Download or read book Outils d analyse vid o pour une pleine exploitation des donn es de la vid oprotection written by DUFOUR Jean-Yves and published by Lavoisier. This book was released on 2012-10-22 with total page 386 pages. Available in PDF, EPUB and Kindle. Book excerpt: L’utilisation croissante de la vidéoprotection rend nécessaire la mise en place de fonctions d’analyse vidéo pour alléger voire automatiser des tâches aujourd’hui entièrement réalisées par des opérateurs. Après avoir dressé un panorama des avancées et des perspectives en analyse d’image, cet ouvrage détaille les principales fonctions d’analyse vidéo, comme la détection, le suivi et la reconnaissance d’objets d’intérêt (personnes ou véhicules) ou les fonctions de « haut-niveau » visant à interpréter les scènes observées (évènements, comportements, nature de la scène...). Les besoins sont illustrés sous l’angle de deux applications majeures, la sécurité des transports et l’investigation. Les contraintes d’ordres juridique et éthique sont présentées, ainsi que les caractéristiques des données vidéo traitées, au travers des caméras et des méthodes de compression utilisées. La problématique de l’évaluation de performance, tant au niveau opérationnel qu’au niveau des fonctions d’analyse, est également exposée.

Download or read book DETECTION ET SUIVI D OBJETS PAR ANALYSE DE SEQUENCES D IMAGES written by PATRICK.. PINEAU and published by . This book was released on 1991 with total page 390 pages. Available in PDF, EPUB and Kindle. Book excerpt: DANS CE MEMOIRE, NOUS AVONS DEVELOPPE UNE NOUVELLE APPROCHE PERMETTANT LA DETECTION ET LE SUIVI DE REGIONS EN MOUVEMENT DANS UNE SEQUENCE D'IMAGES. ELLE EST BASEE SUR L'ANALYSE DES VARIATIONS SPATIO-TEMPORELLES DE LA DISTRIBUTION DES INTENSITES. LE PRINCIPAL OBJECTIF EST DE CONSTRUIRE LE PLUS FIDELEMENT POSSIBLE LES PROJECTIONS, OU MASQUES COMPLETS, DES OBJETS, AINSI QUE LE MASQUE DE LEUR OMBRE PORTEE, PUIS EN SUIVRE L'EVOLUTION TEMPORELLE. L'APPROCHE ENVISAGEE TRAITE DES SEQUENCES D'IMAGES DE SCENES PROCHES ACQUISES AVEC UNE CAMERA FIXE. LE FONCTIONNEMENT GENERAL DE LA METHODE SE DECOMPOSE EN QUATRE PRINCIPALES ETAPES: A) CONSTRUCTION DES MASQUES DES OBJETS ET DES MASQUES DE LEUR OMBRE, PAR COMPARAISON DE L'IMAGE COURANTE ET DE L'IMAGE DU FOND. CETTE COMPARAISON, BASEE SUR LA LUMINANCE ET LES CONTOURS, CONDUIT A UN ETIQUETAGE DOUBLE. UN PROCESSUS DE RELAXATION, AVEC MODELISATION MARKOVIENNE DU CHAMP DES ETIQUETTES, PERMET D'OPTIMISER LA DETECTION. B) SEPARATION DES OBJETS GRACE A LA PRISE EN COMPTE DE LEUR MOUVEMENT. CETTE TECHNIQUE EST EGALEMENT BASEE SUR UNE RELAXATION AVEC MODELISATION MARKOVIENNE. C) PREDICTION TEMPORELLE DES MASQUES DES OBJETS ET DE LEUR MOUVEMENT AFIN D'AUGMENTER LA ROBUSTESSE DES PRECEDENTES ETAPES. D) ENFIN, UN PROCESSUS DE SUIVI TEMPOREL DES MASQUES DES OBJETS EST MIS EN UVRE AFIN D'OBTENIR LA TRAJECTOIRE DE CHAQUE OBJET

