J'ai vu trop de projets de sécurité échouer parce que la caméra ne pouvait pas distinguer un vélo d'un piéton. Les véhicules non motorisés se déplacent différemment, et la plupart des systèmes PTZ de base ne peuvent tout simplement pas suivre.
Oui, notre système de qualité industrielle caméras PTZ IA1 prend entièrement en charge la reconnaissance intelligente, le suivi classifié et l'analyse de trajectoire pour les véhicules non motorisés tels que les vélos, les vélos électriques et les trottinettes. Le modèle d'apprentissage profond les traite comme une classe d'objets distincte avec un comportement de mouvement unique, permettant une capture de trajectoire précise et des alertes en temps réel.
Caméra PTZ IA suivant les véhicules non motorisés
Ci-dessous, je vais vous présenter les capacités exactes de notre système. Je répondrai aux questions les plus fréquentes que nous recevons des intégrateurs et des chefs de projet qui ont besoin de suivre le trafic non motorisé dans les parcs, les fermes, les entrepôts et les zones urbaines.
Table des matières
La PTZ peut-elle suivre une personne suspecte en trottinette dans une zone de parc fréquentée ?
Les parcs fréquentés sont un cauchemar pour les caméras PTZ traditionnelles. Des gens promènent des chiens, des enfants courent, des joggeurs traversent des chemins. J'ai vu des systèmes perdre une cible en trottinette en quelques secondes parce que l'algorithme ne pouvait pas la séparer de la foule.
Notre caméra PTZ utilise un modèle de détection d'objets combiné qui verrouille le conducteur et le véhicule comme une seule cible unifiée. Même dans des environnements de parc bondés avec des dizaines d'objets en mouvement, le système maintient un suivi stable en prédisant le vecteur de mouvement de la trottinette et en filtrant le bruit des piétons.
Caméra PTZ suivant une trottinette dans un parc animé
Comment le système gère les scènes bondées
Le défi principal dans un scénario de parc est la densité des objets. Vous pourriez avoir 30 ou 40 personnes dans le cadre à la fois. Une caméra de détection de mouvement basique sauterait entre les cibles ou perdrait complètement la trottinette. Notre firmware résout ce problème avec une approche multicouche.
Premièrement, le classificateur IA s'exécute sur chaque objet détecté dans le cadre. Il attribue à chacun une catégorie : piéton, vélo, vélo électrique, trottinette ou véhicule. Cela se produit en temps réel en périphérie, pas dans le cloud. Il n'y a pas de délai d'aller-retour.
Deuxièmement, une fois que vous avez sélectionné une cible (ou que le système la sélectionne automatiquement en fonction de vos règles), le tracker utilise ce que nous appelons la prédiction de vecteur de mouvement2. Il examine la vitesse et la direction de la trottinette sur les dernières images. Ensuite, il calcule où la trottinette sera dans les 200 millisecondes suivantes. Le moteur panoramique-inclinaison commence à bouger avant que la trottinette n'arrive réellement.
Pourquoi la détection d“” objet combiné » est importante
Voici un problème que j'ai constaté sur de nombreux sites d'emplois. Un conducteur descend de la trottinette et commence à la pousser. Un tracker de base voit alors deux objets distincts : une personne et un véhicule. Il ne sait pas lequel suivre. Parfois, il change complètement d'identifiant.
Notre algorithme traite le conducteur et le véhicule comme un seul objet combiné. Lorsque le conducteur descend, le système garde les deux dans le champ et maintient le même identifiant de suivi3. Pas de changement d'identifiant. Pas de cible perdue.
Paramètres de suivi clés pour les déploiements dans les parcs
| Paramètres | Valeur | Pourquoi c'est important |
|---|---|---|
| Nombre maximal d'objets suivis | 30 simultanés | Gère les scènes de parc bondées sans perdre de cibles. |
| Temps de réacquisition | < 2 secondes | Si un arbre bloque brièvement la vue, le système retrouve rapidement la cible. |
| Vitesse de suivi | Jusqu'à 200°/sec en panoramique | Suit les trottinettes se déplaçant à 25 km/h sur le champ de vision. |
| Rétention de l'identifiant | Maintien malgré l'occlusion | L'identifiant de la cible reste le même même après un blocage temporaire. |
Le rôle de la 4G dans la surveillance à distance des parcs
De nombreuses installations de parcs ne disposent pas d'Internet filaire. Notre module 4G LTE4 envoie des alertes et de courts clips vidéo à votre téléphone ou VMS en quelques secondes. Le suivi s'exécute localement sur la caméra. Il n'a pas besoin du réseau pour suivre la cible. Le réseau est uniquement utilisé pour les notifications et la visualisation à distance.
Le système enregistrera-t-il “l'historique de trajectoire” d'un vélo pour une analyse médico-légale post-événement ?
