FR2938362A1 - Unite de detection equipee d'un processeur neuronal et concue par l'observation de zone - Google Patents

Abstract

Unité de détection équipée d'un processeur neuronal et conçue pour l'observation de zone comportant au moins un capteur (2 à 8) apte à générer un signal et des moyens de reconnaissance d'une forme ou d'un mouvement dans ledit signal ainsi qu'une unité de communication (17) , caractérisée en ce que lesdits moyens de reconnaissance d'une forme ou d'un mouvement dans ledit signal comportent au moins un processeur neuronal ( 9 à 15) apte à traiter ledit signal pour y rechercher ladite forme y rechercher ladite forme et apte à générer et à transmettre à l'unité de communication une information après détection de ladite forme ou dudit mouvement.

Description

Unité de détection équipée d'un processeur neuronal et conçue pour l'observation de zone

La présente invention concerne une unité de détection et un procédé d'observation de zone, ainsi qu'un réseau de capteurs composé d'unités de détection.

Pour de nombreux types de théâtres d'opération, il est nécessaire de disposer d'une observation précise de zone. L'observation est par exemple nécessaire pour mieux connaitre les phénomènes climatiques, l'activité sismique, la détection de mouvement, la reconnaissance de formes, les signatures acoustiques ou électromagnétiques, les analyses de pollution de l'environnement ou encore la surveillance des glaces dérivantes ou de sites sensibles. L'observation peut se faire soit dans un contexte civil, soit dans un contexte militaire. Dans ces contextes, il est souhaitable de disposer d'un dispositif autonome doté de capteurs qui présente les dimensions les plus réduites possible, en particulier lorsqu'il s'agit d'utiliser plusieurs de ces dispositifs de capteurs pour surveiller une zone plus étendue. Dans ce cas de figure, il est par exemple possible de transmettre le signal de sortie du ou des capteurs vers un calculateur central, celui-ci assurant le dépouillement du signal des différentes unités de capteurs. Pour cela néanmoins, il est généralement nécessaire de disposer d'un canal de transmission d'informations d'une grande largeur de bande pour permettre une transmission optimale des données du capteur entre le dispositif de capteurs et le calculateur central.

En conséquence, l'objet de la présente invention est de mettre au point un dispositif de capteurs qui ne présente pas les points faibles susmentionnés : le dispositif de capteurs doit être à même de transmettre au calculateur central une information de haut niveau via un canal de transmission à largeur de bande réduite, tout en étant électriquement autonome, de construction robuste et peu coûteuse.

Pour répondre à ces exigences, l'unité de détection est conçue conformément aux dispositions de la revendication 1 du brevet. La revendication 15 du brevet concerne un procédé d'observation de zone. Différentes formes avantageuses de définition de ce système se trouvent dans la revendication du brevet.

Une unité de détection conforme à la présente invention est composée d'un ensemble de capteurs, d'un processeur neuronal et d'une unité de communication. Dans ce cas, l'unité de détection est conçue pour conduire une reconnaissance de formes de signal (1D-2D) au moyen d'un ou plusieurs processeurs de reconnaissance de forme (processeur neuronal dans le texte) et pour transmettre le résultat de la reconnaissance de formes au moyen de l'unité de communication. Ainsi, une décision est prise de manière locale, au sein même de l'unité de détection. Ceci fait de l'unité de détection un équipement autonome à réaction contextuelle et faible consommation électrique (autonomie de fonctionnement).. En d'autres termes une unité de détection selon l'invention comporte au moins un capteur apte à générer un signal et des moyens de reconnaissance d'une forme ou d'un mouvement dans ledit signal ainsi qu'une unité de communication, caractérisée en ce que lesdits moyens de reconnaissance d'une forme ou d'un mouvement dans ledit signal comportent au moins un processeur neuronal apte à traiter ledit signal pour y rechercher ladite forme y rechercher ladite forme et apte à générer et à transmettre à l'unité de communication une information après détection de ladite forme ou dudit mouvement.

A l'inverse des processeurs de structure classique, un processeur neuronal, conçu pour être capable d'apprendre, est en mesure, grâce à sa structure de mémoire associative, de procéder à une reconnaissance de formes (le terme "forme" désigne indifféremment un signal uni ou multidimensionnel) de quelque complexité que ce soit, et ce dans un temps de traitement toujours égal, quel que soit le nombre de neurones mis en oeuvre. Grâce à l'intelligence artificielle, la classification hautement non-linéaire d'une forme se déroule sur la base d'une décision tenant compte du contexte. Grâce à cette technologie, l'unité de détection est en mesure de reconnaitre certaines situations pour lesquelles elle a suivi un apprentissage spécifique et de réagir en conséquence. Ceci est par exemple rendu possible par l'utilisation de composants réseau hautement intégrés : processeur neuronal à architecture hautement parallèle.