Download or read book Suivi d objets dans une s quence d images par mod le d apparence written by Mounia Mikram and published by . This book was released on 2008 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le travail présenté dans ce mémoire s'inscrit dans le cadre du suivi d'objets dans des vidéos, et plus particulièrement, sur l'utilisation de représentations par modèle d'apparence pour le suivi. La notion de modèle d'apparence est précisée sur la base de l'extraction de descripteurs visuels comparés à l'aide de similarités à une référence. De nouvelles techniques pour évaluer les performances vis à vis du suivi sont présentées. Les approches classiques d'évaluation considèrent uniquement la qualité des trajectoires finales estimées. Les métriques proposées dans ce mémoire s'en distinguent par le fait qu'elles quantifient la performance intrinsèque des modèles d'apparence utilisés au sein du système. Deux axes sont ainsi développés : d'une part, un ensemble de mesures de la précision spatiale d'un modèle couplées à la mesure de la robustesse vis-à-vis d'une initialisation spatiale approximative, et d'autre part, la proposition d'une méthodologie permettant de mesurer la stabilité d'un modèle du point de vue temporel sur des données vidéos naturelles. Ces techniques seront utilisées dans la suite du mémoire pour évaluer les méthodes existantes ainsi que celles présentées. Deux nouveaux modèles d'apparence sont ensuite introduits. Le premier modèle dénommé l'histogramme multi-échelles permet de limiter les ambigüités liées à la représentation par histogramme de couleurs. Le deuxième modèle, fondé sur une extension de la métrique de Matusita pour la comparaison de distributions de couleurs, prend en compte les variations possibles des couleurs des objets liées aux conditions de changement d'illumination. Enfin, le lien entre modèle d'apparence et technique de recherche de la position optimale est abordé dans le contexte du suivi multi-noyaux à travers la proposition d'un nouvel algorithme de suivi basé sur une approche compositionnelle inverse. Celui-ci offre un temps de calcul fortement réduit pour une qualité de suivi similaire aux algorithmes existants.

Download or read book Learning in Non Stationary Environments written by Moamar Sayed-Mouchaweh and published by Springer Science & Business Media. This book was released on 2012-04-13 with total page 439 pages. Available in PDF, EPUB and Kindle. Book excerpt: Recent decades have seen rapid advances in automatization processes, supported by modern machines and computers. The result is significant increases in system complexity and state changes, information sources, the need for faster data handling and the integration of environmental influences. Intelligent systems, equipped with a taxonomy of data-driven system identification and machine learning algorithms, can handle these problems partially. Conventional learning algorithms in a batch off-line setting fail whenever dynamic changes of the process appear due to non-stationary environments and external influences. Learning in Non-Stationary Environments: Methods and Applications offers a wide-ranging, comprehensive review of recent developments and important methodologies in the field. The coverage focuses on dynamic learning in unsupervised problems, dynamic learning in supervised classification and dynamic learning in supervised regression problems. A later section is dedicated to applications in which dynamic learning methods serve as keystones for achieving models with high accuracy. Rather than rely on a mathematical theorem/proof style, the editors highlight numerous figures, tables, examples and applications, together with their explanations. This approach offers a useful basis for further investigation and fresh ideas and motivates and inspires newcomers to explore this promising and still emerging field of research.

Download or read book Suivi de structure d formable dans une s quence d images written by Ali Ganoun and published by . This book was released on 2007 with total page 210 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le suivi d’objet dans les séquences d’images est un axe de recherche assez développé dans le domaine de la vision artificielle. Il peut être vu comme un processus composé de deux phases : la phase d'initialisation ou de segmentation dans laquelle nous définissons dans l'image l'objet à suivre, et la phase de suivi pendant laquelle nous recherchons l'objet dans les images successives.Quatre approches de suivi d’objet ont été étudiées et implémentées, puis optimisées par rapport à leurs versions trouvées classiquement dans la littérature. La première approche concerne la méthode des courbes de niveau, abordée autant comme approche de segmentation que de suivi. La deuxième approche permet de se placer dans un cadre bayésien et de formuler le suivi de manière probabiliste grâce à un filtrage particulaire. Dans la troisième approche, l'algorithme de CamShift est appliqué sur l’image avec un modèle de l’objet à suivre construit sur deux canaux de couleur au lieu des trois plus généralement utilisés. Enfin une quatrième approche combinant une mise en correspondance de points d’intérêt et l'algorithme de CamShift a été développée pour un fonctionnement dans des séquences d’images en niveaux de gris.Une évaluation de chaque approche sur quelques séquences d’images est menée afin d’explorer l'évolution d'un ensemble de mesures de performance avec des variations de paramètres. Un bilan comparatif a ensuite été réalisé afin de définir les avantages, inconvénients et conditions d’utilisation de chaque approche.Le cadre applicatif de ces travaux est le suivi d’un unique objet sans connaissance a priori ni phase d’apprentissage dans une séquence d’images en niveaux de gris en vue d’une implantation avec fonctionnement en temps réel sur un système embarqué.