Après un incident, la première question est toujours : “ D'où venaient-ils et où sont-ils allés ? ” J'ai eu des clients qui ont perdu des demandes d'assurance parce que leurs anciennes caméras ne pouvaient pas montrer le trajet d'un vélo sur la propriété.
Oui, le système enregistre l'historique complet du trajet pour chaque véhicule non motorisé suivi. Vous pouvez rejouer la trajectoire sur une superposition de carte, exporter des données structurées référencées GPS et utiliser des cartes thermiques pour identifier les schémas de déplacement répétés sur des jours ou des semaines.
Relecture de l'historique des trajets du suivi de vélo
Comment l'historique des trajets est enregistré
Chaque fois que le traqueur IA verrouille un véhicule non motorisé, il commence à enregistrer les données de position. Cela inclut les coordonnées pixel de l'objet dans l'image, la position panoramique-inclinaison-zoom correspondante de la caméra et un horodatage précis à la milliseconde.
Ces données sont stockées localement sur la carte SD de la caméra ou envoyées à votre NVR. Lorsque vous devez les examiner plus tard, vous ouvrez l'interface de lecture et voyez le trajet du vélo tracé comme une ligne sur l'image vidéo. Vous pouvez avancer et reculer dans le temps.
Exportation de données structurées
Pour travail médico-légal5, un simple clip vidéo ne suffit pas toujours. Notre système exporte les données de trajet sous forme de fichier structuré6. Cela signifie que vous obtenez un tableau d'horodatages, de coordonnées et de valeurs de vitesse. Vous pouvez importer cela dans votre propre logiciel d'analyse ou le remettre aux forces de l'ordre.
Analyse de carte thermique pour les schémas à long terme
La fonction de carte thermique est là où cela devient vraiment utile pour les clients B2B. Disons que vous gérez un complexe d'entrepôts. Sur 30 jours, le système collecte tous les trajets de vélos et de vélos électriques qui traversent votre propriété. Il génère ensuite une carte thermique7 montrant les itinéraires les plus courants.
Cela vous indique des choses comme :
- Les livreurs coupent-ils par une zone restreinte tous les matins ?
- Y a-t-il une brèche dans votre clôture que les cyclistes utilisent régulièrement ?
- Certains trajets n'apparaissent-ils que la nuit ?
Flux de travail d'examen médico-légal
Voici le flux de travail type que je recommande à nos partenaires intégrateurs :
- Un incident se produit. Vous recevez une alerte ou un rapport.
- Vous ouvrez le NVR et recherchez par type d'objet : “ vélo ” ou “ vélo électrique ”.”
- Vous définissez la fenêtre temporelle. Le système affiche tous les trajets suivis pendant cette période.
- Vous sélectionnez le trajet pertinent et exportez le clip vidéo ainsi que le fichier de données.
- Vous remettez les deux à votre client ou aux forces de l'ordre.
L'ensemble de ce processus prend quelques minutes, pas des heures. Vous n'avez pas besoin de parcourir manuellement 24 heures d'enregistrements.
Spécifications des données de trajet
| Fonctionnalité | Détail | Bénéfice |
|---|---|---|
| Format de stockage | Export JSON / CSV | Facile à importer dans n'importe quel outil d'analyse. |
| Période de rétention | Jusqu'à 90 jours sur le NVR | Couvre la plupart des délais d'enquête. |
| Génération de carte thermique | Quotidienne / Hebdomadaire / Mensuelle | Montre les modèles de comportement à long terme. |
| Filtres de recherche | Type d'objet, heure, zone | Trouver l'événement exact en secondes. |
| Système de coordonnées | Position PTZ + carte de pixels | Permet la reconstruction spatiale de la trajectoire. |
Comment le tracker distingue-t-il un chemin de vélo d'une allée piétonne ?
C'est une question que me posent presque tous les urbanistes et responsables de la sécurité des campus. Ils ne veulent pas seulement suivre les objets. Ils veulent que le système comprenne où ces objets devraient et ne devraient pas être.
Le système utilise une cartographie de zones définie par l'utilisateur, combinée à la classification des objets. Vous dessinez des zones sur la vue en direct de la caméra et attribuez des règles à chaque zone. Si un vélo entre dans une zone réservée aux piétons, ou si un piéton marche sur une piste cyclable, la caméra déclenche une alerte spécifique en fonction du type d'infraction.
Cartographie de zones pour piste cyclable vs allée piétonne
Moteur de règles basé sur les zones
L'interface web de la caméra vous permet de dessiner des polygones directement sur le flux vidéo en direct. Chaque polygone devient une zone nommée. Vous attribuez ensuite des règles à cette zone. Par exemple :
- Zone A (Piste cyclable) : Autoriser les vélos et les vélos électriques. Alerter si un piéton s'attarde plus de 10 secondes.