En guise de résultat d'une reconnaissance de forme, on obtient par exemple une catégorie d'objets à laquelle l'objet concerné appartient, sans toutefois obtenir l'identification d'un type précis. Un des avantages du processeur neuronal, c'est qu'il permet à l'utilisateur de modifier les règles de reconnaissance de formes, sans pour autant nécessiter une adaptation du matériel ou de la logique (hard ou software) au sein du processeur. L'identification peut à tout moment être adaptée localement ou à distance, en intégrant une nouvelle base de données. Il est par exemple possible de transmettre les connaissances par clonage de tout ou partie de la base de données vers une autre unité de détection.

Ainsi, le fait de transmettre uniquement une information significative soit une quantité réduite d'informations qui concernent directement les unités de détection au niveau local, permet de réduire considérablement la quantité des informations transmises et donc la largeur de bande nécessaire pour le canal de communication et ainsi la consommation globale d'énergie. En revanche, les dispositifs de capteurs couramment utilisés transmettent la plupart du temps et en continu, des données non pertinentes pour les dispositifs récepteurs. Pour réduire encore la consommation d'énergie, il est possible de commuter certaines parties de l'unité de détection, par exemple l'unité de communication peut-être mise en mode veille, et de ne les activer que si un événement extérieur le nécessite. Une unité selon l'invention peut aussi comporter au moins l'une des caractéristiques suivantes : - elle comporte une unité de localisation qui permet de déterminer la position de l'unité de détection, - elle est conçue de telle manière que le résultat de la reconnaissance de formes ne fait l'objet d'une transmission via un canal à faible bande passante que si ladite forme ou ledit mouvement a été reconnue, - elle comporte un dispositif de détection de l'orientation de l'unité de détection, - elle comporte un boîtier apte à se placer automatiquement en position verticale, - elle comporte au moins une cellule photovoltaïque, - elle comporte plusieurs ensembles en parallèles constitués chacun par un capteur associé à un processeur neuronal et en ce que les ces ensembles et l'unité de communication sont disposés de manière tridimensionnelle, par exemple en plusieurs couches, - elle comporte une connexion câblée tridimensionnelle pour au moins certains des processeurs neuronaux et de l'unité de communication, - elle comporte des moyens de détermination de son orientation ainsi qu'une horloge, et des moyens d'association d'une information d'orientation et d'heure à chaque information de détection de ladite forme ou dudit mouvement, - elle comporte plusieurs ensembles en parallèles constitués chacun par un capteur associé à un processeur neuronal et en ce qu'elle comporte des moyens de fusion de données, - au moins certains des processeurs neuronaux de l'unité de détection sont disposés sous forme d'un parallélépipède ou d'un cylindre, - au moins certains des processeurs neuronaux et de l'unité de communication de l'unité de détection sont reliés entre eux par une face latérale du parallélépipède ou du cylindre. De manière optionnelle, l'unité de communication peut également permettre à l'unité de détection de recevoir des données. De telles données peuvent par exemple être des données d'apprentissage à l'attention du processeur neuronal, tout ou partie de la base de données ou des instructions données à l'unité de détection û par exemple concernant l'utilisation qui doit être faite des résultats de la reconnaissance de formes.

En fonction du type de forme à détecter, le ou les capteurs employés seront par exemple un capteur optique, acoustique, séismique, thermique, multispectral, électromagnétique ou encore chimique. Comme capteur optique, on pourra par exemple utiliser une caméra CCD ou un capteur CMOS. Un dispositif de capteurs équipé de capteurs optique est également désigné par le terme de Miniature Visual Event Detector (MVED). Comme capteur acoustique, on pourra par exemple utiliser un microphone. Comme capteur séismique, on pourra par exemple utiliser un accéléromètre. Le nombre de capteurs et leur type peuvent être adaptés au type d'application de l'unité de détection, tout comme le type de processeur neuronal.

Si la mission de l'unité de détection doit être de détecter la présence d'un objet et de le classifier, on choisira un capteur de type CMOS. Dans le contexte de la reconnaissance de formes, il sera déterminé si l'image prise par la caméra comprend un objet, une personne, un véhicule ou un aéronef. Dans le cas d'une reconnaissance de formes plus détaillée, il est par exemple possible de reconnaître le type de véhicule (voiture, motocyclette, autobus ou camion) ou d'aéronef, voire d'en identifier le modèle exact. Pour ce qui est de la reconnaissance de formes dans le cas d'une personne, l'identification de la personne est possible.

