Comment l'analyse vidéo peut aider à accélérer la reprise mondiale après le COVID-19

Publié: 2021-02-02

Notre monde lutte depuis un an contre une pandémie mondiale connue sous le nom de COVID-19. Il y a chaque jour des centaines de milliers de nouveaux cas dans le monde, rapporte l'OMS. La propagation de cette maladie est devenue problématique et préoccupe constamment les scientifiques et les médecins du monde entier.

De nombreux pays ont promulgué des lois concernant la distanciation sociale et le port de masques. L'indiqué est fait dans l'espoir d'essayer d'arrêter la propagation de ce virus. Avec autant de lieux publics ouverts (ou rouverts) tels que les centres commerciaux, les magasins, les restaurants, il est devenu difficile de savoir si les gens respectent ou non ces lois sur la distance sociale.

Alors que les employés retournent sur leur lieu de travail et que certains gouvernements lèvent lentement les restrictions de verrouillage, on ne sait pas comment le virus sera contrôlé, et ce manque de contrôle pourrait devenir un problème. L'employeur devrait être responsable de savoir si les travailleurs respectent les règles de distanciation sociale, ce qui pourrait devenir écrasant à un moment donné.

Comment la technologie peut-elle aider ?

Une des solutions logiques serait de se tourner vers la technologie. Mais comment la technologie peut-elle aider ici ? Aujourd'hui, où que nous allions, nous sommes entourés de technologie. Des recherches récentes à Londres ont montré qu'il existe plus de 600 000 caméras pour 9,3 millions de personnes (environ 67,5 caméras pour 1 000 personnes). Les images recueillies ici pourraient être d'une grande importance lors de l'observation des interactions et de la surveillance de la pratique de la distance sociale.

La technologie qui a attiré l'attention au cours des dernières années et qui s'est améliorée est l'analyse vidéo. En se concentrant sur la reconnaissance faciale ou la gestion des foules, ce type de technologie devrait atteindre 12 milliards de dollars d'ici 2026. Le marché de l'analyse vidéo s'est montré extrêmement utile dans la pandémie mondiale en s'appliquant à des choses comme la détection de la fièvre ou la distanciation sociale. .

Ces images peuvent être extrêmement utiles, mais revoir des centaines ou des milliers d'heures d'images elles-mêmes pourrait être une perte de temps. Une technologie plus avancée, telle que AIVA (Artificial Intelligence Video Analytics), est nécessaire ici. AIVA utilise des algorithmes géospatiaux pour établir l'emplacement d'un individu et pour apprendre la perspective de la scène.

Algorithmes de détection de fièvre et de distanciation sociale

Étant donné que l'un des symptômes de la COVID-19 est la fièvre, il a été nécessaire de mesurer la température corporelle sur les lieux de travail. La détection de la fièvre est extrêmement efficace et utile, ce qui facilite la détection d'une personne ayant une température corporelle plus élevée. La plupart de ces systèmes fonctionnent parce qu'ils utilisent l'apprentissage en profondeur pour zoomer sur l'œil d'une personne, qui est le plus représentatif de la température corporelle. Ce dépistage peut être effectué dans de nombreux lieux publics comme les écoles, les universités, les aéroports, les hôpitaux ou les hôtels.

Même si cela s'est avéré très utile, ce n'est pas tout à fait suffisant. Une personne infectée pourrait encore être en période d'incubation, ce qui signifie qu'elle ne présenterait pas certains symptômes (comme la fièvre) dans cette phase précoce.

En matière de distanciation sociale, un algorithme qui garderait une trace si deux personnes (ou plus) se tiennent à une distance de 2 mètres l'une de l'autre serait extrêmement utile. Si quelqu'un enfreint les règles, un déclencheur alertera les autorités. Même si les règles changent en ce qui concerne la distance sociale, il est facile d'ajuster les paramètres.

Si un magasin ou un restaurant particulier compte plusieurs personnes à l'intérieur, il serait essentiel de pratiquer la distanciation sociale. Ce type d'algorithme encouragerait la distanciation sociale et établirait un moyen pour chacun de se souvenir de l'importance de la distanciation sociale en premier lieu.

Algorithmes de reconnaissance de masque facial

Avoir un masque facial est également devenu la nouvelle norme. La plupart des pays exigent que les citoyens portent des masques lorsqu'ils sont à l'extérieur de la maison. Le port du masque ralentit la propagation du virus. Mais il est extrêmement difficile de surveiller chaque personne et si elle porte un masque. Puisqu'il est presque impossible pour les humains de faire ce travail en temps réel, l'automatisation de ce processus à l'aide de la technologie est essentielle.

De nombreux algorithmes de reconnaissance faciale tournent aujourd'hui autour de la numérisation des yeux, du nez, de la bouche et des oreilles. Mais une majorité de ces algorithmes ont du mal à scanner le visage si une personne porte un masque. Par exemple, l'iPhone d'Apple (qui utilise FaceID pour déverrouiller le téléphone d'une personne) avait du mal à scanner le visage d'une personne tout en portant un masque. Apple a dû améliorer son algorithme pour détecter un masque sur le visage d'une personne. L'iPhone leur donnerait la possibilité de saisir leur mot de passe au lieu de leur faire retirer leur masque.

