Réseaux de neurones, textures et modèles markoviens pour la détection et l'identification d'objets en mouvement

par Souad Haddadi

Thèse de doctorat en Contrôle des systèmes

Sous la direction de Christine Fernandez-Maloigne.

Soutenue en 1997

à Compiègne .


  • Résumé

    Cette thèse, propose le développement d'une méthode d'analyse de séquence d'images pour l'interprétation de scènes dynamiques où évoluent des objets quelconques ou des êtres humains, sur fond non uniforme et sous éclairage peu contrôlé. Deux axes de recherche ont été abordés : l'analyse de mouvement (détection des objets en mouvement) et la reconnaissance des formes (identification des objets). L'approche de détection proposée s'appuie sur une procédure de segmentation statistique fondée sur le principe markovien et sur l'analyse de la texture. En considérant un opérateur fondé sur les différences entre trois images successives prises deux à deux, on met en évidence les objets mobiles ainsi que les régions du fond découvertes ou recouvertes par ces objets pendant leur mouvement. Une segmentation grossière est ensuite appliquée afin de ne traiter que les zones retenues de l'image. On enchaîne par une segmentation plus fine fondée sur le principe markovien et textural en rapprochant ce problème à celui d'une classification de l'image en pixel fixe et pixel mobile. L'approche d'identification de ces objets utilise un modèle statistique par les réseaux de neurones artificiels. Ils permettent ainsi l'apprentissage numérique par l'exemple. Des modèles d'architectures de réseaux de neurones ont été développés et appliqués à l'identification des êtres humains. Les performances de ces réseaux ont été calculées à l'aide de deux bases de données construites à cette occasion. Nous avons montré que l'on pouvait obtenir de bonnes performances à l'aide de réseaux du type MLP pour notre application. Toutefois, les études menées au cours de cette thèse soulèvent un certain nombre de problèmes théoriques difficiles, ainsi par exemple, à plusieurs reprises, nous nous sommes trouvés confrontés aux problèmes de la sélection d'un ensemble d'apprentissage pertinent.

  • Titre traduit

    Neural networks, texture and Markovian models for detection and identification of moving objects


  • Pas de résumé disponible.


  • Résumé

    In this PhD thesis, we present a method of analysis for image sequences. The method aims at dynamic scene interpretation where arbitrary objects evolve (in particular, human beings) and the scenes present non-uniform backgrounds and non-controlled illumination. Two processing approaches have been aborded : movement analysis (moving object detection) and pattern recognition (object identification). The proposed detection approach relies on a statistical segmentation procedure, which is based on the markovian principle and the analysis of texture. Considering an operator based on the differences between three successive images, taken two at a time, moving objects are detected, as well as the background regions which are discovered or occluded by these objects during their displacement. A coarse segmentation of this image operator is then applied to process the relevant zones of the image. This operation is then linked to a finer segmentation based on the markovian and textural principle. This problem was approached to a classification of the image operator into fixed and moving pixels. The identification approach of these objects uses another type of statistical model : the artificial neural networks, which allow computer training, after examples. Thus, models of neural network architectures were developed and applied to human being identification. The performances of these networks were calculated using two databases built for this project. We have demonstrated that high performances could be attained using MLP-type networks for our application. However, the studies accomplished during this thesis reveal a certain number of difficult problems. For example, in several cases we confronted the problem of selecting a pertinent training set.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 172 p.
  • Annexes : 125 ref.

Où se trouve cette thèse ?

  • Bibliothèque : Université de Technologie de Compiègne. Service Commun de la Documentation.
  • Disponible pour le PEB
  • Cote : 1997 HAD 1081
  • Bibliothèque : Ecole Polytechnique de l’Université François Rabelais . Départements Electronique et Energie, Informatique, Mécanique et Systèmes. Centre de documentation.
  • Disponible pour le PEB
  • Cote : DI-TH-583
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.