OpenNVR 0.1.6 : recherche vidéo par langage naturel
Découvrez OpenNVR 0.1.6 : recherche de vidéosurveillance en langage naturel, IA mieux répartie, domotique et SDK. Explorez les nouveautés et testez le projet.
OpenNVR 0.1.6 : retrouver une scène vidéo en la décrivant
Retrouver une séquence précise dans des heures d'enregistrements est souvent plus pénible que de filmer la scène. Il faut identifier la bonne caméra, estimer l'heure, ouvrir la bonne journée, puis avancer dans la vidéo jusqu'à tomber sur le bon moment. Avec plusieurs caméras, cette recherche devient vite un travail manuel.
OpenNVR 0.1.6 propose une approche différente : décrire ce qu'on cherche en langage courant (par exemple « camion rouge près du quai hier »), puis utiliser ce que l'analyse a extrait des images pour retrouver les séquences correspondantes. Cette version ajoute aussi un catalogue d'applications d'analyse vidéo, une allocation des ressources IA par caméra, une intégration à Home Assistant, et des SDK publiés sur PyPI.
Ces ajouts ne rendent pas automatiquement l'installation plus simple, ni les caméras plus « intelligentes ». En revanche, ils changent la façon de chercher, de répartir les traitements et de construire des fonctions complémentaires. Voici ce que contient cette version, ce qu'elle peut apporter au quotidien, et ce qu'il vaut mieux vérifier avant de l'adopter.
Ce qu'apporte OpenNVR 0.1.6
OpenNVR est une plateforme open source de vidéosurveillance assistée par IA, pensée pour tourner sur votre propre matériel. L'objectif de la version 0.1.6 est de rendre l'analyse vidéo plus facile à utiliser et plus simple à étendre, sans devoir remplacer l'infrastructure de caméras dès qu'on ajoute une nouvelle fonctionnalité.
La publication regroupe 147 changements depuis la version précédente. Le chiffre donne une idée du volume de travail, mais il ne dit pas à lui seul si la mise à jour correspond à votre installation. Pour trancher, il faut regarder ce qui change concrètement dans l'usage et l'exploitation du système.
Rechercher des images avec une description
La nouveauté la plus visible est la recherche de séquences à partir d'une description en langage naturel. Les informations consultables incluent notamment les légendes, les couleurs, les types de véhicules et les plaques d'immatriculation.
Au lieu de parcourir un enregistrement en avançant par petits sauts, l'opérateur peut tenter une requête basée sur ce dont il se souvient : un véhicule, une couleur, un endroit, une période. L'intérêt se fait sentir surtout quand on a plusieurs caméras ou quand on doit retrouver rapidement un événement déjà signalé.
Cela dit, il faut rester lucide : une recherche textuelle pratique n'est pas une « compréhension parfaite » de la scène. Les résultats dépendent de ce que l'analyse a réussi à extraire, de la qualité des images, et de la formulation de la requête. Une description ne garantit ni la détection d'une séquence ni la pertinence de tous les résultats. Le gain principal, c'est de réduire le temps de navigation - pas de supprimer la vérification humaine.
Un catalogue de fonctions d'analyse plus large
Les applications IA sont maintenant présentées comme des modules dédiés. Le catalogue annoncé pour cette version comprend notamment :
- la détection d'intrusion ;
- la détection de présence prolongée, ou loitering ;
- le franchissement de ligne ;
- la détection d'objets abandonnés ;
- la détection de livraison de colis ;
- le contrôle d'accès à un portail ;
- des fonctions de sonnette connectée ;
- la conformité Guard Scan.
L'idée, en pratique, est de raisonner en fonctions distinctes plutôt que comme une seule couche d'IA appliquée « au hasard » sur chaque caméra. C'est important : une caméra sur une entrée, une zone de stockage et un hall n'ont pas les mêmes attentes.
Mais la liste ne suffit pas. Pour valider un usage, il faut regarder les conditions de détection, les erreurs possibles, les alertes générées et la façon dont l'équipe les traitera. Une fonction n'est utile que si son comportement colle à un besoin opérationnel précis.
Ce que la recherche en langage naturel change au quotidien
Dans une installation classique, retrouver un événement dépend souvent de métadonnées assez simples : caméra, date et heure. Si la personne qui lance la recherche ne connaît pas le moment exact, elle peut passer un temps disproportionné à parcourir les enregistrements. La recherche par description vise à rapprocher l'interface de la question réelle : « Qu'est-ce qui s'est passé ? » plutôt que « Quel fichier dois-je ouvrir ? »
Un exemple de recherche, étape par étape
Imaginons qu'un responsable de site doive retrouver le passage d'un véhicule de livraison près d'un quai. Une démarche raisonnable ressemble à ça :
- Délimiter le besoin. Noter le lieu, la période approximative, et les détails utiles (couleur, type de véhicule, etc.).
