L’utilisation d’un flux vidéo de surveillance a permis d’identifier les risques potentiels pour la sécurité sur nos routes. Mais il s’agit généralement d’un outil réactif, principalement utilisé pour former les employés après la survenue d’une situation potentiellement dangereuse, plutôt que pour éviter les problèmes au moment où ils se produisent.
Les routes de campagne, les intersections très fréquentées et les autoroutes où la circulation est rapide sont des environnements de travail à haut risque qui nécessitent l’intelligence artificielle pour détecter les dangers sur la chaussée et prévenir les accidents en temps réel.
La vidéo d’IA combine des données visuelles riches, recueillies via des flux vidéo, avec les capteurs embarqués dans les véhicules. Cela permet d’identifier les comportements problématiques ou les environnements dangereux au moment où ils se produisent. Les conducteurs sont alertés dans la cabine et invités à prendre les mesures correctives appropriées.
De la manière dont nous entraînons l’IA à la pile technologique à laquelle nous l’associons, voici trois bonnes pratiques à garder à l’esprit lors de la conception d’une technologie vidéo d’IA destinée aux applications de sécurité :
1) Extraire des données de plusieurs sources
Les sources de données uniques – comme les indices visuels fournis par une caméra – ne donnent pas suffisamment d’informations pour détecter et prédire les résultats. Bien que la vidéo soit une excellente source de données à intégrer à l’algorithme, elle ne permet souvent pas de se faire une idée complète d’un événement.
En matière de sécurité des flottes, un flux vidéo ne suffit pas à prévenir la conduite distraite et dangereuse. Pour les flottes, les systèmes vidéo d’IA sont particulièrement efficaces lorsqu’ils recueillent les données de plusieurs capteurs afin de capturer la vitesse, les données du moteur et du véhicule, ainsi que des images de la chaussée et du conducteur.
Cette vaste quantité de données et de points de mesure garantit une technologie fondée sur l’IA plus précise et plus pertinente, capable de déterminer avec exactitude si la distraction du conducteur ou un danger sur la chaussée risque de provoquer un accident.
À mesure que les développeurs d’IA continuent de recueillir des données et d’augmenter le nombre de points de mesure, ils doivent affiner ou « entraîner » leur technologie fondée sur l’IA afin de fournir les informations les plus précises et les plus utiles. En combinant les données de capteurs et les entrées vidéo en temps réel avec un flux continu d’images provenant de conducteurs, de routes et de véhicules différents, l’IA et l’algorithme de vision artificielle sont optimisés, ce qui améliore leur capacité à détecter et à prévenir les incidents de sécurité.
2) Concevoir une pile technologique permettant des réactions en temps réel
De nombreux incidents de sécurité se produisent dans des zones où les signaux cellulaires sont peu fiables, comme un chantier ou une autoroute isolée. Il est essentiel qu’un système vidéo d’IA puisse détecter les risques et les communiquer au conducteur en temps réel, quelles que soient les difficultés environnementales. Pour y parvenir, il faut intégrer directement l’IA au matériel vidéo afin de permettre le traitement des données à la périphérie.
Le traitement en périphérie ne nécessite pas de transmettre les données via les réseaux cellulaires ; il consiste à analyser les données aussi près que possible de leur source. Intégrer le traitement en périphérie et le stockage local à votre système est essentiel lorsque vous utilisez l’IA pour les événements liés à la sécurité. Cela élimine le risque de décalage entre le moment où un risque est détecté et celui où le conducteur reçoit une alerte dans la cabine ainsi que des instructions vocales pour prendre les mesures correctives nécessaires.
Cette immédiateté dans la réponse aux événements, comme lorsqu’un conducteur est distrait par son téléphone portable ou suit de trop près un véhicule dans la circulation, prévient les accidents et sauve des vies.
Les solutions vidéo d’IA qui reposent sur la transmission des données vers le cloud pour leur traitement souffrent de délais dans les alertes et les instructions, qui peuvent avoir des conséquences catastrophiques. Imaginez par exemple perdre le réseau cellulaire en traversant un tunnel. Si les données de l’IA sont traitées dans le cloud, le conducteur ne sera averti du risque qu’une fois la communication rétablie et les informations retransmises dans la cabine.
Les solutions qui dépendent du traitement dans le cloud peuvent également désynchroniser les données lorsque la communication cellulaire est interrompue. Une fois recueillies, les données désynchronisées ne sont plus fiables, car il n’existe plus de source unique de vérité. C’est une autre raison importante pour laquelle le traitement des données doit avoir lieu au point de collecte, afin de garantir leur exactitude en les maintenant synchronisées avec la télématique avancée.
3) Placer les employés au centre du développement de votre solution vidéo d’IA
Certaines solutions intègrent des technologies d’IA simplement pour paraître à la pointe, sans analyser en profondeur les avantages qu’elles apporteront au conducteur. La représentation de Big Brother par les caméras et l’aspect « science-fiction » de l’IA ont conduit de nombreux employés à appréhender l’utilisation des systèmes vidéo d’IA.
Cette hésitation est compréhensible, et les entreprises peuvent y remédier en définissant et en surveillant les événements liés à la sécurité de manière plus réfléchie. L’IA doit favoriser une conduite sûre sans être intrusive, afin de garantir une journée de travail fluide et un retour à la maison en toute sécurité le soir. La vidéo d’IA doit servir à identifier de manière proactive les risques pour la sécurité à titre préventif, et non à enregistrer chaque minute de la journée de travail.
Conclusion
Comprendre comment la vidéo d’IA améliore la sécurité sur nos routes est essentiel pour créer des environnements de travail qui réduisent les situations dangereuses et accordent la priorité à la sécurité des conducteurs. Un programme de sécurité efficace fondé sur l’IA repose avant tout sur la compréhension de la manière dont le système d’IA et de vision artificielle est conçu et entraîné pour optimiser les performances en matière de sécurité dans divers environnements de conduite.
Cela implique d’évaluer quelles fonctionnalités et capacités d’IA contribuent à renforcer la sécurité, par opposition à celles qui pourraient constituer des ajouts superflus, consistant simplement à déployer de nouvelles technologies d’IA pour elles-mêmes.
À propos de l’auteur :
Ryan Wilkinson, CTO, IntelliShift