Comme cela est prévu dans la présente invention, seul le résultat de la reconnaissance de formes étant transmis, cela permet de limiter considérablement à la fois la quantité de données à transmettre ainsi que la bande passante du canal de transmission. Le résultat de la reconnaissance de forme peut être par exemple l'identification de la catégorie à laquelle appartient le modèle détecté, pouvant aller jusqu'à l'identification du modèle ou de la présence d'une anomalie. On a ainsi réalisé une transmission sélective d'informations basée sur une discrimination-analyse locale d'informations. Pour l'unité de communication, on utilisera par exemple un module GSM, un module UMTS, un module fonctionnant sur d'autres standards de téléphonie mobile, un module Bluetooth, un module infrarouge, ou encore un module radio standard. Grâce à l'utilisation de voies de transmission standardisées, le fonctionnement de l'unité de détection ne nécessite aucune licence particulière. Dans ce contexte, l'unité de détection présente une antenne conçue pour communiquer de manière privilégiée avec l'unité de communication. Dans une forme de définition de l'invention, l'unité de détection est conçue de telle manière que la transmission du résultat de la reconnaissance de formes n'a lieu que dans la mesure où un modèle a effectivement été identifié.

Le modèle en question peut être également un type de mouvement ou de forme d'onde (signal monodimensionnel : 1D) qui peut être reconnu dans une séquence d'images ou une séquence de signaux. Il est possible d'intégrer plusieurs capteurs au sein d'un même dispositif de capteurs, ceci permettant de reconnaitre différents types de modèles, comme par exemple l'association d'un capteur optique et d'un capteur acoustique. Les données produites par les capteurs sont traitées par le même processeur neuronal, soit simultanément soit consécutivement, ou traitées par plusieurs processeurs neuronaux, comme dans le cas d'un réseau de processeurs neuronaux par exemple. Dans ce cas, l'unité de détection est désignée sous le terme système multi-experts .

L'unité de détection comprendra en général une unité de localisation qui permet de déterminer la position de l'unité de détection. Elle permet ainsi une auto-localisation. L'unité de localisation peut par exemple se présenter sous la forme d'un module GPS (géopositionnement par satellite). L'unité de localisation peut, en option, également permettre de déterminer l'heure. La position de l'unité de localisation et la fonction optionnelle de l'heure sont généralement utilisées en combinaison avec le résultat de la reconnaissance de formes et transmises par l'intermédiaire de l'unité de communication. Ainsi, on est en mesure de connaitre l'endroit et l'instant précis où a été localisé un événement.

D'une manière générale, l'unité de détection présentera un système permettant de déterminer l'orientation de l'unité de détection. Ce système se présentera par exemple sous la forme d'une boussole. Ainsi, on pourra disposer d'une localisation encore plus précise de la forme ou du mouvement détecté : reconnaissance de l'événement de classe CX, par le dispositif de capteurs Ny aux coordonnées XYZ, à l'instant To et dans la direction N.S.E.Ouest. L'information concernant l'orientation de l'unité de détection, ainsi que le résultat de la reconnaissance de formes et û en option û la position de l'unité de détection, sont transmis par l'intermédiaire de l'unité de communication.

Le système de localisation et/ou l'unité permettant de déterminer l'orientation de l'unité de détection peuvent se présenter séparément ou être intégrés à l'unité de communication.

Dans une forme de définition de l'invention, l'unité de détection présente un boîtier qui se place automatiquement en position verticale. Cela signifie que, quelle que soit la position dans laquelle l'unité de détection aura été déposée ou larguée, l'unité de détection prendra automatiquement une position prédéfinie. Le boîtier pourra se présenter sous forme d'une partie hémisphérique et d'une partie conique, le cercle de base de la partie conique ayant le même diamètre que la partie hémisphérique. Le centre de gravité de l'unité de détection sera placé en un point précis du boîtier qui fera en sorte que l'unité de détection se positionne automatiquement à la verticale. Par exemple, le centre de gravité pourra se situer sur l'axe symétrique de la partie conique, le plus proche possible de la partie hémisphérique du boîtier. La partie conique du boîtier peut par exemple abriter les antennes ou les interfaces acoustiques.

Pour assurer l'alimentation en énergie de l'unité de détection, on aura par exemple recours à une batterie, par exemple de technologie au lithium, ou encore à une pile à combustible. En option, on peut également intégrer une cellule solaire qui permettra le rechargement de la batterie. Ceci permet d'augmenter de manière significative l'autonomie de fonctionnement de l'unité.

