J'ai vu trop d'équipes de sécurité s'appuyer sur des alertes de mouvement basiques, pour manquer la véritable menace : un groupe se formant tranquillement dans un angle mort jusqu'à ce qu'il soit trop tard.
Oui, les caméras IA de qualité industrielle prennent en charge la détection de “rassemblement de foule”. Cette fonctionnalité utilise l'estimation de carte de densité, l'analyse de proximité spatiale et le suivi de durée pour identifier les regroupements anormaux en temps réel. Vous pouvez définir des seuils personnalisés pour le nombre de personnes, la densité de la zone et le temps de présence afin de déclencher des alertes instantanées à votre centre de sécurité.
Détection de rassemblement de foule par IA pour la surveillance de la sécurité
Ci-dessous, j'expliquerai exactement comment cela fonctionne, ce que vous pouvez personnaliser et comment cela fonctionne dans des conditions réelles telles que les flux basse résolution et les déploiements 4G hors réseau.
Table des matières
Puis-je définir un seuil (par exemple, >5 personnes) pour déclencher une alerte si un groupe se rassemble dans une zone restreinte ?
Je pensais qu'une simple règle de comptage suffirait. Mais après des tests sur le terrain, j'ai appris que les chiffres bruts sans contexte créent plus de bruit que de valeur.
Oui, vous pouvez définir un seuil de comptage de personnes personnalisé. La plupart des interfaces web professionnelles Plateformes VMS1 et des caméras vous permettent de définir un nombre (comme 5, 10 ou 15 personnes) dans une zone dessinée. Lorsque ce nombre est dépassé pendant une durée définie, le système envoie une alerte à votre application ou centre de sécurité.
Paramètres de seuil de foule dans l'interface VMS
Comment la configuration des seuils fonctionne réellement
Définir un seuil semble simple. Mais en pratique, vous devez combiner plusieurs paramètres pour obtenir des alertes utiles sans vous noyer dans les faux positifs.
Voici ce qui se passe en coulisses. L'IA dessine une zone virtuelle sur le champ de vision de la caméra. Vous définissez cette zone dans l'interface web de la caméra ou dans votre logiciel VMS. À l'intérieur de cette zone, l'algorithme compte les cibles humaines distinctes image par image. Lorsque le compte dépasse votre nombre défini, un minuteur démarre. Si le compte reste supérieur au seuil pendant la durée que vous avez définie (disons, 30 secondes), le système le confirme comme un événement de rassemblement réel et déclenche l'alerte.
Paramètres clés que vous pouvez ajuster
| Paramètres | Plage typique | Objectif |
|---|---|---|
| Seuil de comptage de personnes2 | 3 – 50 (réglable) | Définissez ce que signifie “anormal” pour votre zone spécifique |
| Temps de séjour minimum | 10s – 120s | Filtrer les personnes qui passent simplement |
| Forme de la zone de détection | Polygone (4–8 points) | Correspondre à la limite exacte de votre zone restreinte |
| Refroidissement des alertes | 1 – 10 minutes | Empêcher les alertes répétées lors d'un seul événement en cours |
| Niveau de sensibilité | Basse / Moyenne / Haute | Équilibre entre la détection d'événements réels et l'ignorance du bruit |
Pourquoi un simple chiffre ne suffit pas
Laissez-moi vous expliquer pourquoi vous avez besoin de plus que juste “ 5 personnes = alarme ”. Imaginez un trottoir à côté de votre clôture restreinte. Cinq ouvriers passent toutes les 3 minutes lors du changement d'équipe. Un décompte brut de 5 déclencherait des dizaines de fausses alertes par jour. C'est pourquoi le paramètre de temps de séjour est si important. Il dit au système : “ Ne m'alertez que si 5 personnes ou plus restent dans cette zone pendant plus de 30 secondes. ”
Vous pouvez également superposer des règles basées sur des horaires. Par exemple, pendant les heures d'ouverture (8h – 18h), définissez le seuil à 10 personnes car une certaine circulation est normale. Après les heures, réduisez-le à 3 personnes car personne ne devrait être là du tout.