Download or read book SCHEMAS DE SUIVI D OBJETS VIDEO DANS UNE SEQUENCE ANIMEE written by Laurent Bonnaud and published by . This book was released on 1998 with total page 190 pages. Available in PDF, EPUB and Kindle. Book excerpt: LE CADRE GENERAL DE CETTE ETUDE EST LE TRAITEMENT NUMERIQUE DU SIGNAL, APPLIQUE AUX SEQUENCES D'IMAGES, POUR DES APPLICATIONS MULTIMEDIA. CE TRAVAIL EST DIVISE EN DEUX CONTRIBUTIONS PRINCIPALES : UN ALGORITHME DE SEGMENTATION D'IMAGES EN OBJETS VIDEO EN MOUVEMENT, ET UNE METHODE D'INTERPOLATION TEMPORELLE OPERANT SUR CES OBJETS. LA SEGMENTATION DE LA SEQUENCE EST EFFECTUEE PAR UN ALGORITHME DE SUIVI TEMPOREL. UN ALGORITHME DE SEGMENTATION SPATIO-TEMPORELLE EST UTILISE INITIALEMENT POUR OBTENIR DES REGIONS DANS LA PREMIERE IMAGE DE LA SEQUENCE. CETTE PARTITION EST ENSUITE SUIVIE PAR UNE TECHNIQUE DE CONTOURS ACTIFS, QUI OPERE SUR UNE NOUVELLE REPRESENTATION DE LA SEGMENTATION, COMPOSEE DES FRONTIERES OUVERTES SEPARANT LES REGIONS. L'ALGORITHME ESTIME A LA FOIS LE MOUVEMENT DES FRONTIERES ET CELUI DES REGIONS. IL EST CAPABLE DE SUIVRE PLUSIEURS OBJETS SIMULTANEMENT ET DE TRAITER LES OCCULTATIONS ENTRE EUX. DES RESULTATS, OBTENUS SUR DES SEQUENCES D'IMAGES REELLES, MONTRENT QUE CET ALGORITHME PERMET UNE BONNE STABILITE TEMPORELLE DE LA SEGMENTATION ET UNE BONNE PRECISION DES FRONTIERES. LE BUT DE L'ALGORITHME D'INTERPOLATION EST DE RECONSTRUIRE DES IMAGES INTERMEDIAIRES ENTRE DEUX IMAGES DE LA SEQUENCE. IL S'AGIT D'UN ALGORITHME DE FAIBLE COMPLEXITE QUI PEUT ETRE UTILISE A LA FIN D'UNE CHAINE CODEUR/DECODEUR. L'INTERPOLATION EST COMPENSEE EN MOUVEMENT ET UTILISE LE MOUVEMENT DES REGIONS, ESTIME PENDANT LA PHASE DE SUIVI. IL EST AUSSI BASE OBJETS, DANS LE SENS OU IL UTILISE LA SEGMENTATION POUR PREDIRE CORRECTEMENT LES ZONES D'OCCULTATION. CET ALGORITHME PEUT ETRE UTILISE POUR TROIS APPLICATIONS DIFFERENTES : LE CODAGE INTERPOLATIF (OU DES IMAGES DE LA SEQUENCE SONT PREDITES PAR INTERPOLATION), L'ADAPTATION DE LA FREQUENCE DE LA SEQUENCE A LA FREQUENCE D'AFFICHAGE DU TERMINAL DE VISUALISATION DANS UNE TRANSMISSION MULTICAST ET LA RECONSTRUCTION D'IMAGES MANQUANTES (OU L'ON CALCULE DES IMAGES NON OBSERVEES). DES RESULTATS EXPERIMENTAUX POUR LA PREMIERE APPLICATION MONTRENT QUE POUR UNE QUALITE DE RECONSTRUCTION DONNEE, LA TAUX DE COMPRESSION MOYEN SUR UN GROUPE D'IMAGES EST PLUS ELEVE EN UTILISANT L'INTERPOLATION QU'AVEC UNE PREDICTION CAUSALE.