Les développeurs ont expliqué que l'algorithme qui détecterait un masque sur le visage de quelqu'un contourne les problèmes de confidentialité que nous rencontrions dans le passé. C'est parce que l'algorithme n'identifie pas une personne ou son identité. L'algorithme est formé pour faire deux choses :

Détection de visage - la seule chose qu'un algorithme ferait ici est de détecter un visage
Détection de masque - reconnaître s'il y a un masque ou non.

L'avantage est que l'algorithme n'identifie pas le visage – il ne le relie donc pas à une personne en particulier.

Certaines entreprises ont commencé à utiliser ces algorithmes pour les aider à savoir si leurs employés portent ou non un masque. L'algorithme diviserait les personnes en deux groupes, un groupe de personnes portant un masque et des personnes ne portant pas de masque. Les données recueillies ici seraient entre les mains de l'entreprise. Ce serait utile – car une entreprise pourrait licencier ses employés qui refusent de porter un masque sur leur lieu de travail.

De tels algorithmes pourraient également être utilisés dans des lieux publics (comme des centres commerciaux, des magasins, etc.). Mais certains pays (comme les États-Unis d'Amérique) n'ont pas de lois régissant la confidentialité des données. Ainsi, les entreprises qui collectent ces données ne sont pas obligées de nous dire ou d'expliquer ce qui se passe avec les données qu'elles collectent.

Réduction du surpeuplement et des points chauds

Comme nous l'avons vu, la distance sociale est devenue un atout prédominant dans la lutte contre ce virus. Parfois, cela peut être difficile, surtout dans les villes énormes et plus peuplées. Et à bien des égards, l'interaction sociale est cruciale et peut contribuer à la croissance économique. Mais dans cette pandémie que nous combattons, c'est quelque chose que nous devons contrôler.

L'objectif final de la distanciation sociale est de ralentir autant que possible la propagation du virus. La distanciation sociale aide également à empêcher les hôpitaux de déborder. Alors, comment pouvons-nous y parvenir? Dans les zones et les quartiers plus riches, ce n'est pas si difficile. Les gens peuvent s'isoler chez eux et travailler à distance depuis chez eux.

Mais qu'en est-il des habitants les moins riches ? Qu'en est-il des quartiers et des zones trop peuplés ? La plupart des gens doivent quitter leur domicile et aller travailler. Ils sont constamment entourés de personnes dans la région où ils vivent ou travaillent.

Pour éviter de futures crises, il serait d'une grande aide d'avoir des points chauds émergents. Avec plus de quelques millions de citoyens dans les grandes villes, les zones surpeuplées rendent plus difficile le contrôle de la propagation du virus. En identifiant automatiquement les points chauds émergents par des algorithmes, nous pouvons repérer en temps opportun les endroits critiques et surpeuplés et alerter le personnel médical ou le gouvernement.

Nous avons besoin de cette technologie en raison de l'incapacité des habitants de certaines zones à garder une distance sociale, où les gens, même confinés, n'ont d'autre solution que de se regrouper. En utilisant la vision par ordinateur et la technologie basée sur l'IA pour repérer ces domaines, nous pouvons donner une perspective en temps réel aux personnes occupant des postes de direction. En conséquence, ils peuvent mieux se préparer à lutter contre la pandémie et être au service de leurs citoyens.

Derniers mots

Alors que le monde entier lutte toujours contre ce virus mortel, il est globalement la priorité numéro un de surmonter tous les problèmes que le virus a causés. Le COVID-19 a presque touché tout le monde, en particulier les personnes âgées. À bien des égards, cela a changé notre façon de vivre. Il est difficile d'imaginer que nous vivions autrefois sans masque et que nous n'avions pas de distance sociale, mais c'est la nouvelle norme - du moins pour l'instant.

La bonne nouvelle est que nous avons un moyen de comprendre comment la pandémie nous affecte – dans une certaine mesure. La technologie a été d'une grande aide jusqu'à présent, et elle continue d'aider. Par exemple, à une époque où les gens doivent porter un masque presque tout le temps, un algorithme qui suit si les gens portent un masque s'est avéré très utile. De plus, avoir des algorithmes qui aident à la distance sociale pourrait encourager les gens à respecter les lois sur la distance sociale.

La technologie de pointe a aidé, mais pour vaincre complètement cette pandémie, le monde doit être uni et la combattre ensemble. Non seulement cela augmente nos chances de le vaincre complètement, mais cela nous préparerait également à des situations futures similaires à celle que nous avons eue avec COVID-19.

Note de l'éditeur : Michael est directeur technique et fondateur de BroutonLab, une société de science des données qui a réalisé plus de 50 projets de développement d'IA d'une valeur totale de plus d'un million de dollars. Michael est un expert en Deep Learning, en particulier ses applications en Computer Vision, NLP et Reinforcement Learning.

Avez-vous des idées à ce sujet? Faites-le nous savoir ci-dessous dans les commentaires ou transférez la discussion sur notre Twitter ou Facebook.