Cameras dans les lampadaires, une bonne idée ?

La ville de Californie San Diego a beaucoup investi dans un système de surveillance. L’an dernier elle a remplacé 3 200 lampadaires du vieux type par des nouveaux intelligents avec tant de fonctions. Les caméras et d’autres capteurs peuvent par exemple enregistrer des foules, détecter de la fumée, repérer des coups de feu et allumer des petites lampes pour marquer des places de stationnement vacantes.

Tous ces postes d’illuminations sont connectées à un réseau intelligent appelé CityIQ, dont le cœur est le processeur d’Intel Atom. Chaque lampadaire couvre une superficie de 36x54 mètres. Les outils de surveillance comprennent 2 caméras, un logiciel d'analyse d'images et un certain nombre de capteurs.

La ville et des développeurs individuels ont beaucoup travaillé pour trouver des nouvelles fonctionnalités mais c’est la surveillance du trafic qui s’est cristallisée comme la meilleure application.

À l'origine, seules les voitures pouvaient être surveillées. Tout d'abord, le système a pu identifier des voitures stationnées sur les rues. Puis, il a été utilisé pour optimiser les feux de circulation. Dans une prochaine étape les piétons ont été ajoutés et depuis le deuxième trimestre de cette année le système surveille aussi les cyclistes.

Pour mieux servir les intérêts des cyclistes, par exemple avec des pistes réservés aux de vélos, il est évidemment essentiel à savoir où ils circulent. Mais, même si très intelligent il n’a pas été facile pour le système à suivre leurs mouvements.

Pour apprendre le système à distinguer entre utilisateurs des rues tels que vélos, voitures, piétons  et poubelles, les développeurs utilisaient l'apprentissage automatique. Cependant, sur la marge il y a eu des nombreuses identifications douteuses, en partie parce que l’emplacement des capteurs est en haut et dans cette perspective les objets comme par exemple des vélos, apparaissent différents que si vu de côté.

Une analyse d'image typique permet d’identifier un objet mais un cycliste est en effet 2 objets, 1 vélo et 1 personne. Il a donc fallu apprendre au  système à classifier un cycliste comme une unité composée d’une personne et d’un vélo. Lorsqu'une personne et un vélo sont signalés sur la même position il s'agit donc avec un certain pourcentage de probabilité d'un cycliste.

A compter des vélos comme des objets seuls a aussi été difficile à la marge. Les développeurs se sont entre autres avérés que le système comptait des bicyclettes suspendues sur des bus ou mis sur l’arrière de camionnettes.

Un problème similaire est apparu pour la détection de piétons. Le système a par exemple compté des personnes dans des cabriolets comme piétonnes.

Il y a encore des améliorations à faire. Le système doit par exemple savoir compter des personnes qui se déplacent sur trottinettes et chaises roulants ou ceux qui poussent des caddies.