Download or read book Suivi d objets d int r t dans une s quence d images written by Vincent Garcia and published by . This book was released on 2008 with total page 221 pages. Available in PDF, EPUB and Kindle. Book excerpt: Le problème du suivi d’objets dans une vidéo se pose dans des domaines tels que la vision par ordinateur (vidéosurveillance par exemple) et la post-production télévisuelle et cinématographique (effets spéciaux). Il se décline en deux variantes principales : le suivi d’une région d’intérêt, qui désigne un suivi grossier d’objet, et la segmentation spatiotemporelle, qui correspond à un suivi précis des contours de l’objet d’intérêt. Dans les deux cas, la région ou l’objet d’intérêt doivent avoir été préalablement détourés sur la première, et éventuellement la dernière, image de la séquence vidéo. Nous proposons dans cette thèse une méthode pour chacun de ces types de suivi ainsi qu’une implémentation rapide tirant partie du Graphics Processing Unit (GPU) d’une méthode de suivi de régions d’intérêt développée par ailleurs. La première méthode repose sur l’analyse de trajectoires temporelles de points saillants et réalise un suivi de régions d’intérêt. Des points saillants (typiquement des lieux de forte courbure des lignes isointensité) sont détectés dans toutes les images de la séquence. Les trajectoires sont construites en liant les points des images successives dont les voisinages sont cohérents. Notre contribution réside premièrement dans l’analyse des trajectoires sur un groupe d’images, ce qui améliore la qualité d’estimation du mouvement. De plus, nous utilisons une pondération spatio-temporelle pour chaque trajectoire qui permet d’ajouter une contrainte temporelle sur le mouvement tout en prenant en compte les déformations géométriques locales de l’objet ignorées par un modèle de mouvement global. La seconde méthode réalise une segmentation spatio-temporelle. Elle repose sur l’estimation du mouvement du contour de l’objet en s’appuyant sur l’information contenue dans une couronne qui s’étend de part et d’autre de ce contour. Cette couronne nous renseigne sur le contraste entre le fond et l’objet dans un contexte local. C’est là notre première contribution. De plus, la mise en correspondance par une mesure de similarité statistique, à savoir l’entropie du résiduel, d’une portion de la couronne et d’une zone de l’image suivante dans la séquence permet d’améliorer le suivi tout en facilitant le choix de la taille optimale de la couronne. Enfin, nous proposons une implémentation rapide d’une méthode de suivi de régions d’intérêt existante. Cette méthode repose sur l’utilisation d’une mesure de similarité statistique : la divergence de Kullback-Leibler. Cette divergence peut être estimée dans un espace de haute dimension à l’aide de multiples calculs de distances au k-ème plus proche voisin dans cet espace. Ces calculs étant très coûteux, nous proposons une implémentation parallèle sur GPU (grâce à l’interface logiciel CUDA de NVIDIA) de la recherche exhaustive des k plus proches voisins. Nous montrons que cette implémentation permet d’accélérer le suivi des objets, jusqu’à un facteur 15 par rapport à une implémentation de cette recherche nécessitant au préalable une structuration des données.

