L'équipement moderne de vidéosurveillance n'est pas capable de déceler
une activité menaçante dans une zone très peuplée, avant l incident ou
l'attaque. Plus encore, le système est sujet à l'erreur humaine à cause
des opérateurs chargés de surveiller pendant de longues heures les
vidéos en temps réel, ou de les analyser après coup.
Le projet
ADABTS («Automatic
detection of abnormal behaviour and threats in crowded spaces»), financé
par l'UE, a conçu un système automatisé de détection qui représente une
solution plus efficace, plus exacte et plus économique que la
surveillance par l'homme.
L'équipe a commencé par créer des modèles pour divers types de
menaces et des comportements anormaux dans un aéroport, un stade ou en
centre ville. Elle a ensuite conçu des techniques pour détecter ces
signes de comportement inhabituel dans les données de surveillance audio
et vidéo.
Actuellement, les systèmes de surveillance sont incapables de faire
la différence entre un comportement normal et un comportement
inhabituel, potentiellement menaçant, au niveau d'une foule.
Les chercheurs ont mis au point et testé des méthodes d'inférence et
de traitement des données de capteurs audio et vidéo, capables de
surveiller sur le long terme l'emplacement et le comportement de gens à
proximité d'un évènement sonore tel que des coups de feu, des bris de
glace, des cris et des chants offensants.
Les capteurs, les algorithmes et l'interface utilisateur collaborent
pour gérer les scènes surpeuplées problématiques, par exemple pour
suivre le mouvement et la circulation de nombreuses personnes, et pour
reconnaître des sons inhabituels et les catégoriser. Cette collaboration
permettra de négliger automatiquement la majorité des enregistrements
pour ne garder que les parties suspectes.
Le projet ADABTS aidera les acteurs de la sécurité dans leur lutte
contre le crime, le terrorisme et les émeutes, à travers la détection et
le signal rapides des menaces potentielles. Les citoyens européens se
sentiront ainsi plus en sécurité dans les lieux publics.