Bonnes pratiques de dessin de zone
La forme de votre zone de détection est plus importante que la plupart des gens ne le pensent. Dessinez-la trop grande, et vous capturerez des personnes sur des chemins adjacents. Dessinez-la trop petite, et l'IA pourrait manquer des cibles juste à l'extérieur de la limite. Je recommande de laisser une marge de 1 mètre à l'intérieur de votre périmètre restreint réel. Cela tient compte de la légère erreur de position que toutes les analyses vidéo ont lors de la conversion de pixels 2D en coordonnées du monde réel.
Pour les sites avec plusieurs points d'entrée, créez des zones séparées pour chaque chemin d'approche. De cette façon, votre alerte vous indique non seulement que des personnes se sont rassemblées, mais aussi où elles se sont rassemblées. Ces informations aident votre équipe d'intervention à arriver plus rapidement.
Comment l'algorithme de densité de foule gère-t-il les cibles qui se chevauchent dans les flux 4K basse résolution ?
J'ai vu la détection traditionnelle par boîtes englobantes s'effondrer dès que deux personnes se tiennent proches l'une de l'autre. Les boîtes fusionnent, le compte diminue, et le système pense que la foule est plus petite qu'elle ne l'est réellement.
L'algorithme de densité de foule contourne complètement les boîtes englobantes. Au lieu de cela, il utilise l'estimation de la carte de densité au niveau des pixels. Cette approche gère beaucoup mieux l'occlusion importante et les cibles qui se chevauchent que le comptage basé sur des boîtes, même sur des flux 4K compressés.
Estimation de la carte de densité vs détection par boîtes englobantes
Pourquoi les boîtes englobantes échouent dans les foules denses
La détection d'objets traditionnelle dessine un rectangle autour de chaque personne. Lorsque les personnes se chevauchent, l'algorithme a deux mauvais choix : les fusionner en une seule boîte (sous-comptage) ou créer des boîtes instables et vacillantes (données bruitées). Dans une foule de 20 personnes debout épaule contre épaule, un système de boîtes englobantes pourrait n'en compter que 12.
L'estimation de la carte de densité adopte une approche complètement différente. Elle n'essaie pas d'isoler chaque individu. Au lieu de cela, elle demande : “ Quelle est la présence humaine à chaque pixel ? ” Le résultat est une carte thermique où les zones claires signifient une densité élevée et les zones sombres une densité faible. En additionnant les valeurs dans votre zone de détection, le système obtient un décompte total précis même lorsque les corps se chevauchent fortement.
Le facteur de compression 4K
Voici quelque chose que de nombreux intégrateurs négligent. Votre caméra peut capturer en résolution 4K, mais au moment où cette vidéo transite sur un lien 4G, elle a été compressée. Encodage H.2653 à un débit binaire typique de 4 à 8 Mbps introduit des artefacts. Les détails fins comme l'espace entre deux personnes se tenant proches peuvent être lissés.
L'algorithme de densité est conçu pour tolérer cela. Parce qu'il fonctionne sur des motifs de caractéristiques appris plutôt que sur des bords nets, une compression modérée ne le casse pas. Cependant, il y a une limite. Si votre débit binaire descend en dessous de 2 Mbps (courant sur les réseaux 4G congestionnés), la précision se dégradera. C'est pourquoi je recommande de définir un débit binaire minimum dans vos paramètres d'encodeur.
Compromis résolution vs fréquence d'images
Pour l'analyse de la densité de foule, la fréquence d'images est plus importante que la résolution brute. Voici pourquoi. L'algorithme a besoin de cohérence temporelle. Il suit l'évolution de la carte de densité dans le temps pour distinguer une foule qui grandit d'un groupe qui passe. À 5 ips, le système dispose de suffisamment de points de données. À 1 ips (ce à quoi certaines caméras solaires descendent pour économiser de l'énergie), l'algorithme peut manquer des événements de rassemblement rapides.
