Système d’analyse vidéo par IA pour la détection et le comptage de véhicules en temps réel

Le projet a été réalisé pour une organisation souhaitant mettre en place un système d’analyse vidéo en temps réel à des fins de surveillance et de comptage de véhicules.

Avec la montée en puissance des systèmes de vidéosurveillance dans des domaines tels que la sécurité, l’analyse du trafic ou la surveillance agricole, le besoin d’un outil capable d’analyser des flux vidéo en temps réel s’est fait sentir. Les exigences incluaient une détection et un suivi d’objets très précis, la gestion de plusieurs modes de fonctionnement, le support de multiples sources vidéo et un accès au service via un navigateur web.

Une application de suivi de véhicules en temps réel a été conçue et déployée — modulable pour d’autres objets (personnes, animaux, plantes) et divers scénarios métiers. Le système repose sur une architecture microservices, chaque composant fonctionnant dans un conteneur Docker isolé. Il intègre un détecteur d’objets basé sur l’apprentissage profond et un système de suivi multi-objets.

L’application propose trois modes de fonctionnement principaux :

• Détection d’image unique via une API REST, avec une latence très faible (~450 ms),
• Diffusion en pair-à-pair, avec une latence de bout en bout d’environ 2 secondes,
• Streaming en architecture client-serveur, optimisée pour une grande diversité de terminaux utilisateurs.

Le système prend en charge différentes sources vidéo (caméras IP, webcams, fichiers vidéo) et permet à plusieurs clients de se connecter simultanément à un même flux annoté. La communication bidirectionnelle permet une analyse en temps réel et un affichage fluide des résultats dans le navigateur de l’utilisateur.

Le système a permis de :

• Compter les véhicules circulant dans n’importe quelle direction définie par l’utilisateur
• Différencier les types de véhicules (voitures, camions, motos)
• Offrir une performance fiable, que ce soit en diffusion locale ou via Internet
• Être rapidement adapté à d’autres usages (détection de personnes ou d’animaux), ce qui en fait un outil polyvalent pour divers secteurs d’activité

Technologies

Le système a été développé avec :

• Frontend : React.js, TypeScript, Redux, Redux-Saga, Styled-Components
• Backend : Python, PyTorch, OpenCV, AsyncIO, Multiprocessing
• Diffusion vidéo : WebRTC et HLS
• Architecture : microservices déployés dans des conteneurs Docker