Evitech a revisité le problème de la détection des objets abandonnés dans les transports publics, en développant une nouvelle solution basée sur l’IA qui fait fi des fortes perturbations lumineuses subies par le matériel roulant dans son mouvement lorsqu’il circule en extérieur.

Au sein du produit Lynx, Evitech avait développé il y a quelques années une fonction nommée SAKER destinée à détecter des personnes et des objets restés à bord des rames de métro souterrain. Les changements d’éclairage dans le monde souterrain étant assez modérés, cette première version avait été réalisée avec des techniques d’analyse d’images classiques selon une approche statistique et en mettant en avant les caractéristiques colorimétriques de l’arrière-plan du métro et celles de l’avant-plan à détecter (objets, personnes). Des fonctions de perspective géométrique, de zonage et de seuillage permettaient alors de filtrer les petits objets (ex : l’objet identifié comme #2 dans la photo ci-contre), ainsi que les éventuelles détections sur les fenêtres. Dans ce contexte, les performances de cette première version étaient excellentes (100% de détection, pas de fausses alarmes, sur tout un aller-retour d’une heure de la rame sur la ligne).

 Le logiciel SAKER version 1 : objets et personnes restés dans un métro souterrain

En testant cette application pour des projets à l’export dans des contextes de luminosité extérieure, Evitech a pu montrer que ce type d’approche ne permettait pas de surmonter de façon systématique les variations lumineuses, les reflets d’eau au sol, et tous les effets du soleil, avec un réglage universel qui serait valable matin, midi et soir. En effet, un réglage adapté au soir se trouvera trop sensible dans la journée, et un réglage adapté au midi ne détectera pas suffisamment le soir. Contrairement à des changements survenant sur une caméra fixe (nuages et soleil), la mobilité du train sur des voies bordées d’arbres ou de bâtiments, le passage des courbes avec le jeu du soleil à travers les fenêtres au sol, ne permettent pas de détecter correctement avec une approche classique.

SAKER v2 : de gauche à droite puis de haut en bas : détections en rouge - pose d’un objet, assombrissement, taches de soleil, mouvement, ouverture de la porte (pieds passager), porte ouverte (zones saturées).

En revisitant cette application avec les technologies de l’Intelligence Artificielle, Evitech a changé d’approche et développé un nouveau modèle de réseau neuronal destiné à effectuer ces détections, tout en filtrant les changements lumineux. Pour ce faire, il a fallu d’abord constituer et annoter à la main d’une importante base d’images. Puis, Evitech a développé une structure de réseau qui permet en amont l’analyse des caractéristiques de tous les éléments du train et des objets présents, qui comporte un volet de filtrage spatial, et qui produit une probabilité d’avant plan à différents étages de résolutions pixelliques. Par agrégation des détections pixelliques, on retrouve notre carte d’objets et de personnes suspectes à laquelle on peut appliquer les mêmes outils de filtrage géométriques et spatiaux que précédemment, tout en s’exonérant des effets de lumière, des salissures, des reflets d’eau au sol.

Les détections sont illustrées en rouge (le sac est blanc, il apparaît en rouge, comme les pieds des personnes, du fait de la détection).

Les performances initiales de cette nouvelle version permettent d’atteindre celles de la solution initiale si on applique un filtre sur des micro détections, comme le petit point en bas à droite de la dernière image, ou des transitoires très courts que l’on peut aisément filtrer temporellement.

Pour limiter l’impact économique des solutions à base de DNN (cartes GPU) et permettre d’embarquer la solution, Evitech l’a portée sur un environnement virtuel permettant l’exécution du logiciel sur GPU léger (type NVIDIA Jetson Nano) et sur CPU (matériel plus accessible dans des gammes certifiées pour les transports publics).