Ma recommandation : fonctionner à pleine résolution 4K mais à 10–15 ips pendant la surveillance normale. Lorsque l'IA détecte les premiers signes de rassemblement (densité croissante), passer automatiquement à 25 ips pour un suivi précis. Cela équilibre la bande passante, la puissance et la qualité de détection.
Attentes de précision pratiques
| Scénario | Précision de comptage attendue | Notes |
|---|---|---|
| Foule clairsemée (< 10 personnes, chevauchement minimal) | 95%+ | La boîte englobante fonctionne bien ici aussi |
| Foule moyenne (10–30 personnes, chevauchement partiel) | 85–92 % | La carte de densité surpasse clairement la détection par boîte |
| Foule dense (30+ personnes, chevauchement important) | 75–85% | La précision dépend de l'angle et de la hauteur de la caméra |
| Flux compressé (< 4 Mbps) | 70–80 % | Les artefacts réduisent la séparation fine |
| Configuration optimale (angle élevé, 8+ Mbps, 15 ips) | 90%+ | Meilleur scénario pour les déploiements réels |
Ces chiffres proviennent de tests sur le terrain, pas de conditions de laboratoire. Vos résultats réels dépendent de la hauteur de montage de la caméra, de l'angle de l'objectif, de l'éclairage et de la stabilité du réseau.
La “détection de rassemblement” est-elle suffisamment sensible pour repérer le stationnement illégal dans les parkings publics ?
J'ai eu des clients qui m'ont posé exactement cette question après avoir installé des caméras basiques et avoir quand même manqué des groupes qui traînaient sur leurs parkings la nuit. Le problème n'était pas la caméra. C'était l'incapacité de l'algorithme à distinguer le “stationnement prolongé” du “stationnement”.”
Oui, la détection de rassemblement peut identifier le stationnement prolongé sur les parkings, mais cela nécessite un réglage minutieux. La clé est de combiner des règles de zones spatiales avec des seuils temporels. Vous définissez où les gens ne devraient pas s'attarder, définissez un temps de séjour (par exemple, 60 secondes), et l'IA signale toute personne qui dépasse cette limite.
Détection de stationnement prolongé sur parking avec zones IA
La différence entre rassemblement et stationnement prolongé
Ces deux comportements semblent similaires à une caméra, mais ce sont des problèmes différents. Le rassemblement signifie que plusieurs personnes se réunissent en un seul endroit. Le stationnement prolongé signifie qu'une ou plusieurs personnes restent dans un endroit plus longtemps que prévu. Un bon système d'IA gère les deux, mais vous les configurez différemment.
Pour les parkings, vous voulez généralement que les deux règles soient actives en même temps :
- Règle de stationnement prolongé : Alerter si une personne reste dans une zone non-parking (comme entre les voitures ou près des sorties) pendant plus de 90 secondes.
- Règle de rassemblement : Alerter si 3 personnes ou plus se regroupent n'importe où sur le parking pendant plus de 30 secondes.
Pourquoi les parkings sont difficiles pour l'IA
Les parkings créent des défis uniques pour l'analyse vidéo. Les voitures bloquent les lignes de mire. Les phares créent des changements soudains de luminosité. Les ombres changent tout au long de la journée. Les gens marchent légitimement vers et depuis leurs véhicules, créant un mouvement constant.
L'IA doit séparer le comportement normal (marcher vers une voiture, charger des courses) du comportement anormal (trois personnes debout entre les voitures pendant cinq minutes). Elle le fait grâce à l'analyse de trajectoire6. Une personne marchant en ligne droite vers une voiture puis repartant en voiture est normale. Une personne marchant en cercles ou restant immobile ne l'est pas.
