Dans l'univers des séries policières, la science est souvent reléguée au second plan au profit du divertissement. Vous avez sans doute remarqué qu’il faut des semaines, voire des mois, pour analyser les preuves ADN, contrairement à ce que l’on voit à l'écran. Mais qu'en est-il de la fameuse technique d'amélioration des images floues pour identifier les suspects ? Où se trouve la frontière entre réalité et fiction ?

Bien que les séries donnent l’impression que l’amélioration d’image est simple, cela ne signifie pas que c’est impossible. Au contraire, les forces de l’ordre sont régulièrement amenées à extraire des numéros de plaques d’immatriculation à partir d’images de mauvaise qualité. Leur réussite dépend de deux éléments clés :

1. La qualité de l'image
   La qualité d'une image peut être influencée par divers facteurs : les caractéristiques de la caméra (capteur, objectif, etc.), la vitesse et le mouvement de la voiture, l’éclairage, la météo et la présence d’obstacles. Prenons deux exemples : dans le premier, une caméra de sécurité proche d’une voiture qui sort lentement d’un parking bien éclairé, et dans le second, une voiture roulant à grande vitesse sous une tempête de neige. Le premier cas est bien plus favorable pour lire une plaque d’immatriculation. Cependant, même dans des conditions optimales, les caméras de surveillance doivent filmer à 60 images par seconde pour capturer des véhicules rapides sur autoroute. Malgré cela, la neige, la saleté ou les débris peuvent rendre la tâche difficile pour le logiciel. Les systèmes ALPR (Automatic License Plate Recognition) peuvent lire des plaques même partiellement obstruées, mais leurs performances dépendent des conditions et de la technologie utilisée.

2. L’outil d’amélioration
   Trois niveaux d’amélioration d’image existent, chacun ayant une complexité croissante :

• Logiciel de retouche d'image : Un citoyen avec une photo floue peut utiliser un logiciel comme Photoshop pour augmenter le contraste et faciliter la lecture du numéro de la plaque.
• Logiciel de gestion vidéo (VMS) : Les agences utilisent souvent des logiciels VMS, qui peuvent automatiquement améliorer la qualité de l’image et faire correspondre les numéros de plaques à une base de données gouvernementale.
• Apprentissage automatique : Dans les cas les plus complexes, l’apprentissage automatique peut être employé. Cette méthode, plus lente et gourmande en ressources, a cependant permis de résoudre des affaires réelles grâce à l’analyse minutieuse des images.

Résumé
L’amélioration d’image n’est donc pas une fiction, mais il est peu probable que l’on puisse agrandir une image floue d’un parking jusqu’à rendre le numéro de plaque visible sur l’œil d’une victime. De telles conditions nécessitent des résolutions et des environnements bien différents de ceux rencontrés dans la vidéosurveillance réelle.

Applications de la reconnaissance des plaques d’immatriculation
Bien que la télévision exagère souvent les capacités des logiciels de sécurité, la reconnaissance des plaques d’immatriculation a de nombreuses applications réelles :

• Résidentiel : Des portiers virtuels équipés de reconnaissance de plaques facilitent l’accès des résidents à leurs garages et parkings.
• Commerce de détail : Certaines entreprises l’utilisent pour identifier des clients réguliers et accélérer le service.
• Fabrication : La reconnaissance des plaques facilite l'accès aux locaux pour les véhicules de livraison ou de maintenance.
• Application de la loi : La police utilise la reconnaissance des plaques pour lutter contre les délits de fuite et améliorer la sécurité publique.