<\/p>\n
Les syst\u00e8mes de vid\u00e9osurveillance tels que la t\u00e9l\u00e9vision en circuit ferm\u00e9 (CCTV) sont largement d\u00e9ploy\u00e9s dans divers contextes, y compris dans les lieux publics, les infrastructures publiques, les b\u00e2timents commerciaux et plus encore. Dans la plupart des cas, ils sont utilis\u00e9s dans un double but: la surveillance en temps r\u00e9el des actifs physiques et des espaces et la r\u00e9vision des informations vid\u00e9o collect\u00e9es pour identifier les indicateurs de s\u00e9curit\u00e9 et planifier les mesures de s\u00e9curit\u00e9.<\/p>\n
M\u00eame si les syst\u00e8mes de vid\u00e9osurveillance font partie int\u00e9grante du secteur public et de la s\u00e9curit\u00e9 depuis des d\u00e9cennies, ils suscitent un int\u00e9r\u00eat consid\u00e9rable en dehors de ces secteurs. Cet int\u00e9r\u00eat est largement attribuable \u00e0 l’augmentation des taux de criminalit\u00e9 et des menaces \u00e0 la s\u00e9curit\u00e9 partout dans le monde, ce qui entra\u00eene une croissance continue du march\u00e9 de la vid\u00e9osurveillance. Selon un r\u00e9cent rapport de Mordor Intelligence, le march\u00e9 de la vid\u00e9osurveillance \u00e9tait \u00e9valu\u00e9 \u00e0 29,98 milliards de dollars en 2016 et devrait atteindre 72,19 milliards de dollars d’ici 2022. Ce potentiel de march\u00e9 est \u00e9galement stimul\u00e9 par les progr\u00e8s r\u00e9cents des technologies de l’information, \u00e9volutivit\u00e9 et pr\u00e9cision des solutions de vid\u00e9osurveillance. Qu’est-ce qui anime les principales tendances technologiques de la vid\u00e9osurveillance? Comment pouvez-vous les utiliser au mieux?<\/p>\n
L’\u00e9volution des syst\u00e8mes de vid\u00e9osurveillance est guid\u00e9e par les tendances technologiques suivantes:<\/p>\n
Les progr\u00e8s r\u00e9cents dans le traitement du signal permettent le d\u00e9veloppement de syst\u00e8mes de vid\u00e9osurveillance intelligents, notamment des syst\u00e8mes capables d’adapter de mani\u00e8re flexible le taux de collecte de donn\u00e9es vid\u00e9o. En particulier, chaque fois qu’un indicateur d’incident de s\u00e9curit\u00e9 est d\u00e9tect\u00e9, le taux de collecte de donn\u00e9es est augment\u00e9 afin de fournir des informations plus riches pour une analyse plus pr\u00e9cise et cr\u00e9dible.<\/p>\n
Les infrastructures Big Data \u00e0 la pointe de la technologie ont ouvert de nouveaux horizons pour stocker et acc\u00e9der aux donn\u00e9es vid\u00e9o caract\u00e9ris\u00e9es par les 4V du Big Data: Volume, Vitesse, Vari\u00e9t\u00e9 et V\u00e9racit\u00e9. En particulier, la collecte d’immenses volumes de donn\u00e9es \u00e0 partir de plusieurs cam\u00e9ras, y compris le streaming de donn\u00e9es avec des taux d’ingestion \u00e9lev\u00e9s, est maintenant beaucoup plus facile que par le pass\u00e9. Les syst\u00e8mes Big Data fournissent les moyens de cr\u00e9er et de mettre en \u0153uvre des architectures de vid\u00e9osurveillance \u00e9volutives de mani\u00e8re transparente et rentable.<\/p>\n
Au cours de ces derni\u00e8res ann\u00e9es, de nombreux syst\u00e8mes de streaming ont vu le jour. Ces derniers fournissent des fonctionnalit\u00e9s pour la gestion du streaming et l’analyse en continu, tout en \u00e9tant une partie importante des syst\u00e8mes Big Data pr\u00e9c\u00e9demment discut\u00e9s.<\/p>\n
