Agent Sécurité

AM-VISION-01 · vision.perimeter

Il surveille en continu ce que personne ne regarde, et n'alerte que sur ce qui le mérite.

Code AM-VISION-01Module vision.perimeterExécution Edge / sur site

Ce qu'il détecte

Une présence humaine dans une zone définie, à une heure définie. Le franchissement d'une ligne dans un sens donné. Une présence après l'heure de fermeture. Un stationnement prolongé dans un endroit de passage. Un attroupement inhabituel.

Chaque règle est posée site par site, sur vos plans et vos horaires réels.

Comment il évite les fausses alertes

C'est ce qui le distingue d'une détection de mouvement, et c'est le seul critère qui compte à l'usage.

Il identifie des objets, pas des variations de pixels. Le système sait qu'il voit une personne. Le chat, l'ombre, le rideau ne déclenchent plus.

Il suit dans le temps. Sans suivi, on ne distingue pas une personne qui reste dix minutes de dix passages successifs. La trajectoire est conservée même quand la détection décroche brièvement, derrière un obstacle ou dans un contre-jour.

Il confirme sur une durée réelle. Une présence n'est validée qu'après un délai mesuré en secondes d'horloge, pas en nombre d'images. C'est technique mais décisif : la cadence d'un flux RTSP varie avec la charge réseau, et un compteur indexé sur les images dérive dès que le débit baisse.

Ce que vous recevez

Une alerte sur le canal que vous utilisez déjà — WhatsApp, email, notification — avec l'image de l'événement, la zone concernée et l'horodatage. Plus un journal complet, consultable et exportable.

Le réglage

Les seuils, les durées de confirmation et les zones se règlent sur votre site, à différents moments de la journée. La lumière d'un couloir à midi n'est pas celle de 19 h. Un agent livré avec des paramètres par défaut produit des fausses alertes jusqu'à ce que plus personne ne le regarde — c'est pour cette raison que le calibrage représente la moitié du travail de déploiement.

YOLOv8ByteTrackRTSPZones polygonalesLignes directionnellesEdgeWhatsApp API

PIPELINE

RTSP (n flux) → décodage → inférence YOLO (GPU/CUDA)
   → association ByteTrack (ID persistant intra-champ)
   → filtrage temporel (t ≥ seuil, horloge)
   → évaluation géométrique (point-in-polygon / franchissement orienté)
   → moteur de règles (zone × plage horaire × durée)
   → notification + journal horodaté

CONFIGURATION TYPE

zone_stockage:
  type: polygone
  classes: [person]
  confiance_min: 0.55
  duree_confirmation: 4s
  plage: 20:00–06:00
  action: alerte_whatsapp + journal

ligne_quai:
  type: ligne_orientee
  classes: [person, truck]
  sens: entrant
  cooldown: 30s

Sous le capot

La détection tourne en local sur GPU. Le modèle est quantifié pour réduire l'empreinte mémoire et permettre le traitement simultané de plusieurs flux sur une seule machine.

Le suivi attribue un identifiant persistant à chaque objet dans le champ d'une caméra. C'est ce qui permet de distinguer une personne qui reste dix minutes de dix passages successifs — et de conserver la trajectoire quand la détection décroche sur quelques images, derrière un obstacle ou dans un contre-jour.

L'évaluation géométrique teste l'appartenance à une zone polygonale ou le franchissement orienté d'une ligne. Le point de référence est le bas de la boîte englobante, pas son centre : c'est ce qui correspond au contact au sol et évite les faux franchissements sur les personnes de grande taille ou en hauteur.

Le cooldown empêche la répétition d'alertes sur un même événement continu.

Cet agent fait partie de notre pack d'agents de vision, pensé en particulier pour la sécurité.

Parlons de votre projet.

Trente minutes, gratuit et sans engagement.

Réserver mon diagnostic →Le Pack

AM-VISION-01 · vision.perimeter

It continuously watches what no one is looking at, and alerts only on what deserves it.

Describe my need →The Pack

Code AM-VISION-01Module vision.perimeterExecution Edge / on-site

What it detects

A human presence in a defined zone, at a defined time. The crossing of a line in a given direction. A presence after closing time. Prolonged loitering in a thoroughfare. An unusual gathering.

Each rule is set site by site, on your actual layouts and schedules.

How it avoids false alarms

This is what sets it apart from motion detection, and it is the only criterion that matters in practice.

It identifies objects, not pixel variations. The system knows it is seeing a person. The cat, the shadow, the curtain no longer trigger anything.

It tracks over time. Without tracking, you cannot tell a person who stays for ten minutes from ten successive passers-by. The trajectory is preserved even when detection briefly drops out, behind an obstacle or in backlight.

It confirms over a real duration. A presence is validated only after a delay measured in clock seconds, not in a number of frames. This is technical but decisive: the frame rate of an RTSP stream varies with network load, and a counter indexed on frames drifts as soon as throughput falls.

What you receive

An alert on the channel you already use — WhatsApp, email, notification — with the image of the event, the zone concerned and the timestamp. Plus a complete log, viewable and exportable.

The calibration

The thresholds, confirmation durations and zones are calibrated on your site, at different times of day. The light in a corridor at noon is not the same as at 7 p.m. An agent delivered with default settings produces false alarms until no one looks at it any more — which is why calibration accounts for half the deployment work.

YOLOv8ByteTrackRTSPPolygonal zonesDirectional linesEdgeWhatsApp API

PIPELINE

RTSP (n streams) → decoding → YOLO inference (GPU/CUDA)
   → ByteTrack association (persistent intra-field ID)
   → temporal filtering (t ≥ threshold, clock)
   → geometric evaluation (point-in-polygon / oriented crossing)
   → rule engine (zone × time window × duration)
   → notification + timestamped log

SAMPLE CONFIGURATION

storage_zone:
  type: polygon
  classes: [person]
  min_confidence: 0.55
  confirmation_duration: 4s
  window: 20:00–06:00
  action: whatsapp_alert + log

dock_line:
  type: oriented_line
  classes: [person, truck]
  direction: inbound
  cooldown: 30s

Under the hood

Detection runs locally on GPU. The model is quantized to reduce the memory footprint and enable simultaneous processing of several streams on a single machine.

Tracking assigns a persistent identifier to each object within a camera's field. This is what makes it possible to tell one person staying ten minutes apart from ten successive passages — and to preserve the trajectory when detection drops out over a few frames, behind an obstacle or in backlight.

Geometric evaluation tests membership in a polygonal zone or the oriented crossing of a line. The reference point is the bottom of the bounding box, not its center: this is what corresponds to ground contact and avoids false crossings on tall people or people at height.

The cooldown prevents the repetition of alerts on a single continuous event.

This agent is part of our pack of vision agents, designed in particular for security.

Let's talk about your project.

Thirty minutes, free and no commitment.

Book my diagnostic →The Pack