Dans une forme d'exécution de l'invention, le boîtier de l'unité de détection est au moins partiellement transparent. Il est ainsi possible d'intégrer à l'unité de détection des éléments tels qu'un capteur optique, une cellule photo-électrique à l'intérieur du boîtier, sans que leurs fonctions s'en trouvent réduites.

D'une manière générale, on fera en sorte que les différents composants électroniques de l'unité de détection soient disposés sur un plan tridimensionnel, par exemple sur plusieurs niveaux. Le fait de disposer les composants sur plusieurs niveaux permet d'obtenir une structure en forme de parallélépipède ou de cylindre. Ceci permet de construire une unité de détection aux dimensions particulièrement compactes. La disposition en trois dimensions des composants permet à l'unité de détection de résister à des sollicitations physiques élevées, comme par exemple des forces appliquées sur l'unité de détection.

D'une manière générale, on fera en sorte qu'au moins une partie des composants de l'unité de détection soient reliés entre eux par un câblage tridimensionnel. Les composants électroniques pourront par exemple être connectés par l'intermédiaire d'une paroi du parallélépipède ou du cylindre. Une autre possibilité de connexion est donnée par la technologie dite MID (molded interconnected device) qui permet d'intégrer les connexions dans une pièce moulée. Ainsi, la technologie MID permet d'établir à la fois une liaison mécanique et une connexion électrique entre plusieurs composants.

Dans une forme d'exécution de l'invention, l'unité de détection intègre plusieurs capteurs, chacun de ces capteurs assurant la surveillance d'une zone du domaine de détection que l'unité de détection doit couvrir. Ainsi, chaque capteur couplé au processeur neuronal surveille un paramètre physique différent de la scène ou le même mais dans différentes directions de l'espace. Ceci permet à l'unité de détection de réaliser par exemple une surveillance tous azimuts. En connaissant la position du capteur qui transmet un signal de reconnaissance de forme, on peut aisément déterminer la position de la forme reconnue.

L'invention concerne aussi un réseau composé de plusieurs unités de détection selon l'invention, les unités de détection étant préférablement connectées entre elles au sein d'un réseau maître-esclave. Généralement, les unités de détection communiquent entre elles et/ou avec un calculateur central. Dans ce cas, les unités de détection sont généralement mises en réseau sous la forme d'un réseau maître-esclave. Ceci signifie que, par exemple, une unité de détection n'entrera pas directement en liaison avec le calculateur central, mais que les signaux issus de la reconnaissance de forme seront tout d'abord transmis à l'unité de détection maître. Cette unité de détection maître compilera ou traitera ces signaux d'une autre manière avant de les transférer au calculateur central. L'unité de détection maître peut par exemple procéder à une fusion des données, par exemple au moyen d'un processeur neuronal, donc d'un expert, et transférera ensuite les données ainsi consolidées au calculateur central. Il est avantageux de répartir et d'orienter les différentes unités de détection de telle manière que leurs capteurs soient orientés vers la zone à observer.

Dans le cas d'une surveillance de zone, l'environnement est pris en compte par un capteur, la reconnaissance de forme par un processeur neuronal la localisation par une unité de positionnement (GPS,...) et le résultat de la reconnaissance de forme est transmise par l'intermédiaire d'une unité de communication.

L'invention concerne aussi un procédé de surveillance de zone composé des étapes suivantes : prise en compte de l'environnement par au moins un capteur, exécution d'une reconnaissance de formes au moyen d'au moins un processeur neuronal et transmission des résultats de la reconnaissance de formes par l'intermédiaire d'une unité de communication

Afin d'expliquer plus en détail la présente invention, on présentera un exemple d'exécution de celle-ci. Dans ce contexte, les figures suivantes représentent :

- la figure 1 montre une vue d'ensemble d'un schéma d'une unité de détection selon l'invention, - la figure 2 présente la structure de ladite unité de détection, - les figures 3a et 3b montre un exemple de ladite unité mais avec seulement quatre capteurs, - la figure 4 présente un schéma d'un exemple d'une forme possible d'exécution de l'intérieur d'un composant, - la figure 5 donne un exemple de réalisation de la connexion de plusieurs composants de ladite unité, - la figure 6 montre un exemple d'une disposition de composants dans un parallélépipède, - la figure 7 montre un exemple d'une disposition de composants dans un cylindre, - la figure 8 montre un exemple d'une disposition de composants dans un cube, - la figure 9 présente un boîtier conçu pour se placer automatiquement en position verticale, - la figure 10 montre un réseau d'unités de détection - la figure 11 présente une zone de décision bidimensionnelle pour réseau neuronal.

