Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Du laboratoire au terrain : évaluation en conditions réelles d'une solution vidéo intelligente basée sur l'IA pour améliorer la sécurité communautaire

Created by
  • Haebom

Auteur

Shanle Yao, Babak Rahimi Ardabili, Armin Danesh Pazho, Ghazal Alinezhad Noghre, Christopher Neff, Lauren Bourque, Hamed Tabkhi

Contour

Cet article présente les résultats d'une application concrète et de l'évaluation d'une solution de vidéo intelligente (SVS) basée sur l'IA. SVS s'intègre aux réseaux de caméras d'infrastructure existants, privilégiant la confidentialité et les normes éthiques, et utilise des données basées sur la pose pour effectuer des tâches d'IA telles que la détection d'anomalies. Elle fournit des alertes en temps réel via une infrastructure cloud et une application mobile, et utilise des techniques innovantes de représentation et de visualisation des données, telles que les indicateurs d'occupation, la détection statistique d'anomalies, les vues aériennes et les cartes thermiques, pour comprendre le comportement des piétons et améliorer la sécurité publique. SVS est déployée et évaluée à l'aide de 16 caméras dans un environnement de collège communautaire, démontrant la robustesse d'un système intégrant le traitement visuel basé sur l'IA, l'analyse statistique, la gestion de bases de données, la communication cloud et la notification aux utilisateurs. Plus précisément, nous validons les performances en temps réel du système en évaluant la latence de bout en bout, de la détection d'anomalie à la notification aux parties prenantes. Pendant 21 heures, le système a géré efficacement 16 caméras de vidéosurveillance avec un débit constant de 16,5 images par seconde (FPS), avec une latence moyenne de bout en bout de 26,76 secondes.

Takeaways, Limitations

•
Takeaways:
◦
Démontre le potentiel du SVS basé sur l’IA pour améliorer la sécurité publique dans des environnements réels.
◦
Présentation d’applications pratiques de la technologie de l’IA grâce à une intégration facile avec l’infrastructure existante.
◦
Diffusion efficace d'informations et aide à la décision grâce à des technologies innovantes de visualisation de données.
◦
Validation de l'efficacité et de la fiabilité d'un système de détection et de notification de comportements anormaux en temps réel.
◦
Fournir des informations exploitables à un large éventail de parties prenantes (forces de l’ordre, urbanistes, spécialistes des sciences sociales, etc.).
•
Limitations:
◦
L’environnement d’évaluation était limité à un collège communautaire, ce qui nécessitait des recherches supplémentaires sur la généralisabilité.
◦
ÉTant donné que le système est limité à 16 caméras, des recherches supplémentaires sont nécessaires pour résoudre les problèmes potentiels qui peuvent survenir lors de la mise à l’échelle d’un système plus grand.
◦
Manque de discussion approfondie sur les questions de confidentialité et d’éthique.
◦
Manque d’évaluation des performances du système dans divers environnements et situations.
◦
Un examen supplémentaire de la stabilité et de la maintenance du système est nécessaire pour un fonctionnement à long terme.
👍
Made with Slashpage