- Lancer une requête descriptive. Commencer par une formulation courte, par exemple « camion rouge au quai », plutôt que par une phrase longue avec des éléments incertains.
- Réduire la période ou la zone. Si les résultats sont trop larges, préciser la caméra ou le créneau horaire quand l'interface le permet.
- Regarder les séquences proposées. Vérifier les images et le contexte autour de l'événement, sans considérer la description comme une preuve en soi.
- Consigner le résultat. Si l'événement débouche sur une intervention, garder une trace de la recherche et de la décision, conformément aux procédures du site.
Même si l'outil ne tombe pas directement sur le bon passage du premier coup, la méthode reste utile : elle rend le processus plus structuré, et aide à distinguer une requête mal formulée d'un problème de qualité vidéo ou de configuration.
Les bénéfices dépendent du contexte
La recherche en langage naturel fonctionne bien quand le volume d'images est important et que les événements à retrouver sont difficiles à dater précisément. Dans un petit local avec une seule caméra et peu d'incidents, l'accès classique via le calendrier reste souvent plus rapide.
La valeur augmente avec le nombre de flux, la durée de conservation et la fréquence des recherches.
Il faut aussi compter sur la qualité des prises de vue. Une caméra mal positionnée, une scène très sombre, des reflets ou des objets partiellement cachés compliquent l'analyse, peu importe le logiciel. L'IA ne répare pas un mauvais cadrage. En pratique, investir d'abord dans une image exploitable est souvent plus rentable que d'ajouter une couche logicielle sophistiquée.
Dernier point : une interface simple peut donner une confiance un peu trop rapide. Un résultat absent ne prouve pas qu'un événement n'a pas eu lieu. À l'inverse, un résultat présent doit être vérifié. Pour les usages sensibles, mieux vaut prévoir cette limite dans les procédures et conserver une validation humaine.
Intégrations, développeurs et allocation des ressources
OpenNVR 0.1.6 ne se limite pas à la recherche vidéo. La version touche aussi à deux sujets qui comptent vraiment en production : la consommation de ressources et la capacité à s'intégrer à d'autres outils.
N'activer que les applications utiles par caméra
Désormais, chaque caméra exécute les applications IA qui lui sont attribuées. L'objectif est clair : éviter d'utiliser du calcul pour des analyses inutiles sur un flux.
Sur le papier, c'est une optimisation évidente. Dans la pratique, tout dépend du nombre de caméras, des modèles utilisés et du matériel disponible. Si on active les mêmes analyses partout, on peut gaspiller des ressources ou rendre le dimensionnement plus compliqué. À l'inverse, une configuration ciblée demande de savoir ce que chaque caméra doit réellement surveiller, et de maintenir cette correspondance dans le temps.
Un bon point de départ consiste à associer chaque caméra à un objectif précis : détection d'intrusion pour une zone réservée, franchissement de ligne pour un accès, détection de colis à l'endroit où les livraisons sont déposées. Ensuite, il faut tester la charge réelle et vérifier que le système tient quand plusieurs flux tournent en même temps. Le fait de mieux répartir les traitements ne supprime pas les limites du matériel.
Connecter OpenNVR à Home Assistant
La version 0.1.6 ajoute une intégration à Home Assistant via la découverte MQTT. Pour les utilisateurs de domotique, cela peut faciliter la remontée d'événements dans un environnement déjà utilisé pour piloter des équipements ou déclencher des automatisations.
OpenNVR mentionne aussi la gestion de la portée des jetons d'API et la journalisation des audits. Quand un outil se connecte à d'autres services, ces détails comptent. Un jeton trop permissif augmente le risque en cas de fuite ou de mauvaise configuration ; une journalisation aide à comprendre ce qui a été fait et à enquêter après un incident.
Mais ça ne remplace pas une bonne configuration d'accès. Avant de relier une plateforme de vidéosurveillance à une installation domotique, il faut décider quels événements doivent être partagés, limiter les autorisations à ce qui est nécessaire, et vérifier où les données circulent. Une automatisation « pratique » n'est pas, automatiquement, une bonne raison d'exposer toutes les fonctions du système.
Des SDK pour créer ou intégrer des applications
Les deux SDK OpenNVR sont disponibles sur PyPI. Ils doivent aider à créer des applications à partir d'une fonction et à intégrer des modèles d'IA personnalisés via des adaptateurs. Les développeurs peuvent aussi distribuer leurs applications sous la licence de leur choix.