- Zone B (Allée piétonne) : Autoriser les piétons. Alerter immédiatement si un véhicule non motorisé entre.
- Zone C (Voie partagée) : Autoriser les deux. Aucune alerte pour le trafic normal. Alerter uniquement si la vitesse dépasse un seuil.
Cette logique de zone s'exécute entièrement sur le processeur de la caméra. Elle n'a pas besoin de serveur ni de connexion cloud pour prendre des décisions.
Comment la classification fonctionne en périphérie
Le modèle d'IA fonctionnant sur la caméra de notre NPU (Unité de traitement neuronal)8 classe chaque objet en mouvement dans l'une des plusieurs catégories. Pour les véhicules non motorisés, il examine la forme, la taille, le rapport d'aspect et le schéma de mouvement. Un vélo a une silhouette très différente de celle d'une personne qui marche. Un vélo électrique est plus large et se déplace plus rapidement qu'un piéton.
Le classificateur met à jour sa décision à chaque image. Ainsi, si quelqu'un descend de son vélo et commence à marcher, le système le reclassifie de “ cycliste ” à “ piéton ” en environ une seconde. Cela signifie que les règles de zone s'appliquent toujours correctement.
Gestion des cas limites
Les déploiements dans le monde réel comportent toujours des cas limites. Voici ceux que j'ai le plus souvent rencontrés et comment le système les gère :
- Personne poussant un vélo : Classé comme “ piéton avec objet ”. Le système peut être configuré pour traiter cela comme un piéton ou un cycliste, selon votre préférence.
- Planche à roulettes ou patins à roulettes : Ceux-ci entrent par défaut dans la catégorie des piétons. Si vous avez besoin qu'ils soient traités séparément, notre micrologiciel prend en charge la formation de classes personnalisées pour les partenaires OEM.
- Fauteuil roulant ou scooter de mobilité : Classé séparément des scooters de loisirs. Le système ne déclenchera pas d'alerte “ véhicule non motorisé ” pour les appareils de mobilité.
Pourquoi c'est important pour la responsabilité
Si vous êtes un intégrateur qui livre un projet de sécurité de campus, votre client a besoin de la preuve que le système peut faire respecter la séparation des voies. Il ne s'agit pas seulement de commodité. Il s'agit de responsabilité. Si un cycliste heurte un piéton sur une passerelle, le propriétaire peut être confronté à des questions juridiques sur la surveillance et l'application adéquates.
Nos alertes basées sur des zones donnent à votre client un enregistrement documenté. Ils peuvent montrer que le système a détecté l'infraction et envoyé une alerte. C'est une position solide dans toute discussion sur la responsabilité.
Puis-je définir un “seuil de vitesse” pour ignorer le trafic non motorisé lent ?
Les fausses alertes tuent la confiance dans tout système de sécurité. J'ai eu des clients qui ont désactivé tout leur système d'alerte parce qu'ils recevaient 200 notifications par jour de vélos lents qui ne présentaient aucun danger.
Oui, vous pouvez définir des seuils de vitesse minimum et maximum pour les alertes de véhicules non motorisés. Le système calcule la vitesse réelle de chaque objet à l'aide d'un mappage calibré pixel par distance. Les objets se déplaçant en dessous de votre seuil sont ignorés, et ceux qui le dépassent déclenchent des alertes immédiates.
Configuration du seuil de vitesse pour les véhicules non motorisés
Comment fonctionne le calcul de la vitesse
La caméra n'a pas de radar intégré. Au lieu de cela, elle utilise un processus de calibration. Lors de la configuration, vous indiquez au système la distance réelle entre deux points de référence dans l'image. Il peut s'agir de la largeur d'une route ou de la distance entre deux poteaux de clôture.
Une fois calibré, le système peut convertir le mouvement des pixels en vitesse réelle. Si un vélo se déplace de 50 pixels en une seconde, et que le système sait que 50 pixels équivalent à 5 mètres, alors le vélo se déplace à 5 m/s (environ 18 km/h).
Ce calcul s'exécute en continu pour chaque objet suivi. La précision est d'environ 10% pour les objets se déplaçant perpendiculairement à la ligne de visée de la caméra. Les objets se déplaçant directement vers ou s'éloignant de la caméra sont plus difficiles à mesurer, mais le système compense à l'aide des données de niveau de zoom.
Configuration des règles de vitesse
Dans l'interface de configuration de la caméra, vous trouverez les paramètres de seuil de vitesse sous le menu “ Événement intelligent ”. Voici ce que vous pouvez configurer :
- Vitesse minimale : Les objets en dessous de cette vitesse ne déclencheront pas d'alertes. Réglez-la sur 5 km/h pour ignorer les vélos garés ou les personnes poussant lentement un chariot.
