Vision par ordinateur
Des algorithmes qui interprètent le contenu des images pour en extraire des informations structurées : présence, position, mouvement.
Technologie
Une technologie Smart Vision au service de vos indicateurs
VIDEO.MA combine vision par ordinateur, traitement Edge AI et intégration de données pour transformer des flux vidéo en indicateurs métier anonymes. Nous présentons ici nos briques technologiques avec transparence, y compris leur état réel de mise en œuvre.
Domaines technologiques
Détection d’objets
Des réseaux de neurones qui localisent personnes, véhicules et objets métier dans chaque image, avec un score de confiance.
Suivi d’objets
Un suivi multi-objets qui relie les détections d’une image à l’autre grâce à des identifiants temporaires et anonymes.
Edge AI
L’analyse est exécutée sur site, au plus près des caméras : moins de bande passante, plus de réactivité, aucune image transmise par défaut.
Analyse vidéo
Des lignes et zones virtuelles, des règles et des durées qui transforment les détections en événements métier : comptages, occupation, files d’attente.
IoT et capteurs
La vidéo peut être complétée par des capteurs (comptage, environnement, équipements) lorsque le cas d’usage l’exige, selon une étude spécifique.
Business Intelligence
Des indicateurs agrégés, des tendances et des comparaisons entre sites, présentés dans des rapports et tableaux de bord exploitables.
Intégration de données
Le rapprochement avec vos logiciels de caisse, ERP ou WMS via API ou export, pour distinguer l’activité observée des ventes et stocks réels.
Supervision en temps réel
Des règles évaluées en continu et des alertes envoyées aux équipes concernées, en appui de leurs décisions opérationnelles.
Notre pile technologique
Les statuts ci-dessous reflètent l’état réel de mise en œuvre à ce jour : « en usage » pour les technologies qui font fonctionner notre plateforme web actuelle, « évaluée » pour les briques testées et retenues pour les projets d’analyse vidéo et la plateforme en préparation, « prévue » pour celles qui figurent sur notre feuille de route.
| Technologie | Rôle | Statut |
|---|---|---|
Spring Boot Back-end Framework Java de l’API et des services serveur de la plateforme web VIDEO.MA. | Framework Java de l’API et des services serveur de la plateforme web VIDEO.MA. | Utilisé |
PostgreSQL Base de données Base de données relationnelle de la plateforme web, retenue également pour le stockage des indicateurs agrégés. | Base de données relationnelle de la plateforme web, retenue également pour le stockage des indicateurs agrégés. | Utilisé |
React / TypeScript Front-end Interface du site web VIDEO.MA, base de la future interface client. | Interface du site web VIDEO.MA, base de la future interface client. | Utilisé |
Python IA et traitement vidéo Langage de référence pour les pipelines de vision par ordinateur, l’entraînement et l’évaluation des modèles. | Langage de référence pour les pipelines de vision par ordinateur, l’entraînement et l’évaluation des modèles. | En évaluation |
OpenCV Vision par ordinateur Bibliothèque de traitement d’image : décodage des flux, prétraitement, géométrie des zones et lignes virtuelles. | Bibliothèque de traitement d’image : décodage des flux, prétraitement, géométrie des zones et lignes virtuelles. | En évaluation |
YOLO Détection d’objets Famille de modèles de détection en temps réel. Les conditions de licence des modèles sont examinées pour chaque projet. | Famille de modèles de détection en temps réel. Les conditions de licence des modèles sont examinées pour chaque projet. | En évaluation |
ByteTrack Suivi multi-objets Algorithme de suivi multi-objets reliant les détections d’une image à l’autre de façon anonyme. | Algorithme de suivi multi-objets reliant les détections d’une image à l’autre de façon anonyme. | En évaluation |
NVIDIA DeepStream Edge AI Cadre de traitement vidéo multi-flux accéléré sur matériel NVIDIA, pour l’analyse en périphérie. | Cadre de traitement vidéo multi-flux accéléré sur matériel NVIDIA, pour l’analyse en périphérie. | En évaluation |
TensorRT Optimisation d’inférence Optimisation des modèles pour une inférence rapide sur les calculateurs Edge AI équipés de GPU NVIDIA. | Optimisation des modèles pour une inférence rapide sur les calculateurs Edge AI équipés de GPU NVIDIA. | En évaluation |
ONVIF Standard vidéo Standard d’interopérabilité des caméras IP, utilisé pour découvrir et configurer les équipements existants. | Standard d’interopérabilité des caméras IP, utilisé pour découvrir et configurer les équipements existants. | En évaluation |
RTSP Protocole de flux Protocole d’accès aux flux vidéo des caméras et enregistreurs, sans dépendre d’une marque particulière. | Protocole d’accès aux flux vidéo des caméras et enregistreurs, sans dépendre d’une marque particulière. | En évaluation |
MQTT IoT et messagerie Protocole de messagerie léger prévu pour la remontée des données de capteurs et d’événements IoT. | Protocole de messagerie léger prévu pour la remontée des données de capteurs et d’événements IoT. | Prévu |
Nos principes techniques
Traitement en périphérie d’abord
Les flux vidéo sont analysés sur site par des calculateurs Edge AI. Seuls des indicateurs agrégés sont transmis, ce qui réduit la bande passante et l’exposition des données.
Confidentialité dès la conception
Analyse agrégée et anonyme, sans reconnaissance faciale ni identification biométrique. Les projets sont conçus dans le respect de la loi 09-08 et des exigences de la CNDP.
Une précision mesurée, pas promise
Aucun taux de précision n’est annoncé à l’avance. La fiabilité de chaque indicateur est mesurée sur site pendant un pilote, par comparaison avec une référence.
Standards ouverts et infrastructure existante
RTSP et ONVIF permettent de réutiliser les caméras compatibles et d’éviter la dépendance à un fabricant unique.
Sécurité des systèmes
Segmentation du réseau vidéo, accès chiffrés, gestion des droits et mises à jour maîtrisées des équipements et logiciels déployés.
Questions fréquentes
Utilisez-vous la reconnaissance faciale ?
Non. VIDEO.MA ne propose ni reconnaissance faciale ni identification biométrique. Les analyses portent sur des comptages, des durées et des occupations agrégées et anonymes.
Les images de mes caméras quittent-elles mon site ?
Par défaut, non. L’analyse est réalisée sur site par un calculateur Edge AI et seuls des indicateurs agrégés sont transmis. Toute exception, par exemple l’envoi d’un extrait d’image pour vérification, est définie avec vous dans le projet.
Quelle est la précision de vos analyses ?
Elle dépend de chaque site : positionnement des caméras, éclairage, densité de passage. C’est pourquoi la précision est mesurée pendant un pilote, sur vos propres données, avant tout déploiement à grande échelle.
La plateforme SaaS est-elle disponible ?
Pas encore. Le site web public est en ligne ; le moteur d’analyse et la plateforme client SaaS sont en préparation (Phase 2). Les projets sont aujourd’hui réalisés au cas par cas, après étude de faisabilité.
Pouvez-vous intégrer nos données de vente ou de stock ?
Oui, sous réserve d’un accès à vos données via API ou export. Chaque intégration fait l’objet d’une étude spécifique, et les indicateurs issus de la vidéo restent clairement distingués de vos données de vente et de stock.
Prêt à transformer vos caméras en intelligence business ?
Parlez-nous de votre activité : nous vous montrerons ce que vos caméras peuvent mesurer, avec une étude de faisabilité honnête.