2016 et 2017 ont \u00e9t\u00e9 des ann\u00e9es importantes pour l’histoire de l’Intelligence Artificielle, en raison de l’\u00e9mergence d’approches d’apprentissage en profondeur, comme celles utilis\u00e9es par le moteur Alpha AI de Google. L’\u00e9volution des r\u00e9seaux neuronaux profonds peut \u00eatre directement exploit\u00e9e dans les syst\u00e8mes de vid\u00e9osurveillance pour leur conf\u00e9rer une intelligence exceptionnelle et permettre des processus de surveillance plus efficaces. Par exemple, l’IA peut activer l’analyse pr\u00e9dictive, qui permet aux op\u00e9rateurs de s\u00e9curit\u00e9 d’anticiper les incidents de s\u00e9curit\u00e9 et de s’y pr\u00e9parer de mani\u00e8re proactive.<\/p>\n
La combinaison de dispositifs IoT et d’objets intelligents avec des syst\u00e8mes de vid\u00e9osurveillance sera \u00e9galement un \u00e9l\u00e9ment cl\u00e9 pour fournir la prochaine g\u00e9n\u00e9ration de fonctionnalit\u00e9s de s\u00e9curit\u00e9 et de surveillance. Dans ce sens, les v\u00e9hicules a\u00e9riens sans pilote (UAV) (drones) sont aujourd’hui d\u00e9ploy\u00e9s afin de fournir une polyvalence de surveillance vid\u00e9o et des fonctionnalit\u00e9s qui ne sont gu\u00e8re possibles sur la base de cam\u00e9ras fixes conventionnelles.<\/p>\n
La transformation num\u00e9rique en cours des actifs et des processus industriels conduit progressivement \u00e0 une convergence des mesures de s\u00e9curit\u00e9 physique et cybern\u00e9tique. Les syst\u00e8mes de vid\u00e9osurveillance jouent un r\u00f4le cl\u00e9 dans cette convergence, car ils repr\u00e9sentent des infrastructures informatiques pouvant \u00eatre utilis\u00e9es pour surveiller des zones physiques. Par cons\u00e9quent, ils peuvent \u00eatre int\u00e9gr\u00e9s de mani\u00e8re flexible \u00e0 d’autres syst\u00e8mes de cybers\u00e9curit\u00e9 en vue d’une approche holistique et int\u00e9gr\u00e9e de la s\u00e9curit\u00e9 et de la surveillance.<\/p>\n
Les technologies \u00e9num\u00e9r\u00e9es ci-dessus ouvrent de nouveaux horizons dans le d\u00e9veloppement, le d\u00e9ploiement et l’exploitation de syst\u00e8mes de vid\u00e9osurveillance intelligents. Mais c’est aux d\u00e9veloppeurs et d\u00e9ployeurs de vid\u00e9osurveillance d’int\u00e9grer et de tirer pleinement parti des fonctionnalit\u00e9s de ces technologies. \u00c0 cette fin, il est important de concevoir et de mettre en \u0153uvre une architecture appropri\u00e9e pour votre infrastructure de vid\u00e9osurveillance. Les architectures modernes de syst\u00e8mes de vid\u00e9osurveillance suivent le paradigme de l’Edge \/ Fog computing pour traiter les informations vid\u00e9o plus pr\u00e8s du terrain. Cela leur permet d’\u00e9conomiser sur la bande passante et d’effectuer une surveillance de s\u00e9curit\u00e9 en temps r\u00e9el. Les cam\u00e9ras sont d\u00e9ploy\u00e9es \u00e0 la p\u00e9riph\u00e9rie du r\u00e9seau dans le cadre de n\u0153uds de p\u00e9riph\u00e9rie capables de capturer et de traiter les trames vid\u00e9o. Les n\u0153uds p\u00e9riph\u00e9riques sont \u00e9galement capables de mettre en \u0153uvre une intelligence de collecte de donn\u00e9es, gr\u00e2ce \u00e0 des fr\u00e9quences d’images de r\u00e9glage bas\u00e9es sur le contexte de s\u00e9curit\u00e9 identifi\u00e9. De plus, ils sont connect\u00e9s \u00e0 une infrastructure Cloud, o\u00f9 les informations de plusieurs cam\u00e9ras sont connect\u00e9es, examin\u00e9es et analys\u00e9es \u00e0 des \u00e9chelles de temps plus grossi\u00e8res.<\/p>\n