- Vitesse maximale : Les objets au-dessus de cette vitesse déclenchent une alerte de haute priorité. Réglez-la sur 30 km/h pour intercepter les vélos électriques roulant à toute vitesse dans une zone restreinte.
- Combinaison Vitesse + Zone : Vous pouvez appliquer différents seuils à différentes zones. Une piste cyclable peut autoriser jusqu'à 25 km/h, tandis qu'une zone de quai de chargement peut alerter à tout ce qui dépasse 10 km/h.
Exemples pratiques
Voici comment j'ai vu des clients utiliser les seuils de vitesse dans des déploiements réels :
Périmètre de la ferme : Le client avait des travailleurs à vélo se déplaçant lentement le long de la clôture tous les matins. Ceux-ci étaient autorisés. Mais toute personne se déplaçant rapidement (au-dessus de 20 km/h) le long du périmètre était suspecte. La définition d'un seuil minimum de 20 km/h a éliminé toutes les alertes de routine tout en interceptant les intrus.
Zone de chargement de l'entrepôt : Les chariots élévateurs et les vélos de livraison partagent le même espace. Le client a défini un seuil maximum de 15 km/h. Tout véhicule non motorisé dépassant cette vitesse dans la zone de chargement déclenchait une alerte, car cela signifiait que quelqu'un roulait imprudemment près d'équipements lourds.
Campus scolaire : L'école voulait être informée de tout vélo électrique ou trottinette sur le campus, quelle que soit sa vitesse. Ils ont défini le seuil minimum à 0 km/h pour les zones du campus. Mais sur le trottoir public adjacent (également dans le champ de vision de la caméra), ils ont défini un minimum de 10 km/h pour éviter les alertes des piétons passant avec des poussettes.
Résumé de la configuration du seuil de vitesse
| Paramètres | Gamme | Défaut | Cas d'utilisation |
|---|---|---|---|
| Déclenchement de vitesse min. | 0–50 km/h | 5 km/h | Ignorer les objets garés ou très lents. |
| Déclencheur de vitesse max | 5–100 km/h | 40 km/h | Détecter les menaces en mouvement rapide. |
| Substitution spécifique à la zone | Par zone | Hérite du global | Des règles différentes pour des zones différentes. |
| Priorité d'alerte | Basse / Moyenne / Haute | Moyen | Haute pour les violations de vitesse dans les zones sensibles. |
| Précision de calibration | ±10% | — | Idéal pour les mouvements perpendiculaires à la caméra. |
Réduire les fausses alertes sans manquer les vraies menaces
L'objectif des seuils de vitesse est simple : moins de notifications inutiles, plus d'alertes exploitables. D'après mon expérience, un seuil de vitesse bien configuré réduit les fausses alertes de 60 à 80% dans la plupart des scénarios de véhicules non motorisés. Cela signifie que votre équipe de surveillance prête réellement attention lorsqu'une alerte arrive, car elle est sûre qu'elle est réelle.
Combinés à la classification des objets (vous n'alertez donc que sur les vélos, pas sur les chiens ou les détritus emportés par le vent) et aux règles de zone (vous ne surveillez donc que les zones qui comptent), les seuils de vitesse complètent la pile de filtrage. Vous obtenez un système qui ne vous dérange que lorsque quelque chose d'inhabituel se produit réellement.
Conclusion
Nos caméras PTZ IA suivent les véhicules non motorisés avec détection classifiée, enregistrement de trajectoire, règles basées sur des zones et filtrage de vitesse. Chaque fonctionnalité s'exécute en périphérie pour une réponse en temps réel, même sur des déploiements 4G alimentés par énergie solaire dans des endroits isolés.
1. Apprenez les bases de la technologie des caméras PTZ, y compris les capacités de panoramique, d'inclinaison et de zoom. ︎↩︎ 2. Explorez comment l'estimation de mouvement est utilisée pour prédire le mouvement des objets et améliorer la précision du suivi. ︎↩︎ 3. Apprenez comment les identifiants de suivi persistants maintiennent l'identité de l'objet à travers les images et les occlusions. ︎↩︎ 4. Comprenez le rôle de la LTE dans l'activation de la connectivité à distance et des alertes en temps réel à partir des caméras de terrain. ︎↩︎ 5. Explorez comment l'analyse vidéo forensique est utilisée pour reconstruire des événements et soutenir les enquêtes. ︎↩︎ 6. Apprenez les formats de fichiers structurés comme CSV utilisés pour exporter les données de trajectoire pour l'analyse post-événement. ︎↩︎ 7. Apprenez comment les cartes thermiques visualisent la fréquence et les modèles des itinéraires d'objets suivis au fil du temps. ︎↩︎ 8. Comprenez comment les processeurs IA dédiés permettent l'inférence en temps réel en périphérie pour la classification d'objets. ︎↩︎