Vidéosurveillance intelligente : Tendances récentes et perspectives d'avenir

 

Les systèmes de vidéosurveillance tels que la télévision en circuit fermé (CCTV) sont largement déployés dans divers contextes, y compris dans les lieux publics, les infrastructures publiques, les bâtiments commerciaux et plus encore. Dans la plupart des cas, ils sont utilisés dans un double but: la surveillance en temps réel des actifs physiques et des espaces et la révision des informations vidéo collectées pour identifier les indicateurs de sécurité et planifier les mesures de sécurité.

Même si les systèmes de vidéosurveillance font partie intégrante du secteur public et de la sécurité depuis des décennies, ils suscitent un intérêt considérable en dehors de ces secteurs. Cet intérêt est largement attribuable à l'augmentation des taux de criminalité et des menaces à la sécurité partout dans le monde, ce qui entraîne une croissance continue du marché de la vidéosurveillance. Selon un récent rapport de Mordor Intelligence, le marché de la vidéosurveillance était évalué à 29,98 milliards de dollars en 2016 et devrait atteindre 72,19 milliards de dollars d'ici 2022. Ce potentiel de marché est également stimulé par les progrès récents des technologies de l'information, évolutivité et précision des solutions de vidéosurveillance. Qu'est-ce qui anime les principales tendances technologiques de la vidéosurveillance? Comment pouvez-vous les utiliser au mieux?

L'évolution des systèmes de vidéosurveillance est guidée par les tendances technologiques suivantes:

Collecte de données vidéo intelligente et contextuelle

Les progrès récents dans le traitement du signal permettent le développement de systèmes de vidéosurveillance intelligents, notamment des systèmes capables d'adapter de manière flexible le taux de collecte de données vidéo. En particulier, chaque fois qu'un indicateur d'incident de sécurité est détecté, le taux de collecte de données est augmenté afin de fournir des informations plus riches pour une analyse plus précise et crédible.

Infrastructures Big Data

Les infrastructures Big Data à la pointe de la technologie ont ouvert de nouveaux horizons pour stocker et accéder aux données vidéo caractérisées par les 4V du Big Data: Volume, Vitesse, Variété et Véracité. En particulier, la collecte d'immenses volumes de données à partir de plusieurs caméras, y compris le streaming de données avec des taux d'ingestion élevés, est maintenant beaucoup plus facile que par le passé. Les systèmes Big Data fournissent les moyens de créer et de mettre en œuvre des architectures de vidéosurveillance évolutives de manière transparente et rentable.

Systèmes de diffusion de données

Au cours de ces dernières années, de nombreux systèmes de streaming ont vu le jour. Ces derniers fournissent des fonctionnalités pour la gestion du streaming et l'analyse en continu, tout en étant une partie importante des systèmes Big Data précédemment discutés.

Analyse prédictive et intelligence artificielle (IA)

2016 et 2017 ont été des années importantes pour l'histoire de l'Intelligence Artificielle, en raison de l'émergence d'approches d'apprentissage en profondeur, comme celles utilisées par le moteur Alpha AI de Google. L'évolution des réseaux neuronaux profonds peut être directement exploitée dans les systèmes de vidéosurveillance pour leur conférer une intelligence exceptionnelle et permettre des processus de surveillance plus efficaces. Par exemple, l'IA peut activer l'analyse prédictive, qui permet aux opérateurs de sécurité d'anticiper les incidents de sécurité et de s'y préparer de manière proactive.

Drones et l'Internet des objets (IoT)

La combinaison de dispositifs IoT et d'objets intelligents avec des systèmes de vidéosurveillance sera également un élément clé pour fournir la prochaine génération de fonctionnalités de sécurité et de surveillance. Dans ce sens, les véhicules aériens sans pilote (UAV) (drones) sont aujourd'hui déployés afin de fournir une polyvalence de surveillance vidéo et des fonctionnalités qui ne sont guère possibles sur la base de caméras fixes conventionnelles.

Intégrer la sécurité physique et la cybersécurité

La transformation numérique en cours des actifs et des processus industriels conduit progressivement à une convergence des mesures de sécurité physique et cybernétique. Les systèmes de vidéosurveillance jouent un rôle clé dans cette convergence, car ils représentent des infrastructures informatiques pouvant être utilisées pour surveiller des zones physiques. Par conséquent, ils peuvent être intégrés de manière flexible à d'autres systèmes de cybersécurité en vue d'une approche holistique et intégrée de la sécurité et de la surveillance.

Systèmes de vidéosurveillance architecturale

Les technologies énumérées ci-dessus ouvrent de nouveaux horizons dans le développement, le déploiement et l'exploitation de systèmes de vidéosurveillance intelligents. Mais c'est aux développeurs et déployeurs de vidéosurveillance d'intégrer et de tirer pleinement parti des fonctionnalités de ces technologies. À cette fin, il est important de concevoir et de mettre en œuvre une architecture appropriée pour votre infrastructure de vidéosurveillance. Les architectures modernes de systèmes de vidéosurveillance suivent le paradigme de l'Edge / Fog computing pour traiter les informations vidéo plus près du terrain. Cela leur permet d'économiser sur la bande passante et d'effectuer une surveillance de sécurité en temps réel. Les caméras sont déployées à la périphérie du réseau dans le cadre de nœuds de périphérie capables de capturer et de traiter les trames vidéo. Les nœuds périphériques sont également capables de mettre en œuvre une intelligence de collecte de données, grâce à des fréquences d'images de réglage basées sur le contexte de sécurité identifié. De plus, ils sont connectés à une infrastructure Cloud, où les informations de plusieurs caméras sont connectées, examinées et analysées à des échelles de temps plus grossières.

