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.
Aucun commentaire:
Enregistrer un commentaire
Remarque : Seul un membre de ce blog est autorisé à enregistrer un commentaire.