Download or read book D tection et suivi d objets par vision fond s sur segmentation par contour actif base r gion written by Wassima Ait Fares and published by . This book was released on 2013 with total page 130 pages. Available in PDF, EPUB and Kindle. Book excerpt: La segmentation et le suivi d'objets sont des domaines de recherche compétitifs dans la vision par ordinateur. Une de leurs applications importantes réside dans la robotique où la capacité à segmenter un objet d'intérêt du fond de l'image, d'une manière précise, est cruciale particulièrement dans des images acquises à bord durant le mouvement du robot. Segmenter un objet dans une image est une opération qui consiste à distinguer la région objet de celle du fond suivant un critère défini. Suivre un objet dans une séquence d'images est une opération qui consiste à localiser la région objet au fil du temps dans une vidéo. Plusieurs techniques peuvent être utilisées afin d'assurer ces opérations. Dans cette thèse, nous nous sommes intéressés à segmenter et suivre des objets en utilisant la méthode du contour actif en raison de sa robustesse et son efficacité à pouvoir segmenter et suivre des objets non rigides. Cette méthode consiste à faire évoluer une courbe à partir d'une position initiale, entourant l'objet à détecter, vers la position de convergence qui correspond aux bords de cet objet d'intérêt. Nous utilisons des critères qui dépendent des régions de l'image ce qui peut imposer certaines contraintes sur les caractéristiques de ces régions comme une hypothèse d'homogénéité. Cette hypothèse ne peut pas être toujours vérifiée du fait de l'hétérogénéité souvent présente dans les images. Dans le but de prendre en compte l'hétérogénéité qui peut apparaître soit sur l'objet d'intérêt soit sur le fond dans des images bruitées et avec une initialisation inadéquate du contour actif, nous proposons une technique qui combine des statistiques locales et globales pour définir le critère de segmentation. En utilisant un rayon de taille fixe, un demi-disque est superposé sur chaque point du contour actif afin de définir les régions d'extraction locale. Lorsque l'hétérogénéité se présente à la fois sur l'objet d'intérêt et sur le fond de l'image, nous développons une technique basée sur un rayon flexible déterminant deux demi-disques avec deux rayons de valeurs différentes pour extraire l'information locale. Le choix de la valeur des deux rayons est déterminé en prenant en considération la taille de l'objet à segmenter ainsi que de la distance séparant l'objet d'intérêt de ses voisins. Enfin, pour suivre un objet mobile dans une séquence vidéo en utilisant la méthode du contour actif, nous développons une approche hybride du suivi d'objet basée sur les caractéristiques de la région et sur le vecteur mouvement des points d'intérêt extraits dans la région objet. En utilisant notre approche, le contour actif initial à chaque image sera ajusté suffisamment d'une façon à ce qu'il soit le plus proche possible au bord réel de l'objet d'intérêt, ainsi l'évolution du contour actif basée sur les caractéristiques de la région ne sera pas piégée par de faux contours. Des résultats de simulations sur des images synthétiques et réelles valident l'efficacité des approches proposées.

Download or read book Segmentation par contour actif et suivi automatique d un objet dans une s quence d images written by Khalifa Djemal and published by . This book was released on 2002 with total page 3 pages. Available in PDF, EPUB and Kindle. Book excerpt:

Download or read book Segmentation et suivi d objets couleur dans une s quence vid o l aide de r seaux de neurones auto organis s written by Wafi El-Chaar and published by . This book was released on 2007 with total page 147 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans cette recherche, on s’intéresse à réaliser une segmentation automatique de couleurs d’une image à l’aide de réseaux de neurones auto-organisés. On utilise ensuite cette segmentation pour alimenter un algorithme de suivi d’objets. L’objectif ultime est de construire une « machine intelligente de vision » capable de voir et comprendre ce qu’elle voit. Une multitude d’applications peuvent bénéficier d’une telle recherche, notamment les domaines du transport intelligent, du suivi de cibles ou de personnes, de la reconnaissance de comportement, etc. On a développé un algorithme de segmentation automatique des couleurs des objets (objets couleurs) qui existent dans une image statique. Il débute par un ensemble uniforme de couleurs représentatives puis procède à le réduire en éliminant ceux qui n’ont pas de contribution dans l’image étudiée. Cela ne garde que les couleurs utiles à la segmentation. Ensuite, on définit et on entraîne un réseau auto-organisé de Kohonen (SOM) pour représenter la distribution de ces couleurs utiles. Une analyse de l’histogramme « des parts du marché » permet ensuite la détection des couleurs les plus dominantes de l’image. A la fin, on applique la règle économique 80/20 de Pareto et une analyse ABC pour filtrer les résultats de segmentation et ne garder que les plus utiles 95% d’objets. Cela réduit considérablement le bruit de segmentation et améliore la qualité des résultats. On a appliqué cette segmentation dans le domaine suive d’objets en supposant que ces couleurs dominantes sont conservées le long d’une séquence vidéo et qu’on est intéressé par le suivi des objets couleurs. On a défini les règles pour la validation des résultats d’un suivi qui se résument par la commutativité de la relation de correspondance entre les objets dans les sens normal et inverse de la séquence vidéo. L’algorithme de suivi qu’on a développé appartient à la classe des algorithmes de suivi par correspondance des caractéristiques visuelles. On en a choisi 5 : la couleur, le centre de gravité, la surface, l’orientation et le rectangle encadrant. On les a utilisé pour définir une fonction de correspondance entre les objets et détecter leurs 3 états : apparition, vie et disparition.

