Quand l’intelligence artificielle et la compression d’images se rencontrent, la surveillance vidéo devient respectueuse de la vie privée

Depuis septembre 2020, lors de la première édition de l’atelier TRAIL, Karim El Khoury et Jonathan Samelson, ont débuté leurs travaux dont le but était de fournir une représentation d’image publique et respectueuse de la vie privée, pour l’analyse du trafic autoroutier. L’objectif était d’utiliser les images résiduelles du domaine compressé, peu coûteuses et respectueuses de la vie privée, pour suivre efficacement les véhicules. En novembre 2021, leurs travaux ont été publiés dans le Frontiers in Signal Processing Journal dans le cadre d’un numéro spécial sur l’apprentissage profond pour la vidéosurveillance. La publication est accessible via https://doi.org/10.3389/frsip.2021.765006

Selon Karim et Jonathan, le principal problème du big data, et plus particulièrement des données de vidéosurveillance, est la confidentialité. C’est donc pourquoi, en proposant l’utilisation de cadres résiduels de domaine compressé comme représentation d’image pour le suivi d’objets basé sur l’apprentissage profond, leur solution d’IA donne la priorité au droit à la vie privée des personnes tout en maintenant des performances efficaces.

 

 

Résultats expérimentaux de la détection et le suivi des véhicules sur les images résiduelles du domaine compressé respectueuses de la vie privée (A) contre les images décodées intrusives (B)

 

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée.