Que s'est-il passé ?
La vidéosurveillance connaît une mutation technologique fondamentale. Pendant des décennies, la mission première des systèmes de caméras consistait à produire, transmettre et enregistrer des images de la meilleure qualité possible. Cette orientation évolue de plus en plus : les systèmes modernes doivent désormais détecter eux-mêmes les situations pertinentes, analyser les informations visuelles directement dans la caméra et relier entre eux différents capteurs. La caméra évolue ainsi d'un simple générateur d'images vers un capteur intelligent intégré à une architecture de sécurité plus globale.
Les détails
Du côté des caméras classiques, l'évolution technique n'est pas encore achevée. Le Dr-Ing. Markus Müller, du Fraunhofer IOSB, département des systèmes d'analyse vidéo, anticipe de nouveaux progrès en matière de résolution géométrique et radiométrique. Selon lui, les capteurs d'imagerie thermique vont eux aussi gagner en performance tout en devenant plus abordables, ce qui permettra des systèmes globaux plus efficaces. Il est probable que des systèmes à deux ou trois canaux différents soient utilisés plus fréquemment à l'avenir – par exemple des caméras visuelles-optiques combinées à l'infrarouge proche et à l'infrarouge thermique. Cette évolution est déjà observable sur le marché : les caméras multisensorielles se généralisent, et les technologies améliorées de vision en basse lumière offrent non seulement de meilleures images en faible luminosité, mais améliorent aussi les conditions d'une détection automatique plus fiable des objets et des événements.
Edge computing et IA dans la caméra
Parallèlement, l'architecture des systèmes se transforme. Plutôt que de transmettre l'ensemble des flux vidéo vers un serveur central, les caméras prennent en charge une part croissante du traitement elles-mêmes – l'edge computing est considéré comme l'une des tendances majeures du secteur. Les caméras modernes sont capables de détecter des personnes ou des véhicules, de classifier des objets et de générer des métadonnées avant même que les informations ne soient transmises à un système de gestion vidéo ou à une plateforme cloud.
Les recherches sur la reconnaissance comportementale menées au Fraunhofer IOSB illustrent jusqu'où peut aller l'interprétation automatique. À partir des personnes détectées, des modèles de squelette numérique, ou points clés corporels, sont générés, puis le comportement de mouvement est analysé. Le système doit ainsi être capable de reconnaître des gestes comme des coups ou des coups de pied et d'alerter un opérateur sur une situation potentiellement pertinente. L'identité de la personne observée n'est pas nécessaire à cet effet – un squelette numérique ne possède ni identité, ni origine, ni couleur de peau, ni genre.
Fusion de capteurs dans la protection périmétrique
Cette évolution est particulièrement visible dans le domaine de la protection périmétrique. Les grandes zones extérieures imposent des exigences élevées en matière de portée, de fiabilité de détection et de réduction des fausses alarmes. Caméras visibles, imagerie thermique, radar et autres capteurs de détection assument de plus en plus des fonctions différentes au sein d'un même système. Un radar peut détecter un objet en mouvement indépendamment de l'éclairage et déterminer sa position, tandis qu'une caméra optique ou thermique sert à la vérification et à la classification. L'analyse vidéo basée sur l'IA fait ensuite la distinction entre personnes, véhicules ou animaux, et ne signale que les événements pertinents à un centre de contrôle.
Les scènes complexes restent toutefois particulièrement difficiles à traiter. Selon Müller, l'analyse vidéo automatique dans des conditions non contrôlées se heurte encore à des défis considérables. Les mouvements variés, les arrière-plans changeants, les occlusions et la présence simultanée de nombreux objets compliquent une interprétation fiable. L'évolution future ne se dirigera donc pas exclusivement vers l'IA – des approches hybrides, combinant le traitement classique du signal et de l'image avec des méthodes neuronales, peuvent produire de meilleurs résultats. Un goulot d'étranglement majeur demeure la disponibilité de données d'entraînement adaptées et suffisamment nombreuses.