Pour une équipe technique, ça ouvre une approche plus modulaire : partir d'une fonction qui répond à un besoin identifié, l'intégrer, puis décider si elle mérite d'être maintenue et déployée plus largement. En général, c'est plus sain que de bâtir une « plateforme parallèle » sans avoir vérifié que la fonctionnalité sera vraiment utilisée.
La liberté sur les licences impose quand même de vérifier le cadre côté projet. Il faut examiner les licences des dépendances, les droits associés aux modèles employés, et les conditions de redistribution de l'application. Le fait d'avoir un SDK facilite le développement, mais ne règle pas les questions de maintenance, de compatibilité, ni de responsabilité opérationnelle.
Les vérifications à faire avant un déploiement
OpenNVR est présenté comme une plateforme à installer sur son propre matériel. Ce choix donne plus de contrôle sur l'infrastructure, mais il transfère aussi une partie du travail à l'équipe qui l'exploite : installation, mises à jour, supervision, sauvegardes, sécurité, et gestion des incidents.
Traiter la mise à jour comme un changement de production
La publication signale des correctifs de sécurité et recommande de mettre à niveau les installations existantes. C'est une bonne raison de planifier l'actualisation. En revanche, ce n'est pas une raison de lancer une mise à jour « au feeling » sur un environnement critique.
Avant de modifier une installation, vérifiez au minimum :
- la méthode de mise à jour décrite pour votre déploiement ;
- la sauvegarde de la configuration et des données nécessaires à une reprise ;
- la disponibilité d'un créneau de maintenance ;
- le fonctionnement des caméras et des applications après mise à jour ;
- la possibilité de revenir à l'état précédent si tout ne démarre pas comme prévu.
Les détails doivent être confirmés dans les informations de version et dans la documentation du projet. Même si 147 changements sont listés, ils ne suffisent pas à prédire les impacts sur chaque configuration personnalisée.
Intégrer le RGPD dès la conception
En France et dans l'Union européenne, la vidéosurveillance implique des responsabilités liées aux données personnelles. Les recherches par descriptions, les plaques d'immatriculation et les alertes d'analyse ne doivent pas conduire à collecter ou conserver plus d'informations que nécessaire.
Avant le déploiement, clarifiez notamment la finalité des caméras, qui est autorisé à consulter les images, les durées de conservation applicables, et les mesures de sécurité. L'emplacement des caméras et l'information fournie aux personnes concernées doivent aussi être examinés, selon le contexte. Les règles exactes varient selon qu'on parle de locaux professionnels, d'un espace ouvert au public ou d'un usage domestique.
Open source, traitement sur votre propre matériel ou intégration domotique ne garantissent pas la conformité RGPD. Ce sont des choix d'architecture. La conformité dépend aussi des finalités, des réglages, des accès et des pratiques de l'organisation. Pour un usage professionnel, faites valider le dispositif par les personnes compétentes en protection des données, et consultez les recommandations applicables de la CNIL.
Tester avant de généraliser
Le meilleur moyen d'évaluer la version reste de commencer petit. Prenez quelques caméras représentatives, définissez un cas d'usage, puis mesurez : temps pour retrouver une scène, qualité des résultats, ressources consommées, stabilité des alertes et effort de maintenance.
Ensuite, comparez avec votre méthode actuelle. Si la recherche textuelle permet de retrouver plus vite des séquences utiles sans multiplier les faux résultats et sans compliquer l'exploitation, vous tenez un gain concret. Si le gain est faible, il peut être plus rentable d'améliorer le positionnement des caméras ou le processus de consultation avant d'ajouter davantage d'applications.
Pour découvrir le projet, consultez le site d'OpenNVR, son dépôt GitHub et les notes de version. Les détails de déploiement et la compatibilité doivent être vérifiés dans la documentation correspondant à votre installation.
Conclusion : tester sur un cas réel
OpenNVR 0.1.6 rapproche la vidéosurveillance d'un usage plus orienté recherche et fonctions ciblées : décrire une scène, assigner des applications par caméra, connecter le système à Home Assistant, ou développer ses propres extensions. Les correctifs de sécurité rendent aussi la mise à jour intéressante pour les installations existantes, à condition de la préparer correctement.
Le bon critère n'est pas le nombre de fonctions annoncées. Ce qui compte, c'est le résultat obtenu sur un besoin réel, avec votre matériel, vos images et vos contraintes de confidentialité. Commencez sur un périmètre réduit, mesurez le gain de temps et la qualité des détections, puis élargissez seulement si l'exploitation reste simple à gérer.
Pour examiner le code ou contribuer, rendez-vous sur le dépôt GitHub d'OpenNVR.