Intelligence Artificielle

Introduction

Installer un réseau de caméras dans son entreprise, chez soi ou dans un champs est devenu une chose aisée. (Voir notre tutoriel complet expliquant la mise en œuvre d’une caméra 4G.)

Le problème que l’on rencontre le plus fréquemment lorsque l’on a passé le cap de la configuration du système. C’est de parvenir à le paramétrer afin que celui-ci ne nous dérange que quand il y a effectivement un véritable problème. Lorsqu’il s’agit de vérifier la température d’un bâtiment ou l’humidité d’une pièce, les capteurs existants peuvent facilement lever le doute et sonner l’alerte quand le seuil défini est dépassé. Car la métrique est simple : une température ou un niveau hygrométrique.

Par contre lorsqu’il s’agit de reconnaître des formes humanoïdes dans un flux vidéo ou sur des images, il faut faire appel à une aide externe. Traditionnellement on a en tête le poste de sécurité et ses murs d’écrans aux images fixes. Dans lequel un vigile ou un agent de sécurité lutte contre le sommeil.

Heureusement, cette vision Hollywoodienne des stations de contrôle est dépassée. Depuis quelques temps, l’intelligence artificielle a fait irruption dans tous les domaines en particulier celui de l’analyse des images.

Une pléthore de logiciels est disponible, on peut désormais déployer une solution intelligente chez soi. Une machine analysera les flux ou les images qu’on lui indiquera, afin de vérifier que tout est en ordre.

Nous allons au cours de ce tutoriel apprendre à déployer un système basé sur l’IA. Nous serons amené à configurer un programme qui analysera en temps réel les flux ou les images que nous lui soumettrons. Nous ferons en sorte qu’il soit le plus autonome possible et qu’il nous alerte seulement quand il y aura matière à le faire. Nous essaierons de réduire au maximum les faux positifs, qui sont l’ennemi n°1 des systèmes de sécurité.

Pour suivre avec moi les différentes étapes vous aurez besoin :

• d’un peu de matériel (voir la liste ci-dessous)
• de quelques connaissances de l’environnement Linux
  • Git
  • Compiler / Installer un projet C/C++
  • Python 3
• un peu de patience et de volonté :)

I. Le matériel

Un Jetson Nano (ou un ordinateur équipé d’une carte graphique Nvidia)

Le Jetson est un petit ordinateur équipé d’un processeur graphique Nvidia permettant de mettre un pied dans l’apprentissage profond (deep learning), à faible coût. Il tourne sous Ubuntu.

Un adaptateur 4V à 4A permettant l’alimentation du Jetson

Le Jetson n’est pas fourni avec une alimentation. Il faut se la procurer séparément.

Un boîtier pour le Jetson Nano (optionnel)

Le boîtier permet de protéger le Jetson et de le refroidir, en effet les opérations de calcul liées aux traitements des images et des flux vidéos peuvent être intensives et vont faire chauffer le matériel.

Un ventilateur à installer sur le boîtier (optionnel)

Le ventilateur permettra de refroidir efficacement et sans bruit le Jetson.

Une caméra IP

Par exemple, cette petite caméra Reolink fonctionne très bien, elle est relativement bon marché. Elle peut être installée à l’extérieur. On peut bien sûr utiliser n’importe quelle caméra qui peut diffuser des flux vidéos ou même des images que l’on a sous la main.

Il nous faudra également :

• un câble HDMI pour la première configuration du Jetson.
• un câble RJ45 afin de connecter le Jetson sur le réseau. (Il existe un module Wifi également)

II. Conclusion

Le matériel n’est pas forcément utile si l’on veut simplement tester cette solution d’IA. On peut alors simplement utiliser un ordinateur, une webcam ou même des vidéos ou des images dont on dispose.

Dans la prochaine étape nous allons déballer le matériel et commencer la configuration du Jetson

Suite du tutoriel : Partie 2 >

Soutenez le projet

Ce tutoriel est gratuit, mais si vous voulez soutenir mon travail vous pouvez :

faire un don via PayPal

Choisissez le montant désiré en bougeant le sélecteur :