De nouveaux algorithmes pour optimiser la vidéosurveillance
De plus en plus de systèmes de vidéosurveillance sont nécessaires pour répondre à un besoin accru de sécurité, mais le personnel nécessaire à l'analyse des séquences vidéo n'est pas toujours disponible. Il faut donc disposer de meilleurs logiciels, pour analyser automatiquement les vidéos, sans trop de fausses alertes ni d'omissions. Cela exige des algorithmes plus évolués, surtout face aux progrès des processeurs graphiques (GPU). Le projet PARALLELYTICS (Real-time video analytics engine optimized for GPUs), financé par l'UE, a cherché à concevoir et implémenter des algorithmes d'analyse vidéo, optimisés pour les processeurs actuels, hautement parallèles. PARALLELYTICS était axé sur trois objectifs principaux: la sélection et la conception d'un algorithme d'apprentissage automatique parallélisable; la conception d'algorithmes et de fonction d'apprentissage pour la normalité, supervisés ou non; et le développement d'algorithmes adaptatifs de transfert de messages. Les partenaires du projet on mis en place un cours d'apprentissage automatique dans le cadre du programme d'informatique de premier cycle à l'Université Sehir à Istanbul. Ils ont conçu deux cours sur l'apprentissage automatique et les modèles graphiques probabilistes. Le laboratoire de science des données (Data Science Lab) comportait 11 étudiants, diplômés ou non. Les chercheurs ont développé des mesures de sélection de caractéristiques pour l'apprentissage par arbre de décision, supervisé ou non, ainsi que des applications de distorsion temporelle pour la modélisation des séries chronologiques. Ces techniques ont ensuite été utilisées pour modéliser les discussions sur diverses plates-formes de médias sociaux, en utilisant des données réelles. Ils ont également conçu des fonctions pour la reconnaissance des formes, la reconnaissance de l'activité d'une foule et la modélisation du déplacement d'agents individuels. L'équipe de PARALLELYTICS a d'autre part conçu des algorithmes transmission de messages, intelligents et adaptés aux GPU, utilisés pour améliorer l'estimation des variables inconnues et éliminer les informations incorrectes. PARALLELYTICS devrait améliorer l'efficacité et l'exactitude de la vidéosurveillance, apportant une amélioration bienvenue à la sûreté et la sécurité, partout dans le monde.
Mots‑clés
Vidéosurveillance, processeurs graphiques, PARALLELYTICS, moteur d'analyse vidéo