La figure 1 représente un diagramme schématique d'une unité de détection 1. L'unité de détection 1 présente sept capteurs numérotés de 2 à 8, chacun étant connecté à un processeur neuronal numéroté de 9 à 15. Les processeurs neuronaux numérotés de 9 à 15 peuvent optionnellement être connectés à un autre processeur neuronal 16, qui est lui-même connecté à une unité de communication 17. L'unité de communication 17 présente un module GSM 18 et un module GPS 19. En lieu et place d'un processeur neuronal 16, il est également possible d'employer un micro-processeur standard, comme un composant de logique programmable de type FPGA.

Pour chacun des capteurs numérotés de 2 à 8, on peut choisir des capteurs optiques (opérant dans le domaine spectral visible, infrarouge ou ultraviolet), acoustiques, sismiques, thermiques, multi-spectraux, électromagnétiques, chimiques ou autres. Chacun des capteurs numérotés de 2 à 8 peut recouvrir l'ensemble de la zone se trouvant autour de l'unité de détection 1 ou une partie seulement de cette zone. Le nombre de capteurs et de processeurs neuronaux intégrés dans l'unité de détection peut être adapté aux besoins de l'application. Ce nombre peut donc varier et être supérieur ou inférieur au nombre de sept pris en exemple ici. Les processeurs neuronaux 9 à 16 implémentent sur une structure de silicium, une architecture neuronale hautement parallèle.

Chacun des processeurs neuronaux 9 à 15 reçoit le signal émis par le capteur (de 2 à 8) qui lui a été attribué et procède ensuite à une reconnaissance spécifique de forme. Les résultats sont transmis au processeur neuronal 16. Celui-ci regroupe et éventuellement traite ces informations. Le résultat de l'activité du processeur neuronal 16 est transmis à l'unité de communication 17, par exemple au moyen d'une interface électronique ou d'un processeur de type classique, sans structures neuronales (celui-ci n'étant pas représenté dans les illustrations). L'unité de communication 17 transmet le résultat par l'intermédiaire du module GSM 18. Le module GPS 19 calcule la position de l'unité de détection 1, les données concernant la position sont également transmises par le module GSM 18. Il est également possible de se passer du processeur 16. Dans ce cas, les activités réalisées par le processeur 16 sont assurées par un ou plusieurs des processeurs 9 à 15 qui sont chargés de la reconnaissance de formes. Autre possibilité : chacun des processeurs 9 à 15 présente une connexion avec l'unité de communication 17.

La figure 2 présente une autre représentation schématique de l'unité de détection 1. La disposition des différents composants sur la figure correspond à peu près à la disposition verticale des composants dans la réalité. Dans la partie inférieure du boîtier de l'unité de détection 1, se trouve un ballast 36 qui permet, avec la forme spécifique du boîtier, de placer automatiquement l'unité de détection dans une position prédéfinie qui sera décrite plus bas. Le module GSM 19 est placé à proximité de l'antenne GPS 23. Le module GSM 18 est placé à proximité de l'antenne GSM 24. Le bloc 21 qui représente les capteurs 2 à 8 est en contact avec le bloc 22 qui comprend les processeurs neuronaux 9 à 16, ainsi qu'une électronique d'interface. Le bloc 26 représente une unité de stockage d'énergie. Le bloc 25 représente des cellules photovoltaïques qui permettent de recharger l'unité de stockage d'énergie 26.

La figure 3a représente une répartition possible des quatre zones de surveillance couvertes par les quatre capteurs 2 à 5 de l'unité de détection 1. Le capteur 2 assure la surveillance de la première zone, le capteur 3 assure la surveillance de la deuxième zone, Le capteur 4 assure la surveillance de la troisième zone et le capteur 5, non visible sur la figure, assure la surveillance de la quatrième zone. Les capteurs 2, 3, 4 et 5 sont disposés sur le boîtier 20 de telle manière qu'ils puissent surveiller l'ensemble de la zone qui leur a été attribuée. Sur la figure 3b, une vue de dessus de la représentation tridimensionnelle de la figure 3a permet de bien distinguer la division du domaine de surveillance en quatre zones. Sur cette figure, les lignes pointillées représentent les limites théoriques entre les différentes zones. En option, il est possible de faire réaliser la surveillance de chaque zone par plusieurs capteurs.

La figure 4 représente un composant de l'unité de détection 1 : exemple d'un module GSM 18. Ce composant présente un support 27 sur lequel est directement placé un élément fonctionnel 28. L'élément fonctionnel 28 est connecté avec les connexions électriques 29. Le composant 18 ne comportant pas de boîtier propre, il est possible de l'intégrer d'une manière très compacte dans l'unité de détection. Les autres composants, tels que les capteurs 2 à 8, les processeurs 9 à 16 et le module GPS 19 sont de préférence construits de manière semblable.

