement, ce qui facilitait l'analyse des services et des réactions défensives.
Toutes les applications de vision par ordinateur ne nécessitent pas l'enregistrement de séquences à un FPS plus élevé. Dans de nombreux cas, un FPS plus faible est suffisant pour obtenir des résultats précis, en fonction de la tâche. Voici quelques domaines clés où un FPS plus faible est préférable :
La sélection du FPS idéal nécessite un équilibre entre les performances et les limitations du système. Voici quelques considérations à garder à l'esprit lors de l'optimisation du FPS pour les applications d'apprentissage profond :
Les progrès de l'IA et de l'optimisation du matériel rendent les fréquences d'images plus élevées plus réalisables, même dans les environnements où les ressources sont limitées. Par exemple, des secteurs comme le cinéma, le sport et la robotique peuvent bénéficier d'une gestion plus intelligente de la fréquence d'images, où les systèmes ajustent dynamiquement les FPS en fonction de la complexité du mouvement et de la puissance de traitement. L'interpolation d'images basée sur l'IA améliore également la fluidité de la vidéo en générant des images supplémentaires en temps réel.
Parallèlement, une récente avancée de NVIDIA repousse encore plus loin les performances en termes de FPS. DLSS 4 (Deep Learning Super Sampling) introduit la génération multi-images, qui utilise l'IA pour prédire et créer des images supplémentaires. Cela augmente les fréquences d'images jusqu'à 8 fois tout en réduisant la charge de travail sur le système.
En laissant l'IA gérer une partie du rendu, DLSS 4 rend les visuels plus fluides sans exercer de pression supplémentaire sur le matériel, améliorant ainsi les performances et l'efficacité.
Le FPS est plus qu'une simple mesure de la fluidité des visuels ; il est le moteur de la prise de décision en temps réel dans l'IA et la vision par ordinateur. Chaque image d'une vidéo capture des données essentielles, permettant aux machines de suivre les objets, d'analyser les mouvements et de réagir aux environnements dynamiques. Qu'il s'agisse de voitures autonomes évitant les obstacles ou de systèmes de surveillance détectant instantanément les menaces, le bon nombre de FPS garantit la précision et l'efficacité.
L'avenir des FPS ne se limite pas à l'augmentation des fréquences d'images, mais aussi à leur optimisation intelligente. Cette évolution rendra les systèmes de vision par ordinateur plus rapides, plus innovants et plus efficaces en termes de ressources dans divers secteurs.
Vous voulez en savoir plus sur l'IA ? Explorez notre dépôt GitHub et joignez-vous à notre communauté. Prêt à démarrer vos propres projets de vision par ordinateur ? Consultez nos options de licence. Découvrez comment la vision par ordinateur dans le secteur de la santé améliore l'efficacité et explorez l'impact de l'IA dans la fabrication en visitant nos pages de solutions !
