La vision par ordinateur permet de réaliser de opérations d’identification, de localisation et de classification d’éléments présents sur une image… et sur une vidéo.
L’intelligence artificielle permettant de créer des modèles pour l’identification de nouveaux objets (COCO, Mask R-CNN, Yolo…), il est intéressant de pouvoir les utiliser ou en créer de nouveaux afin de répondre à divers besoins.
Ci-après, une série d’exemple de ce qu’il est possible de réaliser avec ses modèles.
L’environnement que j’utilise est un OS Linux Debian 10 et le langage Python.
L’utilisation de cette technologie implique une grande puissance de calcul. Les démonstrations présentées ci-après sont réalisées dans un environnement virtuel sur un PC Portable ne possédant pas de GPU. Le faible nombre d’images par secondes est lié à ce manque de puissance. L’atteinte d’un résultat fluide, qui dépend également du nombre d’informations à traiter, sera réalisable en calibrant au mieux le matériel pour répondre au besoin.
Contactez moi pour tout projet autours de ces sujets
1. Détection du port d’un masque (Cela peut s’avérer utile dans le contexte actuel avec le COVID-19)
Cette démonstration permet d’indiquer si des individus portent ou non un masque. Son utilisation pourrait permettre d’indiquer que le port du masque ne serait pas respecté dans certaines zones où celui-ci est imposé.
2. Reconnaissance faciale
Cette démonstration illustre le fait qu’une personne connue peut être identifiée. C’est un atout lorsque l’on souhaite déclencher un système de surveillance uniquement sur des individus non reconnus par le système. Il peut également être utilisé pour l’autorisation d’accès, seul ou en double facteur d’authentification…
De la même manière, si plusieurs personnes ont été enseignées au système, il est capable de tous les identifier
3. Reconnaissance faciale (avec et sans port d’un masque)
Cette démonstration démontre qu’il est possible de reconnaître un individu qu’il porte un masque ou non. Son utilisation pourrait être utilisée pour le contrôle d’accès à des zones pour les seules personnes habilitées.
Cette vidéo montre qu’une personne non identifiée par le système est taguée “Inconnu”
4. Compter le nombre de personnes présentes dans le champ d’une caméra IP (Cela peut s’avérer utile dans le contexte actuel avec le COVID-19)
Il est possible de dénombrer un ensemble d’individus présents sur un flux vidéo. Cette mise en pratique dans des lieux où le nombre de personnes ne doit pas dépasser un certain seuil pourrait s’avérer grandement utile avec le COVID-19 : Salles de musées, châteaux… Des lieux généralement déjà équipés de caméras de surveillance mais qui ne possèdent pas de surveillance humaine dans chaque pièce.
Voici un exemple d’implémentation d’une solution permettant de gérer une file d’attente avant l’accès à une pièce en fonction du nombre maximal de personnes autorisées à entrer.
Matériel utilisé :
– Un raspberry PI3
– Un smartPhone avec l’APP “IP Webcam” pour simuler une caméra IP
– VNC pour simuler la sortie vidéo (tout écran HDMI branché en direct sur le RPI3 aura le même rendu plein écran)
– Des photos d’identité pour simuler le dépassement du nombre de personnes (limité à 2 dans cet exemple)
4. Mesure de distance sociale (ou “physique”) entre caméra IP et individu (Cela peut s’avérer utile dans le contexte actuel avec le COVID-19)
Voici un exemple d’implémentation d’une solution permettant d’alerter un individu en fonction de sa distance à la caméra. Dans cet exemple, j’ai calibré la distance à 1 mètre.