Comme on peut le voir sur la figure 5, les composants de l'unité de détection 1 ù sur la figure : les capteurs 2 et 3, les processeurs neuronaux 8 et 9, le module GSM 18 et le module GPS 19 ù sont empilés et reliés les uns aux autres par un bus 30. La connexion d'un composant au bus 30 est assurée par les connexions 29. D'une manière générale, les composants présentent des éléments fonctionnels qui sont disposés et connectés de manière tridimensionnelle. On obtient ainsi une structure particulièrement compacte et solide. Autre possibilité : chaque composant dans son boîtier respectif est disposé sur une carte électrique : circuit imprimé bidimensionnel comme montré sur la figure 8.

La figure 6 montre comment peut se présenter l'ordonnancement des composants en couches : on voit ici par exemple le capteur 2, le processeur neuronal 8, le module GSM 18 et le module GPS 19. Ces composants sont disposés de manière à former un bloc de forme cubique. Sur un des côtés du parallélépipède, on distingue le bus 30 qui permet de connecter les composants entre eux.

Sur la figure 7, on peut voir un exemple de disposition des composants dans un bloc de forme cylindrique.

Sur la figure 8, une représentation plus détaillée d'une disposition des composants en parallélépipède. Sur la face supérieure du parallélépipède, on voit par exemple l'antenne GSM 23 qui est séparée de la couche de masse 32 par une couche diélectrique 31. En-dessous de l'antenne GSM 23, on a représenté par exemple une couche avec le module GSM 18 et une couche avec le module GPS 19. Les différents composants sont reliés au moyen de connexions 33 qui sont disposées sur les côtés du parallélépipède. L'espace libre entre les composants est rempli de résine époxy, ce qui permet à l'unité de détection 1 de présenter une haute résistance mécanique, par exemple contre les chocs. De tels chocs peuvent se produire par exemple quand l'unité de détection 1 est tirée ou larguée, par exemple depuis un aéronef et vient se poser sur le sol ou sur l'eau.

La figure 9 présente une vue schématique de côté du boîtier 20 de l'unité de détection 1. Le boîtier 20 se compose d'une partie hémisphérique 35 et d'une partie conique 34. Le cercle de base de la partie conique 34 présente la même circonférence que le grand cercle de la partie hémisphérique 35. Ainsi, le boîtier 20 dans son ensemble est parfaitement symétrique selon son axe de rotation. Le ballast 36 est disposé sur l'axe de symétrie du boîtier 20, en bordure de la partie hémisphérique 35. Etant donnée la forme du boîtier 20, l'abaissement du centre de gravité par la présence du ballast 36 et la répartition des masses des composants au sein de l'unité de détection 1, le boîtier 20 se place automatiquement en position verticale, son axe de symétrie s'oriente vers le sol. Automatiquement, la partie conique 34 s'oriente vers le ciel et la partie hémisphérique 35 s'oriente vers la terre. Ceci permet de faire en sorte que la cellule photovoltaïque 25 soit orientée vers le ciel et que les capteurs 2 à 8 puissent assurer la surveillance des zones définies autour de l'unité de détection 1. Il est également possible de concevoir un boîtier d'une autre forme et faire en sorte que ce boîtier, par exemple en utilisant du ballast, se place automatiquement dans une position définie.

La figure 10 présente un réseau de capteurs composé de huit unités de détection 1 et 37 à 43. Ces unités de détection sont reliées entre elles sous forme d'un réseau maître-esclave. L'unité de détection 37 joue le rôle de maître, les unités de détection 1 et 43 jouent le rôle d'esclaves. L'unité de détection 1 peut accueillir une unité de communication û non représentée sur le schéma û qui peut être constituée par un module Bluetooth ou un module WiFi ou toute autre unité de transmission ou protocole. Les unités de détection 37 à 43 sont généralement conçues de la même manière que l'unité de détection 1. Il est également possible d'utiliser des unités de détection de conception différente, c'est-à-dire des unités de détection spécialisées dans la reconnaissance d'un certain type de forme ou de mouvement, et de les faire échanger leurs données. En fonction de l'application choisie, le réseau de capteurs peut comporter plus ou moins de huit unités de détection.