Les architectures Edge \/ Fog computing sont \u00e9galement le choix id\u00e9al pour soutenir le m\u00e9lange de la vid\u00e9osurveillance avec les technologies pr\u00e9sent\u00e9es. Les drones IoT doivent \u00eatre int\u00e9gr\u00e9s \u00e0 des n\u0153uds de p\u00e9riph\u00e9rie appropri\u00e9s dans le cadre d’une architecture informatique de p\u00e9riph\u00e9rie mobile. Les analyses en temps r\u00e9el en continu doivent \u00eatre effectu\u00e9es \u00e0 la p\u00e9riph\u00e9rie plut\u00f4t que sur le cloud du d\u00e9ploiement de la vid\u00e9osurveillance. Des fonctionnalit\u00e9s d’apprentissage en profondeur peuvent \u00eatre d\u00e9ploy\u00e9es \u00e0 la fois \u00e0 l’acc\u00e8s et au niveau du cloud. Les r\u00e9seaux neuronaux profonds \u00e0 la p\u00e9riph\u00e9rie peuvent prendre en charge l’extraction de mod\u00e8les de s\u00e9curit\u00e9 complexes en temps r\u00e9el. Dans le m\u00eame temps, l’extraction de mod\u00e8les de s\u00e9curit\u00e9 et de connaissances sur de vastes zones couvertes par de nombreux n\u0153uds p\u00e9riph\u00e9riques (par exemple, des d\u00e9ploiements \u00e0 l’\u00e9chelle de la ville) n’est possible que gr\u00e2ce au d\u00e9ploiement de l’apprentissage en profondeur sur le cloud. En g\u00e9n\u00e9ral, il est assez difficile de d\u00e9cider si certaines fonctionnalit\u00e9s doivent \u00eatre plac\u00e9es sur le cloud ou en p\u00e9riph\u00e9rie. Les d\u00e9cisions pertinentes sont g\u00e9n\u00e9ralement associ\u00e9es \u00e0 la r\u00e9solution des compromis (par exemple, la vitesse de traitement par rapport \u00e0 la pr\u00e9cision du traitement pour certaines fonctions de surveillance).<\/p>\n
Les syst\u00e8mes de vid\u00e9osurveillance pourraient b\u00e9n\u00e9ficier des architectures ouvertes de plusieurs fournisseurs de mat\u00e9riel. Ceci est d\u00fb au fait qu’une solution de surveillance peut comprendre diff\u00e9rents dispositifs et modalit\u00e9s de capture vid\u00e9o (par exemple, des cam\u00e9ras haute d\u00e9finition, des cam\u00e9ras filaires et sans fil, des cam\u00e9ras dans des drones \/ UAV et plus). Une architecture ouverte peut offrir une flexibilit\u00e9, une facilit\u00e9 de d\u00e9ploiement et une long\u00e9vit\u00e9 technologique. Au cours de l’ann\u00e9e \u00e9coul\u00e9e, des efforts ont \u00e9t\u00e9 d\u00e9ploy\u00e9s pour introduire une architecture ouverte bas\u00e9e sur des normes pour l’informatique d’acc\u00e8s et le cloud afin de pr\u00e9senter la vid\u00e9osurveillance comme l’une des principales utilisations du cloud.<\/p>\n
Au-del\u00e0 de la sp\u00e9cification d’une architecture informatique de pointe appropri\u00e9e, les fournisseurs de syst\u00e8mes de vid\u00e9osurveillance doivent \u00e9galement faire face \u00e0 d’autres d\u00e9fis. L’un de ces d\u00e9fis concerne la protection de la vie priv\u00e9e et le respect des r\u00e8gles de protection des donn\u00e9es. En effet, le d\u00e9ploiement de capteurs de surveillance est soumis \u00e0 des lois et des directives sur la vie priv\u00e9e et la protection des donn\u00e9es, qui imposent parfois des limites sur la nature et l’ampleur du d\u00e9ploiement. De m\u00eame, l’utilisation de drones devrait \u00e9galement \u00eatre conforme \u00e0 une r\u00e9glementation adapt\u00e9e.<\/p>\n