Les architectures Edge / Fog computing sont également le choix idéal pour soutenir le mélange de la vidéosurveillance avec les technologies présentées. Les drones IoT doivent être intégrés à des nœuds de périphérie appropriés dans le cadre d'une architecture informatique de périphérie mobile. Les analyses en temps réel en continu doivent être effectuées à la périphérie plutôt que sur le cloud du déploiement de la vidéosurveillance. Des fonctionnalités d'apprentissage en profondeur peuvent être déployées à la fois à l'accès et au niveau du cloud. Les réseaux neuronaux profonds à la périphérie peuvent prendre en charge l'extraction de modèles de sécurité complexes en temps réel. Dans le même temps, l'extraction de modèles de sécurité et de connaissances sur de vastes zones couvertes par de nombreux nœuds périphériques (par exemple, des déploiements à l'échelle de la ville) n'est possible que grâce au déploiement de l'apprentissage en profondeur sur le cloud. En général, il est assez difficile de décider si certaines fonctionnalités doivent être placées sur le cloud ou en périphérie. Les décisions pertinentes sont généralement associées à la résolution des compromis (par exemple, la vitesse de traitement par rapport à la précision du traitement pour certaines fonctions de surveillance).

Les systèmes de vidéosurveillance pourraient bénéficier des architectures ouvertes de plusieurs fournisseurs de matériel. Ceci est dû au fait qu'une solution de surveillance peut comprendre différents dispositifs et modalités de capture vidéo (par exemple, des caméras haute définition, des caméras filaires et sans fil, des caméras dans des drones / UAV et plus). Une architecture ouverte peut offrir une flexibilité, une facilité de déploiement et une longévité technologique. Au cours de l'année écoulée, des efforts ont été déployés pour introduire une architecture ouverte basée sur des normes pour l'informatique d'accès et le cloud afin de présenter la vidéosurveillance comme l'une des principales utilisations du cloud.

Défis et meilleures pratiques de déploiement

Au-delà de la spécification d'une architecture informatique de pointe appropriée, les fournisseurs de systèmes de vidéosurveillance doivent également faire face à d'autres défis. L'un de ces défis concerne la protection de la vie privée et le respect des règles de protection des données. En effet, le déploiement de capteurs de surveillance est soumis à des lois et des directives sur la vie privée et la protection des données, qui imposent parfois des limites sur la nature et l'ampleur du déploiement. De même, l'utilisation de drones devrait également être conforme à une réglementation adaptée.

Un autre défi concerne le niveau d'automatisation de la solution. Bien que l'automatisation soit en général souhaitable pour couvrir et surveiller des zones plus vastes sans ressources humaines supplémentaires, l'examen humain et l'intervention restent la clé de la fiabilité de la solution globale. De plus, un autre défi concerne les nouvelles menaces qui pourraient découler de la nature cyberphysique des systèmes de vidéosurveillance. Une attaque physique pourrait s'accompagner d'une cyberattaque contre l'infrastructure de vidéosurveillance, afin de compromettre la capacité de cette dernière à détecter l'incident de sécurité physique.

Un autre défi concerne la mise en œuvre de l'intelligence pilotée par les données (c'est-à-dire dans le cadre de l'analyse prédictive et de l'intelligence artificielle), qui nécessite de gros volumes de données avec des incidents de sécurité difficilement disponibles. L'IA à l'accès (par exemple, des réseaux de neurones profonds légers et efficaces) en est encore à ses balbutiements, en dépit de l'émergence de startups innovantes avec des produits et des services IA avancés.

Afin de relever ces défis, les développeurs et les déployeurs de solutions de vidéosurveillance doivent mieux se conformer aux normes et aux réglementations, tout en adoptant une approche de déploiement progressif / progressif. Ce dernier devrait permettre une transition en douceur des systèmes manuels à médiation par l'opérateur humain vers une surveillance visuelle entièrement automatisée basée sur l'IA. Un déploiement progressif de l'intelligence pilotée par les données est également nécessaire, en partant de règles simples et en passant à des techniques d'apprentissage machine plus sophistiquées capables de détecter des schémas d'attaque asymétriques plus complexes. Une autre bonne pratique consiste à déployer des architectures ouvertes pouvant accueillir à la fois des capteurs de surveillance futurs et hérités, afin de tirer parti des fonctionnalités avancées au meilleur rapport qualité / prix.

Dans l'ensemble, les solutions de vidéosurveillance modernes peuvent être très innovantes, car elles peuvent comprendre des technologies de pointe en matière d'IT et de réseautage. Quelle est la meilleure façon de mettre à niveau ou de déployer votre propre infrastructure de vidéosurveillance? Commencez par une description détaillée de vos exigences en matière de sécurité et d'entreprise et un partenaire technologique fiable qui intégrera et déploiera le système en votre nom et le ciel est la limite.