Les caméras de sécurité dotées d’un chipset IA vont devenir la norme des smart cities. L’objectif est de gérer intelligemment le trafic et de prévenir les éventuelles menaces. Par conséquent, il est estimé que d’ici 2025, plus de 350 millions de ces systèmes intelligents seront installés.
La plupart des smart cities cherchent activement à utiliser l’IA. Ainsi, ce phénomène a entraîné une véritable explosion de l’adoption de caméras de surveillance équipées de chipset IA. Outre la faible latence, les enjeux liés à la confidentialité des données incitent également les utilisateurs à opter pour cette technologie.
Smart city : des millions de caméras équipées d’un chipset IA d’ici 2025
Selon la société mondiale de conseil en marché technologique, ABI Research, le nombre de caméras intelligentes intégrant une puce IA va considérablement augmenter dans quatre ans. En fait, cette intégration va devenir une norme pour les projets de ville intelligente. Ainsi, plus de 65 %, soit 350 millions des caméras installées disposeront d’au moins une puce d’IA.
Des modules d’apprentissage profond (DL) vont alors équiper ces dispositifs intelligents. Le but est de faciliter et d’automatiser la prise de décision dans différentes activités. En particulier, la gestion intelligente du trafic, les actifs autonomes, la surveillance et la gestion des flux piétons. Mais également, la sécurité physique et la détection préventive des menaces.
La majorité de ces charges de travail fonctionne grâce à des modèles d’apprentissage profond hébergés dans le cloud. L’exécution des autres tâches se fait par un système d’inférence DL. Ce dernier est intégré aux caméras intelligentes et aux enregistreurs vidéo en réseau. Toutefois, ces deux méthodes de déploiement ont leurs forces et leurs faiblesses respectives.
Catalyseur du lancement de la visualisation numérique basée sur la DL
Au lieu de déployer des versions spécifiques de DL sur des caméras intelligentes, les autorités locales et régionales peuvent les héberger sur des passerelles et des serveurs sur site. Le traitement et le stockage des données peuvent ainsi se faire en périphérie. Cette démarche permet d’obtenir des temps de réponse plus rapides qu’avec une infrastructure en cloud.
Le deuxième argument concerne la 5G. Ses capacités de segmentation du réseau permettent aux fournisseurs de services de communication d’offrir des ressources dédiées pour héberger des microservices. Cela garantit également une connectivité et un embarquement transparents des appareils pour prendre en charge la vision industrielle basée sur la DL dans une smart city.
En outre, le passage à l’informatique de périphérie ouvre de nouvelles opportunités de marché, surtout pour les startups de puces d’IA.
Les obstacles majeurs des caméras intelligentes
La confiance du public et les réglementations liées à l’adoption de l’IA dans les caméras de surveillance des lieux publics constituent un défi majeur pour leur mise en œuvre. En effet, les citoyens et les protecteurs des droits de l’homme se méfient des abus et s’opposent à l’adoption des technologies de reconnaissance faciale.
Par conséquent, aux États-Unis, les conseils municipaux interdisent même le recours à la reconnaissance faciale. En Chine, le déploiement à l’échelle nationale de la technologie de reconnaissance faciale pour maintenir la sécurité nationale et l’ordre public a fait l’objet d’un examen approfondi.
- Partager l'article :