Les capteurs des unités de détection 1 et 38 à 43 réalisent la surveillance de zone. Les signaux qu'ils émettent dans le cadre de leur activité de reconnaissance de forme sont transmis par les unités de détection et de mise en forme des données, vers les processeurs neuronaux correspondants. Les unités de détection 1 et 38 à 43 transmettent les résultats de la reconnaissance de forme, par exemple par Bluetooth, à l'unité de détection 37. L'unité de détection 37 transmet les informations compilées des unités de détection 1 et 38 à 43 û ces informations peuvent être également prétraitées û au calculateur central û non représenté sur la figure û par l'intermédiaire du module GSM. La communication par Bluetooth ou autre entre les unités de détection 1 et 38 à 43 et l'unité de détection 37 étant limitée en distance, il est possible de réaliser d'autres économies d'énergie. Il est également possible d'utiliser d'autres technologies de transmission de données telles que le WiFi ou le ZiGBee. En cas de défaillance de l'unité de détection 37, le rôle de maître est repris par une autre unité de détection (1, 38 à 43) équipée d'un GSM.

La figure 11 présente le détail de la reconnaissance de formes par un processeur neuronal. Un neurone est une unité de stockage de données associative et qui peut calculer la distance entre un vecteur d'entrée et un vecteur de référence qu'il a mémorisé. Si cette distance se trouve dans le domaine d'influence du neurone, le neurone émet une valeur d'identification, à savoir la catégorie. Concernant l'implémentation, on connait l'approche RBF (radial basis function) : un vecteur de référence, le prototype, est attribué à une catégorie et à un domaine d'influence dans un espace de dimension N. Dans ce schéma, il est possible d'associer plusieurs prototypes à une même catégorie et des domaines d'influence peuvent partiellement se chevaucher. Un processeur neuronal permettant de réaliser la présente invention peut être par exemple un processeur de type CogniMem fabriqué par la société GeneralVision.

Sur la figure 11, on voit l'exemple d'un espace de décision bidimensionnel, une dimension pouvant correspondre à la forme, une autre dimension à la couleur de l'objet à reconnaitre. On représente ici un exemple de 16 prototypes, chacun de ces prototypes appartenant à une des deux classes a ou b. Les domaines d'influence des prototypes qui sont classés dans la catégorie a sont représentés en blanc. Les domaines d'influence des prototypes qui sont classés dans la catégorie b sont représentés en hachuré. Dans un processeur neuronal, le domaine de décision peut comporter plus de deux dimensions, par exemple N = 256 : CogniMan. Un vecteur prototype présente au maximum autant de coefficients que le domaine de décision comporte de dimensions.

La procédure de classification consiste à déterminer si un vecteur d'entrée de dimension N se trouve oui ou non dans le domaine d'influence d'un des neurones du réseau. La réponse à cette question est obtenue en calculant la distance suivant la norme L1 ou la norme Lsup entre le vecteur d'entrée et chacun des prototypes puis en réalisant une comparaison avec la valeur de la zone d'influence de chacun des neurones.

Pour le résultat de cette comparaison, trois cas de figure sont possibles : Dans le cas d'une identification absolue, le vecteur d'entrée se trouve dans le domaine d'influence d'un prototype ou de plusieurs prototypes de même catégorie. Dans ce cas, le vecteur d'entrée est reconnu et associé à cette catégorie. Dans le cas d'une identification partielle, le vecteur d'entrée se trouve dans le domaine d'influence d'au moins deux prototypes de catégories différentes. Dans ce cas, le vecteur d'entrée est considéré comme détecté mais non identifié. Si le vecteur d'entrée se trouve dans le domaine d'influence d'aucun des prototypes (neurones), il est considéré comme non détecté.

Le processus d'apprentissage d'un processeur neuronal se présente de la manière suivante : le réseau neuronal se voit présenté une série de formes, donc de vecteurs, dont la catégorie est connue. Dans le cadre du processus d'apprentissage, les domaines d'influence des prototypes (neurones) sont adaptés automatiquement. C'est le cas de CogniMan par exemple. Chaque vecteur d'entrée présenté au réseau neuronal génère soit aucune modification du réseau neuronal, soit une adaptation du domaine d'influence d'un ou plusieurs prototypes ou encore la mise en place d'un nouveau prototype, c'est-à-dire d'un nouveau neurone.

L'exemple présenté en figure 11 montre comment, pour un processeur neuronal ayant suivi un apprentissage, le vecteur d'entrée 45, représenté par un carré blanc, est présenté pour une reconnaissance de formes. Ce vecteur se trouve dans le domaine d'influence du prototype 44, qui appartient à la catégorie b. En conséquence, le modèle appartenant au vecteur d'entrée 45 est considéré comme appartenant à la catégorie b.

