MAJ Technologies de vidéoprotection Mai 2020

[D0sna]

Bonjour,

Petit tour d’horizon des dernières avancées en terme de recherche dans le domaine de la reconnaissance visuelle. Vous trouverez dans le lien proposé les publications scientifiques de référence au format PDF. La plus ancienne de ces études date de 2019 : https://www44.zippyshare.com/v/zItzJCKi/file.html

Obsolescence du spoofing de reconnaissance visuelle : induire un programme de reconnaissance faciale en erreur avec une photo, par exemple pour débloquer un téléphone, ou sur un T-shirt pour passer inaperçu, est désormais de l’histoire ancienne. Plusieurs méthodes ont été mises au point, tel que l’analyse du clignement des yeux, ou le croisement de sources multibandes avec une image de caméra classique et un capteur infrarouge.

Possibilité d’extraire la date et l’heure de réalisation d’une photo à partir des informations climatiques qu’elle contient. La localisation doit cependant être connue. Étant connectée à un serveur contenant les données climatiques précise historiques, un réseau neuronal peut déduire l’heure et la date avec une efficacité de 70 %.

Possibilité d’identifier les véhicules, routier et marins avec une haute précision dans des conditions climatiques extrêmes : forte pluies, brouillard, etc.

La possibilité de faire de la reconnaissance faciale visuelle avec une faible luminosité, fonctionnant même en cas d’image floutée, de buée ou de brouillard, et pouvant identifier les individus même si ils ont une partie du visage couvert. Cette étude n’est pas dans le .RAR, voici le lien externe : https://ieeexplore.ieee.org/document/9004249

Quelques clarifications sur les systèmes de classifications de comportement anormaux sur voie publique. Par exemple, les rassemblements dans les couloirs sur les trotoires sont considérés comme des anomalies. De plus, la publication de référence fait état de 4 paramètres pour classifier la foule ; la collectivité (cet attribut indique le degré d'individus agissant comme un groupe dans un mouvement collectif), la stabilité (le nombre invariants de voisins pour chaque point d’un groupe), le conflit (caractérise l'interaction entre deux points caractéristiques lorsqu'ils se rapprochent les uns des autres), et la densité (la distribution spatiale des points caractéristiques dans les blocs). De là est extrait un score d’anormalité.

Quelques indices sur les analyses socio-comportementales individuelles et de groupe. Les caractéristiques individuelles suivantes peuvent être modélisées mathématiquement et observées par le biais de caméras ; expressions émotionnelles faciales, intention, et attraction à un groupe, dans le but d’extraire un indice comportemental pour surveiller les anomalies. Cet indice est notamment construit sur des paramètres physiologiques tels que l’âge, le sexe, la corpulence et la santé. Ces système sont capables de détecter les mouvement rapides, la violence, et de faire de l’analyse comportementale prédictive des individus.
Au niveau de groupes, les comportement anormaux sont aussi détecté par l’utilisation de matrices, cad. la proximité relative de chaque point à un instant t. Un indice de « force d’interaction » peut être produit, et c’est les changement rapide dans ce degré d’interaction au sein des groupes qui pourra déclencher une alerte.

Graphique : https://imgur.com/a/y6zLUwR