Il existe trois grands types de technologies d’analyse vidéo disponibles dans les solutions de vidéosurveillance basées sur serveur, les systèmes de gestion vidéo (VMS) et les systèmes de vidéosurveillance (CCTV).
Par ordre de précision et de performances, on trouve tout d’abord l’analyse neuronale ; puis l’analyse par apprentissage profond et intelligence artificielle (DL et IA) ; et enfin les objets binaires volumineux, ou BLOB.
Digifort prend en charge ces trois types de solutions et s’intègre aux outils d’analyse des NVR tiers, aux boîtiers d’analyse « tout-en-un » et aux caméras. Nous avons donc demandé à Nick Bowden, directeur général de Digifort UK, de nous présenter les avantages de ces solutions en termes de rapport qualité-prix.
L’option d’analyse la plus précise et la plus performante est celle basée sur les réseaux neuronaux. C’est toutefois l’option la plus coûteuse à mettre en œuvre, car le logiciel est plus onéreux et nécessite du matériel hautement performant pour fonctionner. Les autres options d’analyse sont peut-être moins performantes, mais elles conviennent parfaitement à de nombreuses applications de vidéosurveillance, où les budgets sont plus serrés.
Digifort est un partenaire technologique de Nvidia. Son logiciel d’analyse est optimisé pour fonctionner sur les processeurs graphiques (GPU) de Nvidia. Ceux-ci sont intégrés à un serveur aux côtés du processeur du système d’exploitation (OS). Les « performances » d’un serveur VA se mesurent en cœurs CUDA, ce qui est comparable à la puissance au frein (BHP) des voitures. Les GPU dotés de 4 000 cœurs CUDA ou plus sont courants et abordables. Ce « budget » de performances GPU est réparti entre plusieurs canaux d’analyse, et les fonctionnalités d’analyse sont allouées aux canaux vidéo requis – avec la possibilité de les réaffecter à d’autres canaux vidéo du système, si nécessaire. Les NVR, les solutions d’analyse en boîtier et les caméras dotées d’une analyse intégrée ne disposent tout simplement pas de cette « puissance » de performance ni de cette flexibilité de déploiement du système. Les cartes GPU évoluent rapidement, avec des performances de traitement qui doublent chaque année, pour un coût identique. Nous pouvons donc nous attendre à bénéficier à l’avenir d’améliorations de performances encore plus importantes et de réductions de coûts considérables dans les systèmes de vidéosurveillance basés sur serveur. De plus, le fait de consacrer les cœurs du GPU à l’analyse et les cœurs du serveur au système d’exploitation et au traitement vidéo constitue une bonne pratique pour optimiser les performances du serveur, car chacun accède différemment à ses ressources processeur respectives.
1. Analyse neuronale
L’analyse neuronale est une technologie relativement récente dans le domaine de la vidéosurveillance grand public. À l’instar de la reconnaissance faciale, de nombreux objets différents présents dans le champ de vision d’une caméra sont identifiés à partir d’une base de données d’objets connus ; de nouveaux objets spécifiques sont « introduits » dans le système, tandis que d’autres sont appris par celui-ci au fil du temps. Des règles peuvent être appliquées à des objets individuels ou à des combinaisons d’objets, déclenchant des alarmes ou des événements en temps réel afin de susciter une intervention de l’opérateur. Digifort propose trois réseaux neuronaux au choix :
- Des « objets généraux » tels que les véhicules et les êtres humains.
- Crime, pour l’identification d’armes, la position et les mouvements suspects des bras (comme le fait de pointer une arme).
- Usine : pour identifier les personnes portant un casque, un masque, des lunettes de protection et des EPI.
L’analyse neuronale se prête particulièrement bien aux applications de type « détection de présence », telles que le comptage du nombre de voitures dans un parking ou de personnes dans une file d’attente. Elle reconnaît les objets « visibles » dans le champ de vision de la caméra, ou dans une zone donnée, et les compte. Les données provenant de plusieurs zones, captées par une ou plusieurs caméras, peuvent être agrégées pour obtenir un décompte global du site. Les arrière-plans de la scène sont ignorés, car ils ne constituent pas des objets reconnaissables, ce qui réduit les fausses alarmes.
2. Apprentissage profond et intelligence artificielle (AP et IA)
Les analyses basées sur l’apprentissage profond (DL) et l’intelligence artificielle (IA) peuvent également comporter une composante neuronale et reconnaissent le plus souvent des personnes, des fourgonnettes, des vélos, des voitures, des camions, des groupes de personnes, des sacs, des cyclistes et bien d’autres éléments, y compris selon un profil de couleur spécifique. Au fur et à mesure que la scène filmée par la caméra est « apprise », l’analyse par apprentissage profond et IA s’auto-calibre pour mémoriser les arrière-plans de la scène, réduisant ainsi au minimum les fausses alarmes. De nombreuses règles peuvent être appliquées individuellement ou simultanément, telles que la présence, l’entrée, la sortie, l’apparition ou la disparition d’un objet ; la direction ; les filtres de talonnage ; le franchissement d’une ligne ; ainsi que les objets à l’arrêt, en attente, abandonnés ou retirés. L’analyse de Digifort utilise également un cadre de rapports basé sur les métadonnées qui permet d’effectuer des recherches approfondies dans les vidéos enregistrées pour identifier différents objets par rapport aux paramètres d’origine.
De nombreux enregistreurs vidéo réseau (NVR), solutions d’analyse en boîtier et caméras intégrées utilisent des variantes de ce type d’analyse, généralement sans composante neuronale, mais elles manquent souvent de la puissance de traitement nécessaire pour exploiter pleinement leur potentiel, car il n’est ni pratique ni rentable d’intégrer des GPU Nvidia dans les NVR.
3. Objet binaire volumineux / BLOB
Il s’agit du niveau le plus élémentaire d’analyse, qui consiste à reconnaître la taille d’un objet (nombre de pixels) et son comportement à partir de la détection de mouvement et de quelques analyses simples, telles que le franchissement d’une ligne. De nombreux enregistreurs vidéo réseau (NVR) utilisent ce type d’analyse. Il s’agit d’une option peu coûteuse, idéale pour déclencher l’enregistrement de mouvements ou d’événements dans un système de gestion vidéo (VMS), afin de réduire l’espace de stockage nécessaire.
Performances analytiques et surcharge matérielle
Neural Analytics utilise des flux vidéo D1 (720 × 576 pixels) pour le traitement, même si le flux « à valeur probante » enregistré dans le VMS est en 4 MP, 8 MP ou plus. Certains types d’analyses très spécifiques utilisent la résolution 1080p (1 920 x 1 080 pixels), généralement lors de l’analyse des comportements humains. À titre indicatif, un GPU de 3 000 cœurs coûtant moins de 500 £ traite généralement environ 40 canaux neuronaux.
Petit avertissement : certaines solutions d’analyse prêtes à l’emploi n’enregistrent que le flux de traitement analytique, qui peut être en D1 ou à une résolution inférieure, sans flux HR simultané à titre d’Evidence. Cela signifie que la vidéo d’analyse peut souvent être enregistrée en basse résolution ; veillez donc à vérifier ce point si vous optez pour une solution d’analyse prête à l’emploi.
Chaque type d’analyse a sa place, dès lors que l’on tient compte des coûts et des performances. Cependant, l’analyse neuronale surpasse toutes les autres en termes de précision et de capacités ; son coût de déploiement diminue à mesure que les prix des serveurs et des GPU baissent ; et elle est évolutive, ce qui permet des mises à niveau des GPU ainsi que des performances et de la précision, en phase avec le développement continu des logiciels d’analyse neuronale.