Un autre d\u00e9fi concerne le niveau d’automatisation de la solution. Bien que l’automatisation soit en g\u00e9n\u00e9ral souhaitable pour couvrir et surveiller des zones plus vastes sans ressources humaines suppl\u00e9mentaires, l’examen humain et l’intervention restent la cl\u00e9 de la fiabilit\u00e9 de la solution globale. De plus, un autre d\u00e9fi concerne les nouvelles menaces qui pourraient d\u00e9couler de la nature cyberphysique des syst\u00e8mes de vid\u00e9osurveillance. Une attaque physique pourrait s’accompagner d’une cyberattaque contre l’infrastructure de vid\u00e9osurveillance, afin de compromettre la capacit\u00e9 de cette derni\u00e8re \u00e0 d\u00e9tecter l’incident de s\u00e9curit\u00e9 physique.<\/p>\n
Un autre d\u00e9fi concerne la mise en \u0153uvre de l’intelligence pilot\u00e9e par les donn\u00e9es (c’est-\u00e0-dire dans le cadre de l’analyse pr\u00e9dictive et de l’intelligence artificielle), qui n\u00e9cessite de gros volumes de donn\u00e9es avec des incidents de s\u00e9curit\u00e9 difficilement disponibles. L’IA \u00e0 l’acc\u00e8s (par exemple, des r\u00e9seaux de neurones profonds l\u00e9gers et efficaces) en est encore \u00e0 ses balbutiements, en d\u00e9pit de l’\u00e9mergence de startups innovantes avec des produits et des services IA avanc\u00e9s.<\/p>\n
Afin de relever ces d\u00e9fis, les d\u00e9veloppeurs et les d\u00e9ployeurs de solutions de vid\u00e9osurveillance doivent mieux se conformer aux normes et aux r\u00e9glementations, tout en adoptant une approche de d\u00e9ploiement progressif \/ progressif. Ce dernier devrait permettre une transition en douceur des syst\u00e8mes manuels \u00e0 m\u00e9diation par l’op\u00e9rateur humain vers une surveillance visuelle enti\u00e8rement automatis\u00e9e bas\u00e9e sur l’IA. Un d\u00e9ploiement progressif de l’intelligence pilot\u00e9e par les donn\u00e9es est \u00e9galement n\u00e9cessaire, en partant de r\u00e8gles simples et en passant \u00e0 des techniques d’apprentissage machine plus sophistiqu\u00e9es capables de d\u00e9tecter des sch\u00e9mas d’attaque asym\u00e9triques plus complexes. Une autre bonne pratique consiste \u00e0 d\u00e9ployer des architectures ouvertes pouvant accueillir \u00e0 la fois des capteurs de surveillance futurs et h\u00e9rit\u00e9s, afin de tirer parti des fonctionnalit\u00e9s avanc\u00e9es au meilleur rapport qualit\u00e9 \/ prix.<\/p>\n
Dans l’ensemble, les solutions de vid\u00e9osurveillance modernes peuvent \u00eatre tr\u00e8s innovantes, car elles peuvent comprendre des technologies de pointe en mati\u00e8re d’IT et de r\u00e9seautage. Quelle est la meilleure fa\u00e7on de mettre \u00e0 niveau ou de d\u00e9ployer votre propre infrastructure de vid\u00e9osurveillance? Commencez par une description d\u00e9taill\u00e9e de vos exigences en mati\u00e8re de s\u00e9curit\u00e9 et d’entreprise et un partenaire technologique fiable qui int\u00e9grera et d\u00e9ploiera le syst\u00e8me en votre nom et le ciel est la limite.<\/p>\n","protected":false},"excerpt":{"rendered":"
This article discusses some reasons for the growth in the use of video surveillance networks and recommends some deployment best practices.<\/p>\n","protected":false},"author":3,"featured_media":117172,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"location":[],"markets":[],"partners":[],"posttype":[7993],"products":[],"services":[],"solutions":[8167],"site_tags":[8145,8138],"technologies":[],"class_list":["post-143805","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","posttype-blogpost","solutions-physicalsecuritysurveillance","site_tags-networksecurity","site_tags-videosurveillance"],"acf":[],"yoast_head":"\n