La vidéosurveillance urbaine réunit une contrainte de volume qu’aucun budget ne couvre et un cadre juridique qui borne ce qu’il est permis de faire. C’est le vertical où la question du droit précède celle de la méthode.
Cet article expose ce que ce contexte impose. Il prolonge l’article consacré à l’annotation vidéo pour l’analyse sportive.
Ce qui distingue ce contexte
Cinq propriétés caractérisent l’annotation vidéo urbaine. La caméra est fixe, ce qui fournit un arrière-plan stable et une géométrie constante. Le flux est continu, une caméra produisant vingt-quatre heures d’images par jour indéfiniment. Les personnes filmées n’ont pas consenti individuellement, ce qui place ce vertical sous un régime juridique strict. Les événements recherchés sont rares, l’essentiel du flux ne contenant rien d’intéressant. Et les conditions varient sur un cycle connu, jour et nuit alternant de façon prévisible sur une même vue. Une conséquence pratique importante en découle. La première et la dernière propriété rendent ce vertical plus prévisible que les autres, une même caméra produisant un nombre fini de configurations que l’on peut couvrir méthodiquement en annotation vidéo.Ce que la caméra fixe apporte
Cette propriété simplifie plusieurs difficultés des articles précédents. L’arrière-plan reste identique d’une image à l’autre. Quatre exploitations directes en découlent. La soustraction de fond isole les objets mobiles sans aucun apprentissage, opération qui fournit une pré-annotation gratuite. Les zones d’intérêt se définissent une fois pour toutes, entrée, passage et zone interdite étant fixes dans l’image. La calibration se fait une seule fois, la relation entre l’image et le sol ne changeant pas. Et les configurations récurrentes se répètent, une même personne empruntant le même trajet produisant des images comparables. Une observation importante en découle. La première exploitation constitue le principal levier de productivité de ce vertical, une soustraction de fond réduisant drastiquement le volume d’images contenant quelque chose à annoter.Le problème du volume
Cette contrainte structure tout projet d’annotation vidéo urbain. Un parc de caméras produit un volume sans rapport avec toute capacité d’annotation. Quatre stratégies de réduction s’appliquent successivement. La détection de mouvement, qui écarte les périodes où rien ne se passe. Le filtrage par zone, qui ne retient que les événements survenant dans les régions d’intérêt. La sélection par incertitude, qui retient les séquences où un modèle existant hésite. Et la sélection par couverture, qui complète le corpus sur les conditions manquantes. Une conséquence pratique s’ensuit. Ces quatre filtres s’appliquent en cascade et réduisent le volume de plusieurs ordres de grandeur, ce qui rend le problème traitable et déplace l’enjeu vers la conception du filtrage plutôt que vers la capacité d’annotation.Le cadre juridique comme préalable
Cette contrainte précède toute considération technique. Une image de personne identifiable constitue une donnée personnelle, quel que soit l’usage prévu. Quatre exigences juridiques en découlent. La finalité doit être définie avant le traitement et elle borne ce qui peut être annoté. La minimisation impose de ne conserver que ce que la finalité exige. La durée de conservation doit être bornée, ce qui affecte la constitution d’un corpus durable. Et le lieu de traitement engage des obligations, un transfert hors de l’espace européen appelant un encadrement spécifique. Une observation importante en découle pour un projet d’annotation vidéo. Ces quatre exigences se traitent au cadrage et pas après, une image traitée sans base juridique ne se régularisant pas rétrospectivement.L’anonymisation et ses effets
Cette opération est fréquemment demandée en annotation vidéo urbaine. Ses conséquences méritent d’être exposées. Le floutage des visages réduit l’identifiabilité et il modifie la donnée. Trois conséquences en découlent. La réidentification après occlusion devient plus difficile, le visage constituant un indice de continuité. Certaines tâches deviennent impossibles, la direction du regard et l’expression disparaissant. Et l’anonymisation partielle ne suffit pas toujours, la silhouette, la démarche et le contexte permettant parfois une identification. Une conséquence pratique importante en découle. Ces trois effets imposent d’anonymiser avant l’annotation plutôt qu’après, faute de quoi les annotateurs travaillent sur une donnée identifiante et le corpus livré ne correspond pas à celui sur lequel il a été produit.Les tâches demandées