Optimisation pour la détection nocturne
La plupart des stationnements prolongés illégaux se produisent la nuit. Cela signifie que les performances de votre caméra en basse lumière affectent directement la précision de la détection. Je recommande des caméras avec des capteurs d'au moins 1/1,8″ et un éclairage infrarouge supplémentaire. Capteurs Starlight4 peuvent maintenir l'imagerie couleur jusqu'à 0,001 lux, ce qui donne à l'IA plus de données de caractéristiques à traiter par rapport au mode IR noir et blanc.
Pour les sites alimentés à l'énergie solaire où l'alimentation est limitée, utilisez la planification intelligente de l'IR5. Gardez les LED IR éteintes pendant la journée et activez-les automatiquement au crépuscule. Cela permet d'économiser de l'énergie tout en garantissant que l'IA dispose d'une qualité d'image suffisante pour détecter les formes humaines la nuit.
Réduction des fausses alarmes dues aux véhicules et aux animaux
Sur les parkings, la principale source de fausses alarmes n'est pas humaine. Ce sont les voitures au ralenti, les animaux qui traversent et les détritus emportés par le vent. L'IA moderne gère cela grâce à la classification des cibles. L'algorithme identifie d'abord si un objet détecté est une personne, un véhicule ou un animal. Seules les cibles humaines confirmées comptent pour le seuil de rassemblement ou de stationnement prolongé.
Vous pouvez également définir des filtres de taille minimale de cible. Cela élimine les petits animaux (chats, oiseaux) qui pourraient autrement déclencher des changements de densité au niveau des pixels. Définissez la hauteur minimale à environ 0,8 mètre dans votre calibration de perspective, et la plupart des fausses alarmes dues aux animaux disparaissent.
Puis-je personnaliser le “temps de rassemblement” avant qu'une alarme ne soit envoyée à mon centre de sécurité ?
J'ai appris très tôt que les alertes instantanées sonnent bien en théorie, mais créent une fatigue des alertes en pratique. Votre équipe de sécurité cesse de faire attention après la 50e fausse alarme en un seul quart de travail.
Oui, le temps de rassemblement (également appelé temps de présence ou durée minimale) est entièrement personnalisable. Vous pouvez le régler de 5 secondes à plusieurs minutes. Ce paramètre indique à l'IA combien de temps un groupe doit rester regroupé avant que le système ne le confirme comme un événement réel et n'envoie la notification.
Paramètres de temporisation d'alarme personnalisables pour la détection de foule
Pourquoi la temporisation est le paramètre le plus important
De tous les paramètres que vous pouvez ajuster, le temps de rassemblement a le plus grand impact sur l'expérience quotidienne de votre équipe. Réglez-le trop court (moins de 10 secondes), et chaque groupe de collègues discutant lors d'une pause cigarette déclenche une alarme. Réglez-le trop long (plus de 3 minutes), et une menace réelle a le temps d'agir avant que quiconque ne réagisse.
La bonne valeur dépend entièrement du profil de risque de votre site. Une installation nucléaire pourrait régler 10 secondes car tout rassemblement non autorisé est critique. Un parking de vente au détail pourrait régler 90 secondes car les brèves interactions sociales sont normales.
Comment le minuteur fonctionne en interne
Le minuteur n'est pas un simple chronomètre. Il utilise un modèle de “ détection soutenue ”. Voici la séquence :
- L'IA détecte que le nombre de personnes dans une zone dépasse le seuil.
- Le minuteur commence à compter.
- Si le nombre descend en dessous du seuil à un moment donné (quelqu'un part), le minuteur se réinitialise.
- Ce n'est que lorsque le nombre reste continuellement au-dessus du seuil pendant toute la durée que l'alarme se déclenche.
