Un système de caméras partage le calcul local et adapte ses modèles à distance

Les systèmes de surveillance peuvent-ils traiter de nombreux flux vidéo continus sur des ordinateurs locaux limités tout en tenant compte des différences et des changements entre les scènes ?

Un modèle entraîné sur des données fixes peut manquer de fiabilité pour certaines caméras ; le système doit donc gérer à la fois les contraintes de calcul local et l’adaptation à chaque scène.

YUTELA partage le traitement local entre les flux des caméras et réentraîne sur un serveur central un modèle distinct pour chaque caméra.

L’article examine si des caméras de surveillance réparties sur plusieurs sites peuvent partager une puissance de calcul locale limitée tout en s’adaptant aux conditions propres à chaque scène.

YUTELA répond à cette question en partageant le traitement local et en conservant un modèle distinct par caméra, réentraîné de façon centralisée à partir d’échantillons récents identifiés comme normaux.

Lors de tests contrôlés sur des vidéos, l’ajout de TensorRT a amélioré le débit et le délai de YUTELA sur le même appareil local. La version optimisée de YUTELA a aussi traité davantage d’images par seconde que le système Ancilia sur station de travail dans sept des neuf situations, même si cette comparaison change à la fois le matériel et les logiciels, et que le délai restait plus élevé dans certaines conditions. Un déploiement de 170 heures a montré que le système complet fonctionnait sur quatre sites.

Le déploiement a mesuré le fonctionnement du système et le délai des alertes, mais pas si le réentraînement rendait la détection des anomalies plus précise. La plage des délais reflète aussi les conditions propres à chaque site : elle ne permet donc pas de comparer directement les sites entre eux.