Cinq familles se rencontrent. Leur sensibilité juridique diffère fortement. Le comptage de personnes ou de véhicules, tâche la moins sensible puisqu’elle n’exige aucune identité. La mesure de flux et d’occupation, qui demande un suivi de trajectoire sans identification nominative. La détection d’événement, chute, attroupement ou objet abandonné, qui porte sur une situation plutôt que sur une personne. La détection de comportement, qui suppose de qualifier une action et soulève des questions au delà du droit. Et la reconnaissance de personne, encadrée strictement et interdite dans de nombreux contextes. Une observation en découle pour un projet d’annotation vidéo. Les trois premières familles couvrent l’essentiel des besoins réels de gestion urbaine, et un cadrage soigneux permet fréquemment de ramener une demande vers elles plutôt que vers les deux dernières.Ce que la rareté des événements impose
Cette propriété distingue le vertical de tous les autres. Un événement recherché survient quelques fois par jour dans un flux continu. Trois conséquences importantes en découlent. Un corpus constitué par échantillonnage aléatoire ne contient presque aucun exemple positif. Les exemples doivent être recherchés dans les archives à partir de signalements plutôt que collectés au fil de l’eau. Et le déséquilibre entre classes atteint un niveau qui rend les métriques usuelles peu informatives. Une conséquence pratique s’ensuit. La deuxième conséquence suppose un accès aux archives et aux registres d’incidents, ressource dont la disponibilité conditionne la faisabilité et qui doit être vérifiée avant tout engagement.Les conditions à couvrir
Cinq dimensions caractérisent la variabilité d’une caméra fixe. Leur couverture est plus accessible qu’ailleurs en annotation vidéo. Le cycle jour et nuit, dont l’effet sur une même vue est considérable. L’éclairage artificiel, qui produit des ombres portées fixes et des zones saturées. La météo, pluie et brouillard dégradant l’image de façon reconnaissable. La densité de fréquentation, une même vue à midi et à minuit ne présentant pas les mêmes difficultés. Et les modifications de scène, travaux ou mobilier déplacé invalidant l’arrière-plan de référence. Une observation importante en découle. La dernière dimension est la plus négligée et la plus perturbante, un changement d’arrière-plan invalidant la soustraction de fond et les zones d’intérêt définies, ce qui impose un dispositif de détection de ces changements.Ce que la résolution impose
Une contrainte physique borne les tâches réalisables et elle est souvent découverte tardivement. Une caméra couvrant une place entière n’accorde que quelques dizaines de pixels à une personne éloignée. Quatre conséquences en découlent. Le comptage reste possible à faible résolution, une silhouette suffisant à établir une présence. Le suivi devient difficile, l’apparence ne portant plus assez d’information pour réapparier après une occlusion. La reconnaissance d’action devient impossible au delà d’une certaine distance, le geste n’étant pas résolu. Et la performance varie fortement selon la position dans l’image, une même caméra étant exploitable au premier plan et inutilisable au fond. Une observation importante en découle pour un projet d’annotation vidéo. La dernière conséquence justifie de définir une zone d’exploitabilité dans l’image et de la déclarer, plutôt que d’annoter uniformément un champ dont une partie ne porte pas l’information nécessaire.Le contrôle qualité adapté