Download or read book Artificial Intelligence for Biology and Agriculture written by S. Panigrahi and published by Springer Science & Business Media. This book was released on 2012-12-06 with total page 258 pages. Available in PDF, EPUB and Kindle. Book excerpt: This volume contains a total of thirteen papers covering a variety of AI topics ranging from computer vision and robotics to intelligent modeling, neural networks and fuzzy logic. There are two general articles on robotics and fuzzy logic. The article on robotics focuses on the application of robotics technology in plant production. The second article on fuzzy logic provides a general overview of the basics of fuzzy logic and a typical agricultural application of fuzzy logic. The article `End effectors for tomato harvesting' enhances further the robotic research as applied to tomato harvesting. The application of computer vision techniques for different biological/agricultural applications, for example, length determination of cheese threads, recognition of plankton images and morphological identification of cotton fibers, depicts the complexity and heterogeneities of the problems and their solutions. The development of a real-time orange grading system in the article `Video grading of oranges in real-time' further reports the capability of computer vision technology to meet the demand of high quality food products. The integration of neural network technology with computer vision and fuzzy logic for defect detection in eggs and identification of lettuce growth shows the power of hybridization of AI technologies to solve agricultural problems. Additional papers also focus on automated modeling of physiological processes during postharvest distribution of agricultural products, the applications of neural networks, fusion of AI technologies and three dimensional computer vision technologies for different problems ranging from botanical identification and cell migration analysis to food microstructure evaluation.

Download or read book D tection et suivi d objets en mouvement dans des sc nes complexes written by Aurélie Bugeau and published by . This book was released on 2007 with total page 177 pages. Available in PDF, EPUB and Kindle. Book excerpt: De nombreuses applications en vision par ordinateur nécessitent la détection et le suivi d'objets en mouvement dans une séquence d'images. Le but de cette thèse est de détecter et suivre les objets mobiles dans des séquences ayant un fond dynamique, avec de forts changements d'illumination, de faibles contrastes et éventuellement acquises par une caméra mobile. Cette thèse est décomposée en deux parties. Dans la première, une méthode de détection est proposée. Elle repose sur la définition d'une grille de points décrits par leur mouvement et leur photométrie. Ces points sont ensuite regroupés en "clusters en mouvement" avec un algorithme mean shift à noyau variable et une méthode de sélection automatique de la taille des noyaux. La deuxième partie propose une méthode de suivi combinant des distributions de couleur et de mouvement, la prédiction de l'objet et des observations extérieures (pouvant être les clusters en mouvement) dans une fonction d'énergie minimisée par coupe minimale/flot maximal dans un graphe.