Outre sa capacité à réaliser une reconnaissance de formes très rapide, l'avantage d'un processeur neuronal réside dans le fait qu'il est en mesure de généraliser. Ceci signifie que le processeur peut identifier un modèle, même si son apprentissage n'a pas exactement porté sur ce même modèle. En outre, un processeur neuronal est en mesure de consolider des informations. Grâce à ce mécanisme d'intelligence artificielle, le réseau neuronal peut définir automatiquement son architecture interne et est en mesure de réagir en quelques microsecondes. L'unité de détection a la capacité de télécharger et de partager des connaissances, mais aussi de continuer son apprentissage pendant le fonctionnement.

Claims (15)

1. Revendications1. Unité de détection (1) comportant au moins un capteur (2 à 8) apte à générer un signal et des moyens de reconnaissance d'une forme ou d'un mouvement dans ledit signal ainsi qu'une unité de communication (17) , caractérisée en ce que lesdits moyens de reconnaissance d'une forme ou d'un mouvement dans ledit signal comportent au moins un processeur neuronal (9 à 15) apte à traiter ledit signal pour y rechercher ladite forme y rechercher ladite forme et apte à générer et à transmettre à l'unité de communication une information après détection de ladite forme ou dudit mouvement.
2. 2. Unité de détection (1) selon la revendication 1, caractérisée en ce qu'elle comporte une unité de localisation (19) qui permet de déterminer la position de l'unité de détection (1).
3. 3. Unité de détection (1) selon l'une des revendications 1 ou 2, caractérisée en ce que l'unité de détection (1) est conçue de telle manière que le résultat de la reconnaissance de formes ne fait l'objet d'une transmission via un canal à faible bande passante que si ladite forme ou ledit mouvement a été reconnue.
4. 4. Unité de détection (1) selon l'une des revendications de 1 à 3, caractérisée en ce qu'elle comporte un dispositif de détection de l'orientation de l'unité de détection (1).
5. 5. Unité de détection (1) selon l'une des revendications de 1 à 4, caractérisée en ce que l'unité de détection (1) comporte un boîtier (20) apte à se placer automatiquement en position verticale.
6. 6. Unité de détection (1) selon l'une des revendications de 1 à 5, caractérisée en ce qu'elle comporte au moins une cellule photovoltaïque (25).
7. 7. Unité de détection (1) selon l'une des revendications de 1 à 6, caractérisée en ce qu'elle comporte plusieurs ensembles en parallèles constitués chacun par un capteur associé à un processeur neuronal et en ce que les ces ensembles et l'unité de communication sont disposés de manière tridimensionnelle, par exemple en plusieurs couches.
8. 8. Unité de détection (1) selon la revendication 7, caractérisée en ce qu'elle comporte une connexion câblée tridimensionnelle pour au moins certains des processeurs neuronaux (9 à 15) et de l'unité de communication (17).
9. 9. Unité de détection (1) selon l'une des revendications de 1 à 8, caractérisée en ce qu'elle comporte des moyens de détermination de son orientation ainsi qu'une horloge, et des moyens d'association d'une information d'orientation et d'heure à chaque information de détection de ladite forme ou dudit mouvement.
10. 10. Unité de détection (1) selon l'une des revendications de 1 à 6, caractérisée en ce qu'elle comporte plusieurs ensembles en parallèles constitués chacun par un capteur (2 à 8) associé à un processeur neuronal (9 à 15) et en ce qu'elle comporte des moyens de fusion de données.
11. 11. Unité de détection (1) selon l'une des revendications de 1 à 10, caractérisée en ce qu'au moins certains des processeurs neuronaux (9 à 15) de l'unité de détection (1) sont disposés sous forme d'un parallélépipède ou d'un cylindre.
12. 12. Unité de détection (1) selon la revendication 11, caractérisée par le fait qu'au moins certains des processeurs neuronaux (9 à 15) et de l'unité de communication de l'unité de détection (1) sont reliés entre eux par une face latérale du parallélépipède ou du cylindre.
13. 13. Réseau de capteurs composé de plusieurs unités de détection (1, 38 à 42), selon l'une des revendications de 1 à 12.
14. 14. Réseau de capteurs selon la revendication 13, caractérisé par le fait que les unités de détection (1, 38 à 43) sont connectées entre elles au sein d'un réseau maître-esclave.
15. 15. Procédé de surveillance de zone composé des étapes suivantes : prise en compte de l'environnement par au moins un capteur (2 à 8), exécution d'une reconnaissance de formes au moyen par au moins un processeur neuronal (de 9 à 15) et transmission des résultats de la reconnaissance de formes par l'intermédiaire d'une unité de communication (17)