Inicio / Tecnologías de la Información y las Comunicaciones

VIDÉO: Un nouveau système basé sur l’intelligence artificielle avertit lorsque quelqu’un apparaissant sur une vidéo porte un pistolet

Versión en inglés: http://sl.ugr.es/09GF

Versión en español: http://sl.ugr.es/09GG

Des scientifiques de l’Université de Grenade ont dessiné un algorithme informatique qui pourrait contribuer à améliorer la sécurité dans les aéroports ou dans les zones à vidéo-surveillance, ainsi qu’à contrôler les contenus violents présents dans les réseaux sociaux tels que Facebook, Youtube ou Twitter.

La revue électronique de l’Institut Technologique de Massachusetts (MIT) a sélectionné ce travail comme un des cinq les plus remarquables au niveau mondial dans le domaine de la technologie.

Les chercheurs ont testé leur système avec des films tels que Pulp Fiction, Mission Impossible ou James Bond.

Des scientifiques de l’Université de Grenade (UGR) ont dessiné un système informatique, basé sur de nouvelles techniques en intelligence artificielle, qui détecte automatiquement et en temps réel quand un individu apparaissant sur une vidéo empoigne un pistolet.

Leur travail, pionnier au niveau mondial, offre de nombreuses applications pratiques, comme par exemple l’amélioration de la sécurité dans les aéroports ou les grandes surfaces commerciales, ou bien le contrôle automatique de contenus violents dans lesquels apparaissent des armes dans des vidéos mises en lignes dans des réseaux sociaux comme Facebook, Youtube ou Twitter, ou bien aussi classifier les vidéos publiques installées sur internet ayant des contenus avec présence d’armes.

Ce travail a été développé par Francisco Herrera Triguero, Roberto Olmos et Siham Tabik, chercheurs au département de Sciences Informatiques et d’Intelligence Artificielle de l’UGR. L’importance de ce travail est telle que la revue électronique de l’Institut Technologique de Massachusetts (MIT), MIT Technology Review, l’a sélectionné comme un des cinq les plus remarquables de la semaine au niveau mondial

(https://www.technologyreview.com/s/603786/the-best-of-the-physics-arxiv-week-ending-march-4-2017/).

Afin de vérifier le bon fonctionnement du modèle, ses auteurs ont analysé des vidéos de basse qualité obtenues par Youtube, ce qui démontre son efficacité, et des films des années 90 tels que Pulp Fiction, Mission Impossible ou James Bond. L’algorithme dessiné à l’UGR a démontré une effectivité de plus de 96,5%. Il est capable de détecter des pistolets avec une très grande précision, analysant 5 frames par seconde ou, ce qui revient au même, en temps réel. Lorsque l’arme apparaît sur l’image, le système avertit et établit une alerte (cadre signalé en rouge sur l’image) sur le lieu exact où elle se trouve.

Un modèle rapide et bon marché

Tel que l’explique le professeur de l’UGR Francisco Herrera, « notre modèle peut se combiner de façon simple avec une alarme directe, et peut être implémenté à un coût peu élevé en utilisant des caméras de vidéo et un ordinateur à capacité moyennement haute ».

De plus, le système peut s’implémenter partout où il soit possible d’installer des caméras de vidéo, aussi bien sur des espaces extérieurs qu’intérieurs, et ne requiert pas de supervision humaine directe.

Siham Tabik, qui jouit actuellement d’un contrat Ramón y Cajal dans le contexte du Programme Étatique de Promotion du Talent et de son Employabilité en I+D+i, signale que les modèles de deep learning (apprentissage profond) comme celui-ci « ont supposé une grande avancée dans la détection, la reconnaissance et la classification d’objets dans le domaine de la vision computationnelle au cours de ces cinq dernières années ».

Les modèles de deep learning apprennent à partir de leur entraînement sur une grande variété d’exemples, émulent le système nerveux dans la connexion de neurones et utilisent des algorithmes sophistiqués d’optimisation afin d’apprendre les connexions entre neurones artificiels.

Un système pionnier

À cette date, les principaux systèmes de détection d’armes se basent sur la détection de métaux, et se trouvent dans des aéroports et des espaces publics fermés. Bien qu’ils présentent l’avantage d’être capables de détecter une arme à feu même si celle-ci est cachée (ce qui, en principe, leur permet de la détecter bien avant son utilisation), ils présentent par contre de nombreux inconvénients.

Parmi ceux-ci se trouve le fait de ne contrôler le passage que par un point concret (si l’individu porteur de l’arme ne passe pas par lui, le système s’avère inutile). De plus, ils requièrent la présence constante d’un opérateur humain et provoquent des goulots d’étranglement lorsque le flux de personnes est important, détectant de même des objets métalliques d’usage courant (monnaie, boucles de ceinture ou téléphones portables), ce qui rend nécessaire l’utilisation combinée de ces systèmes avec des bandes transporteuses à rayons X, un procédé tout à la fois lent et très coûteux. De plus, ces systèmes ne fonctionnent pas lorsqu’il s’agit d’armes non métalliques, qui sont déjà une réalité grâce au développement des techniques d’impression 3D.

C’est la raison pour laquelle la détection d’armes par caméras de vidéo est un nouveau système de sécurité complémentaire et utile dans des zones de vidéosurveillance.

Les chercheurs de l’UGR affirment qu’à cette date, aucun travail scientifique publié, ni brevet, ni produit commercial, n’avait traité le problème de détection de pistolets par vidéo en temps réel en utilisant ‘Deep Learning’, ce qui rend ce travail complètement pionnier au niveau mondial. C’est la raison pour laquelle plusieurs entreprises se sont déjà intéressées à cette nouvelle technologie.

Cette recherche a reçu le Prix d’Excellence en Innovation technologique Fujitsu-UGR en novembre 2016, pour le travail fin de master (TFM) présenté par Roberto Olmos.

https://www.youtube.com/watch?v=eI4QUTs8NaA 

Images adjointes :

Siham Tabik, Roberto Olmos, Francisco Herrera-V2

Les trois auteurs de cette recherche. De gauche à droite, Siham Tabik, Roberto Olmos et Francisco Ortega.

pistola

Le système dessiné à l’UGR établit une alerte (cadre en rouge sur l’image) sur le lieu exact où se trouve le pistolet sur la vidéo.

Référence bibliographique :

Automatic Handgun Detection Alarm in Videos Using Deep Learning

  1. R. Olmos, S. Tabik, F. Herrera

https://arxiv.org/abs/1702.05147

Contact:

Francisco Herrera Triguero

Professeur du département de Sciences Informatiques et d’Intelligence Artificielle de l’UGR.

Téléphone : 958 240 598

Courriel : herrera@ugr.es

Étiquettes: Département de Sciences Informatiques et d’Intelligence Artificielle.