Download or read book Efficient Object Identification in Image Sequences for Content Indexing written by Francesca Manerba and published by . This book was released on 2005 with total page 153 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les avancées en matière d'acquisition et de stockage des données ont conduit à la disponibilité de grandes bases de données vidéo numériques pour l'utilisateur grand-public. Néanmoins l'interaction avec les données multimédia et vidéo en particulier nécessite des outils de description, organisation et gestion de ces données vidéo. La majorité des documents multimédia sont produits sous forme compréssée. De plus comme les utilisateurs demandent des réponses à leur requêtes les plus rapides possible, l'extraction d'information en temps réel même si celle-ci n'est pas très précise est devenue un objectif important. Basée sur des hypothèses formulées ci-dessus, une nouvelle tendance en matière d'analyse pour l'indexation multimédia est parue, elle peut être qualifiée comme paradigme de "rough indexing" ou "indexation grossière". Nous pouvons inclure notre travail dans cette mouvance d'indexation rapide et approximative dans laquelle uniquement les données imprécises telles que les vecteurs du mouvement et les images DC sont exploitées pour produire une indexation fine des objets en avant-plan. Dans ce paradigme nous proposons de combiner à la fois les informations du mouvement et la segmentation basée-couleur pour extraire les objets pertinents des flux vidéo compressés. Il peut arriver que le mouvement d'un objet soit très similaire au mouvement de la caméra ou que l'objet soit statique, aucun objet ne sera alors détecté. Néanmoins, comme un objet ne peut raisonnablement pas apparaître et disparaitre durant une coute séquence d'images, nous proposons de filtrer les séquences d'objets le long de l'axe temporel. Pour ce faire nous proposons une modélisation de la séquence des objets par une super-quadrique. La méthode proposée donne des résultats prometteurs : les ratés de la détection ou les sur-détections peuvent être corrigés par la méthode de filtrage spatio-temporel proposée.

Download or read book Suivi automatique d objets 3D bas sur l apparence dans des s quences d images written by Florent Duculty and published by . This book was released on 2003 with total page 279 pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce travail de thèse s'inscrit dans le domaine de la vision artificielle. Plus précisément, nous nous sommes intéressés au suivi temps réel vidéo d'objets 3D mobiles dans des séquences d'images. A l'origine de ces travaux, se trouve un algorithme, développé au LASMEA, dédié au suivi de motifs planaires texturés. Nous nous sommes proposés d'adapter cette méthode de suivi 2D à l'estimation du mouvement apparent d'objets 3D. Pour cela, l'objet 3D est modélisé à l'aide d'une collection d'images de référence. Pour chacune de ces vues, la solution 2D citée précédemment permet de suivre les mouvements fronto parallèles (déplacement de l'objet parallèlement au plan image) qui ne modifient pas de façon majeure l'aspect apparent de l'image. Le point délicat, solutionné dans le cadre de cette thèse, est la détection et la gestion du changement d'aspect du motif suivi dû à des rotations relatives (caméra/objet) en site et azimut. Sur le plan pratique, l'approche proposée a permis le développement d'un système expérimental de suivi de visage et la navigation automatique d'un bras robotique, muni d'une caméra embarquée, autour d'un objet 3D

Download or read book Techniques visuelles pour la d tection et le suivi d objets 2D written by Rafiq Sekkal and published by . This book was released on 2014 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: De nos jours, le traitement et l'analyse d'images trouvent leur application dans de nombreux domaines. Dans le cas de la navigation d'un robot mobile (fauteuil roulant) en milieu intérieur, l'extraction de repères visuels et leur suivi constituent une étape importante pour la réalisation de tâches robotiques (localisation, planification, etc.). En particulier, afin de réaliser une tâche de franchissement de portes, il est indispensable de détecter et suivre automatiquement toutes les portes qui existent dans l'environnement. La détection des portes n'est pas une tâche facile : la variation de l'état des portes (ouvertes ou fermées), leur apparence (de même couleur ou de couleur différentes des murs) et leur position par rapport à la caméra influe sur la robustesse du système. D'autre part, des tâches comme la détection des zones navigables ou l'évitement d'obstacles peuvent faire appel à des représentations enrichies par une sémantique adaptée afin d'interpréter le contenu de la scène. Pour cela, les techniques de segmentation permettent d'extraire des régions pseudo-sémantiques de l'image en fonction de plusieurs critères (couleur, gradient, texture...). En ajoutant la dimension temporelle, les régions sont alors suivies à travers des algorithmes de segmentation spatio-temporelle. Dans cette thèse, des contributions répondant aux besoins cités sont présentées. Tout d'abord, une technique de détection et de suivi de portes dans un environnement de type couloir est proposée : basée sur des descripteurs géométriques dédiés, la solution offre de bons résultats. Ensuite, une technique originale de segmentation multirésolution et hiérarchique permet d'extraire une représentation en régions pseudosémantique. Enfin, cette technique est étendue pour les séquences vidéo afin de permettre le suivi des régions à travers le suivi de leurs contours. La qualité des résultats est démontrée et s'applique notamment au cas de vidéos de couloir.