Quatre contrôles d’annotation vidéo exploitent les propriétés de la caméra fixe. La cohérence des zones, un objet annoté hors des régions traitées signalant une erreur de périmètre. La plausibilité des trajectoires, la géométrie fixe permettant de vérifier qu’un déplacement suit un cheminement possible. La comparaison entre périodes, une même caméra à la même heure sur deux jours produisant des statistiques comparables dont l’écart signale une anomalie. Et la vérification des transitions jour et nuit, moments où la performance chute et où le contrôle doit se concentrer. Une conséquence pratique en découle pour un projet d’annotation vidéo. Le troisième contrôle est propre à ce vertical et il est très économique, la stabilité de la vue fournissant une référence de comparaison qu’aucun autre contexte n’offre.Ce que ce vertical coûte
Quatre facteurs déterminent la charge. L’efficacité du filtrage amont, qui détermine le volume réellement annoté et domine tous les autres facteurs. La densité de personnes dans les scènes retenues. L’exigence de suivi, un comptage coûtant bien moins qu’une mesure de flux. Et le traitement de l’anonymisation, poste distinct qui précède l’annotation. Une observation en découle. Le premier facteur écrase les autres, un filtrage bien conçu divisant le volume par plusieurs ordres de grandeur, ce qui fait de sa conception le principal poste de valeur ajoutée d’un projet d’annotation vidéo urbain.Ce que ce contexte ne permet pas
Quatre limites méritent d’être posées en annotation vidéo urbaine. La reconnaissance de personne reste encadrée strictement et souvent interdite selon la finalité. La qualification d’intention ne repose sur aucune vérité terrain établie, ce qui rend une annotation de comportement suspect méthodologiquement fragile. Le suivi entre caméras constitue un traitement distinct dont l’admissibilité doit être examinée séparément. Et la conservation longue d’un corpus se heurte aux durées légales, ce qui limite la constitution d’un actif durable. Cette deuxième limite mérite d’être soulignée. Elle signifie qu’un projet demandant d’annoter un comportement anormal doit d’abord définir la normalité de façon observable, exercice qui échoue fréquemment et qu’il vaut mieux conduire avant de s’engager.Aborder un projet urbain
Cinq questions cadrent ce type de projet d’annotation vidéo. La première précède les autres. Quelle finalité est déclarée. Cette réponse borne juridiquement ce qui peut être annoté. L’anonymisation intervient-elle avant l’annotation. Une réponse négative expose les annotateurs à une donnée identifiante. Quel filtrage amont est prévu. Cette réponse détermine le volume et donc le coût. Les archives d’incidents sont-elles accessibles. Leur absence rend impossible la constitution d’exemples positifs. Et le traitement peut-il avoir lieu hors de l’espace européen. Cette réponse conditionne l’organisation de la production. Ces cinq réponses déterminent la faisabilité juridique et le volume. Les poser avant de commencer évite un projet techniquement abouti et juridiquement inexploitable.Ce que ce chapitre enseigne
Une observation transversale mérite de clore cet examen. Ce vertical inverse l’ordre habituel des questions. Trois constats la composent. La finalité juridique borne le périmètre avant que la faisabilité technique n’entre en jeu, situation inhabituelle en annotation vidéo. Le filtrage amont pèse davantage sur le coût que la méthode d’annotation, ce qui déplace la valeur vers la conception du pipeline. Et la stabilité de la vue fournit un dispositif de contrôle par comparaison temporelle qu’aucun autre vertical n’offre. Ce constat rejoint celui que la série consacrée au cadre réglementaire agricole a établi : une contrainte externe formalise des pratiques qui étaient déjà rationnelles, et un prestataire les ayant adoptées par méthode se trouve conforme sans transition.Les erreurs les plus fréquentes
- Commencer l’annotation avant d’avoir établi la finalité déclarée.
- Anonymiser après l’annotation plutôt qu’avant.
- Constituer un corpus d’événements rares par échantillonnage aléatoire.
- Négliger la conception du filtrage amont, qui domine le coût.
- Ignorer les modifications d’arrière-plan qui invalident les zones définies.
- Annoter un comportement anormal sans avoir défini la normalité observable.
- Traiter le suivi entre caméras comme une extension du suivi mono-caméra.
- Omettre les transitions jour et nuit du dispositif de contrôle.
- Supposer que le floutage suffit à rendre une personne non identifiable.
- Constituer un corpus durable sans vérifier les durées de conservation applicables.