Cette approche “ maintenue ” empêche les déclenchements intempestifs dus à un encombrement momentané, comme un groupe passant dans un couloir étroit. Ils peuvent dépasser le compte pendant 5 secondes, mais ils continuent de bouger, donc le minuteur se réinitialise.
Options de livraison des alarmes
Une fois que le minuteur confirme un événement de rassemblement réel, vous disposez de plusieurs canaux de livraison :
- Notification push vers votre application mobile (le plus rapide, délai de 2 à 5 secondes)
- Alerte par e-mail avec pièce jointe instantané (idéal pour les archives, délai de 10 à 30 secondes)
- Popup VMS sur votre poste de travail de surveillance (instantané si l'opérateur regarde)
- Sortie relais pour déclencher des sirènes, des lumières ou des verrous de portail (câblé, moins d'une seconde)
- Webhook API7 vers votre plateforme personnalisée ou système PSIM8 (programmable)
Calendrier recommandé par scénario
| Type de site | Temps de rassemblement suggéré | Raisonnement |
|---|---|---|
| Infrastructures critiques (centrales électriques, centres de données) | 10 – 15 secondes | Tolérance zéro pour les groupes non autorisés |
| Chantiers de construction | 30 – 60 secondes | Les travailleurs peuvent se regrouper brièvement ; filtrer l'activité normale |
| Parkings de vente au détail | 60 – 120 secondes | Les interactions sociales sont courantes ; se concentrer sur le stationnement prolongé |
| Parcs publics / zones ouvertes | 120 – 180 secondes | Fort trafic piétonnier ; signaler uniquement les regroupements anormaux soutenus |
| Sites isolés hors réseau (fermes, champs solaires) | 15 – 30 secondes | Toute présence humaine est inhabituelle ; réagir rapidement |
Combiner le temps avec les niveaux d'escalade
Pour des configurations plus avancées, vous pouvez créer des réponses graduées. Par exemple :
- 30 secondes : Le système enregistre l'événement et commence l'enregistrement à pleine résolution.
- 60 secondes : Notification push envoyée au téléphone du garde sur site.
- 120 secondes : L'alarme est transmise au centre de sécurité central avec flux vidéo en direct.
- 180 secondes : Un avertissement vocal automatisé est diffusé par le haut-parleur intégré de la caméra.
Cette approche progressive donne à votre équipe un contexte avant qu'elle n'intervienne. Au moment où l'alarme parvient au centre de sécurité, le système a déjà capturé 2 minutes d'images probantes de haute qualité.
Conclusion
La détection de rassemblement de foule est une capacité d'IA éprouvée qui fonctionne mieux lorsque vous combinez des paramètres de seuil intelligents, un placement de caméra approprié et des règles de temporisation personnalisées. Si vous avez besoin d'aide pour configurer ces paramètres pour votre site spécifique, contactez-moi à sales05@.com et je vous guiderai.
1. Logiciel de gestion vidéo couramment utilisé pour configurer et surveiller les règles de détection d'IA. ︎↩︎ 2. Paramètre qui définit combien de personnes doivent se rassembler avant de déclencher une alerte. ︎↩︎ 3. Norme de compression vidéo qui réduit la bande passante tout en préservant la qualité pour l'analyse. ︎↩︎ 4. Technologie de capteur de caméra basse lumière qui permet l'imagerie couleur dans l'obscurité quasi totale pour une meilleure détection par IA. ︎↩︎ 5. Fonction qui active les LED IR uniquement au crépuscule pour économiser de l'énergie sur les caméras solaires. ︎↩︎ 6. Méthode utilisée par l'IA pour comprendre si le mouvement d'une personne est normal (se dirigeant vers une voiture) ou suspect (traînant). ︎↩︎ 7. Intégration programmable qui permet à la caméra d'envoyer des alertes à une plateforme personnalisée ou à un système PSIM. ︎↩︎ 8. Logiciel de gestion de l'information de sécurité physique qui unifie plusieurs sous-systèmes de sécurité. ︎↩︎