RESIST - Robustesse et éthique des systèmes intelligents de surveillance en présence
d’attaques

Coordinateur : UPHF (Université Polytechnique Hauts-de-France)

Partenaire : Ioan Marius Bilasco Université de Lille CRIStAL

Équipe : Fox du Groupe Thématique : Image.

Dates : 2021 - 2024

Résumé :

La vidéosurveillance intelligente est une technologie émergente qui peut contribuer à améliorer la sécurité avec une grande flexibilité. cette technologie utilise des modèles d’apprentissage automatique et d’apprentissage profond pour automatiser des tâches complexes telles que la détection de personnes, la reconnaissance d’actions, le suivi visuel, etc. Pour garantir l’utilisabilité de ces techniques, les systèmes doivent offrir des niveaux élevés de robustesse et de fiabilité, qui peuvent être vérifiés lors de leur conception.
Le projet RESIST propose la première étude de la robustesse des algorithmes d’apprentissage automatique pour les applications de vidéosurveillance, ainsi qu’une étude éthique. le projet vise à permettre une IA responsable et fiable, et contribue à fournir aux acteurs locaux des solutions technologiques qui améliorent leur agilité, en particulier pendant les crises.

Abstract :

Smart videosurveillance is an emerging technology that can help improve security with high flexibility. This technology uses machine learning and deep learning models to automate complex tasks like person detection, action recognition, visual tracking, etc. To guarantee the usability of such techniques, systems must offer high levels of robustness and reliability, that can be verified during their design.
Project RESIST offers the first study of the robustness of machine learning algorithm for videosurveillance applications, together with an ethics study. The project aims at enabling responsible and reliable AI, and contributes to provide local actors with technological solutions that improve their agility, especially during crises.