Download or read book Suivi du mouvement d objets articul s dans des s quences d images vid o written by Quentin Delamarre and published by . This book was released on 2003 with total page 211 pages. Available in PDF, EPUB and Kindle. Book excerpt: Nous proposons une méthode pour faire "comprendre" automatiquement à un ordinateur les mouvements d'un être humain filmé par des caméras vidéo, sachant qu'aucun marqueur n'a été placé sur celui-ci. Pour cela, nous avons choisi de nous intéresser à une première étape: l'estimation des variations des paramètres du mouvement d'une personne dans le temps. Nous abordons aussi la deuxième étape qui consiste à interpréter ces variations pour leur donner un sens. Des informations sont extraites des images vidéo et sont comparées à un modèle géométrique de l'objet suivi. Ces informations sont soit une segmentation de la silhouette de l'objet dans le cas où les caméras sont éloignées les unes des autres, soit une reconstruction tridimensionnelle de cet objet dans le cas où les caméras sont rapprochées. Nous expliquons pourquoi cette distinction est faite. Dans chacun des cas nous supposons connue la géométrie de l'objet en construisant un modèle 3D constitué de parties rigides simples articulées entre elles. La minimisation de l'erreur d'estimation des paramètres de position est effectuée en créant des forces et en résolvant les équations de la dynamique pour le modèle 3D articulé. Ces forces sont créées à partir des informations trouvées dans les images. Les différentes étapes de l'algorithme sont abordées: la calibration des caméras, la structure du modèle 3D, l'extraction d'informations des images, l'application de forces au modèle 3D, la dynamique de ce modèle et l'estimation et la prédiction de son mouvement dans la scène grâce à un filtre de Kalman. Enfin nous montrons des résultats encourageants et proposons des idées pour généraliser l'algorithme.

Download or read book EXTRACTION ET SUIVI DE CONTOURS DANS LES SEQUENCES D IMAGES ANIMEES written by DOMINIQUE.. MOULET and published by . This book was released on 1990 with total page 159 pages. Available in PDF, EPUB and Kindle. Book excerpt: CE MEMOIRE DE THESE PRESENTE UNE METHODE DE SEGMENTATION ET DE SUIVI TEMPOREL DE SEQUENCES D'IMAGES. LA METHODE QUE NOUS PROPOSONS PERMET D'OBTENIR D'UNE PART L'ENSEMBLE DES SEGMENTATIONS SPATIALES ASSOCIEES A CHACUNE DES IMAGES DE LA SEQUENCE ET, D'AUTRE PART, UN SUIVI TEMPOREL DE POINTS CARACTERISTIQUES FOURNIS PAR LA SEGMENTATION. LE PROCEDE DE SUIVI TEMPOREL DE LA SEGMENTATION SPATIALE PEUT SE DECOMPOSER EN TROIS GRANDES PHASES: LA PHASE DE PREDICTION, LA PHASE DE MISE EN CORRESPONDANCE ET LA PHASE D'AFFINAGE. LA PHASE DE PREDICTION PERMET LE CALCUL D'UNE PREDICTION DE LA POSITION DE CHACUN DES POINTS CARACTERISTIQUES DANS L'IMAGE SUIVANTE, POSITION QUE L'ON DETERMINE DE FACON PRECISE LORS DE LA PHASE DE MISE EN CORRESPONDANCE. CETTE MISE EN CORRESPONDANCE EST EFFECTUEE DE FACON HIERARCHIQUE DANS UNE PREMIERE ETAPE PAR UNE PROCEDURE DETERMINISTE PUIS, DANS UNE SECONDE ETAPE, PAR UNE METHODE DE RELAXATION PROBABILISTE. ENFIN, LORS DE LA DERNIERE PHASE QUI RESTE A METTRE AU POINT, LA SEGMENTATION OBTENUE EST AJUSTEE AFIN DE RESTER EN PARFAITE COHERENCE AVEC LES SEGMENTATIONS PRECEDENTES