Détection de comportements et d’événements potentiellement mortels dans les prisons à partir d’analyse de vidéos par intelligence artificielle

Résumé

Le suicide est un phénomène complexe. Selon l’Organisation Mondiale de la Santé (WHO), une personne se donne la mort toutes les 40 secondes, soit 800 000 personnes par an. L’acte est d’autant plus fréquent dans les prisons. Les méthodes d’automutilation les plus fréquentes sont la pendaison, majoritaire, et le sectionnement. Si détectées suffisamment tôt, les tentatives de suicide peuvent mener à une hospitalisation rapide et à une survie probable. La télévision en circuit fermé est une solution, mais, lorsqu’un agent a plusieurs caméras à surveiller, il perd 95% de sa capacité d’attention en une vingtaine de minutes. La vidéosurveillance humaine soulève également des questionnements d’éthique. Ce mémoire s’inscrit dans une volonté d’automatiser la surveillance en détectant les comportements dangereux. Aucune reconnaissance faciale ou d’identité n’est effectuée, aucun enregistrement. Nous proposons une méthode de reconnaissance d’activités humaines par intelligence artificielle. Les caméras rouge-vert-bleu + profondeur (RGB+D), comme la Kinect de Microsoft, sont des outils intéressants pour la reconnaissance d’activités. Celles-ci proposent différents flux de données : vidéo rouge-vert-bleu (RGB), infrarouge, nuage de points et représentation dans une espace à trois dimensions (3D) des articulations du squelette humain. Les images RGB ne sont pas adaptées à un contexte de sécurité, car elles ne fournissent aucune information dans le noir. Le squelette est une représentation intéressante de par sa faible dimensionnalité et son insensibilité au décor environnant, mais s’avère peu discriminant pour des actions fines impliquant des objets. Or, les tentatives de suicide impliquent l’utilisation d’objets. Nos travaux montrent que l’infrarouge est une alternative puissante qui fonctionne dans le noir. Une architecture profonde est proposée, combinant infrarouge et articulations 3D. Deux modules indépendants extraient des caractéristiques propres à chaque flux. Un troisième et dernier module étudie les caractéristiques conjointement et propose une classification finale. L’architecture développée obtient des résultats dignes de l’état de l’art sur la plus grande base de données RGB+D publique, NTU RGB+D, de reconnaissance d’activités humaines à ce jour. Ces résultats sont ensuite transférés d’un contexte offline à un réseau de reconnaissance anticipée online. Le nouveau réseau peut être utilisé pour de la détection d’activités online, qui réplique un scénario temps réel, en ajoutant un module de proposition de segments temporels. À nouveau, nous obtenons des résultats dignes de l’état de l’art sur NTU RGB+D et PKU-MMD, deux bases de données de référence.

Date	16 juin 2020
langue originale	Français
Établissement diplômant	École de technologie supérieure
Superviseur	Rita Noumeir (Directeur(-trice))