Nouveaux principes de capteurs
Au-delà de l'analyse intelligente, de nouveaux principes de capteurs pourraient élargir le champ de la vidéosurveillance. Le range-gated imaging, ou gated viewing, en est un exemple : la scène est éclairée par de très brèves impulsions laser, la caméra n'étant ouverte que pendant une fenêtre temporelle précisément définie. Le temps de propagation de la lumière étant connu, le système peut capter spécifiquement la lumière réfléchie provenant d'une plage de distance déterminée. La lumière préalablement rétrodiffusée par le brouillard, la pluie ou la neige n'est alors en grande partie pas incluse dans l'image pertinente. Dans les systèmes multisensoriels, cette technique est combinée à des caméras jour/nuit et à imagerie thermique. Les domaines d'application vont de la surveillance maritime à la protection des frontières, en passant par la détection et le suivi d'objets et de drones.
Le Fraunhofer IOSB étudie également le gated viewing pour les conditions de visibilité dégradées. La sélection temporelle des photons de retour permet de supprimer les réflexions parasites à l'avant-plan comme à l'arrière-plan, tout en permettant d'obtenir des informations de distance. Le radar à ondes millimétriques constitue un autre complément, capable de détecter des objets même dans l'obscurité, la fumée ou le brouillard, et d'en déterminer la distance ainsi que la vitesse lorsque les systèmes optiques atteignent leurs limites.
Mise en perspective
Pour les systèmes de sécurité futurs, ce n'est donc pas tant la domination d'un capteur unique qui se profile, mais plutôt la combinaison de différents principes de mesure physiques. La prochaine étape de développement de la vidéosurveillance ne sera donc pas déterminée par une technologie unique : de meilleurs capteurs optiques et thermiques, les procédés range-gated, le radar, l'edge computing et l'IA évoluent en parallèle. S'y ajoutent des méthodes plus performantes d'interprétation sémantique des images – le Fraunhofer IOSB travaille désormais également avec des modèles de fondation ainsi que de grands modèles langage-image, capables non seulement de classifier le contenu des images, mais aussi de le replacer dans un contexte sémantique plus large.
Cette évolution transforme fondamentalement la mission d'un système vidéo. À l'avenir, l'enjeu ne sera plus tant de produire le plus grand nombre d'images possible, mais bien d'extraire de manière fiable, à partir des données de capteurs disponibles, l'information nécessaire à une tâche de sécurité précise. Pour les exploitants de systèmes de sécurité – qu'il s'agisse de la protection des biens, de la sécurisation de points sensibles tels qu'un tronc de quête ou un coffre de dépôt, ou de solutions périmétriques de plus grande envergure – cela signifie que la qualité d'un système se mesure de plus en plus à sa capacité d'évaluation des situations, et non plus uniquement à sa résolution ou à sa qualité d'image.
Conseils pratiques
- Lors de l'acquisition de nouveaux équipements, ne pas se focaliser uniquement sur la résolution, mais aussi sur la capacité multisensorielle et de traitement en périphérie (edge), qui déterminent largement la fiabilité de la détection automatique.
- Pour les projets de protection périmétrique, il est judicieux d'étudier des solutions combinant radar, imagerie thermique et caméra optique, afin de réduire les fausses alarmes et d'améliorer la détection dans des conditions météorologiques variables.
- Dans les environnements à visibilité fréquemment réduite (brouillard, pluie, neige), les exploitants devraient évaluer la pertinence des procédés range-gated, ou de la technologie gated viewing.
- Les scènes complexes comportant de nombreux objets restant un défi pour les systèmes d'IA, l'humain demeure une instance de décision indispensable – les systèmes doivent être conçus comme un soutien, et non comme un remplacement entièrement automatisé des opérateurs.
- Pour les applications sensibles en matière de protection des données, des procédés tels que la reconnaissance comportementale basée sur le squelette ou les points clés peuvent constituer une option, car ils se passent de l'identification de la personne observée.
Perspectives
La caméra s'intègre de plus en plus à un système de capteurs connectés capable de détecter et d'évaluer des situations, et d'alerter spécifiquement les personnes sur les événements pertinents. Des instituts de recherche comme le Fraunhofer IOSB font activement progresser cette évolution à travers leurs travaux sur les approches hybrides d'IA, les modèles de fondation et de nouveaux principes de capteurs. Pour le secteur de la sécurité, cela signifie une mutation continue : de l'enregistrement d'images pur vers des systèmes intégrés combinant différents principes de mesure physiques et filtrant automatiquement les informations pertinentes – tout en préservant la capacité de décision humaine dans les situations critiques pour la sécurité.
