Intégration du contexte par réseaux bayésiens pour la détection et le suivi multi-cibles

par Bassem Jida

Thèse de doctorat en Automatique, génie informatique, traitement du signal et des images

Sous la direction de Jean-Charles Noyer.

Soutenue en 2008

à Littoral .


  • Résumé

    Ces travaux se placent dans le cadre général de l’assistance au conducteur et plus particulièrement de la sécurité. L’objectif est ici de surveiller l’environnement d’un véhicule grâce à un capteur télémétrique à balayage et d’informer le conducteur de situations potentiellement dangereuses. Ce dispositif permet alors d’envisager une manœuvre d’évitement ou d’atténuation de collision. Deux points particuliers ont retenu notre attention : la détection d’objets qui occupe une place privilégiée car elle conditionne directement les performances globales de la méthode, et le processus d’association/suivi qui doit permettre d’associer efficacement les mesures disponibles à chaque objet suivi. Les données télémétriques utilisées nécessitent de passer par une étape de détection afin d’estimer le nombre d’objets présents dans la scène et leur distance au capteur, en procédant à une agrégation des mesures liées au même objet. Nous proposons en particulier dans ce mémoire une méthode de détection d’objets qui exploite non seulement la nature des mesures disponibles mais également les caractéristiques géométriques particulières liées au contexte applicatif. L’approche retenue pour l’étape d’association repose sur les méthodes d’association probabiliste de données qui permettent notamment de considérer le fait qu’une mesure disponible puisse ne pas être liée à un objet, en exploitant donc directement les notions de probabilité de détection et de fausse alarme. Ces probabilités, et notamment la probabilité de détection, demeurent non seulement fortement liées au détecteur, mais également au contexte de la scène : contexte capteur/objet et contexte objet/objet. Pour pouvoir intégrer ces informations globales de contexte, nous proposons une méthode d’association-suivi basée sur les réseaux bayésiens qui autorise l’ntégration de paramètres liés aux caractéristiques des objets et du capteur dans la détermination de la probabilité de détection.

  • Titre traduit

    Context integration using bayesian networks for multitarget detection and tracking


  • Résumé

    The general framework of this work concerns the driver assistance systems and more especially security. The objective here is to monitor the vehicle environment using a telemeter and inform the driver of potential hazardous situations. Maneuvers of collision avoidance or mitigation can then be considered. Two particular points have focused our attention : the object detection since it directly determines the overall performance of the method, and the association-tracking process which associates the available measurements to each tracked object. The telemetric data must be processed, through a detection stage that aggregates the measurement from the same object, in order to estimate the number of objects in the scene and their distance to the sensor. We propose in this thesis a method for object detection that uses not only the available measurements but also the geometric characteristics related to the applicative context. For the association stage, we particularly focus on the probabilistic data association methods that consider the available measure may not be linked to an object. These methods rely on the concept of detection and false alarm probabilities. These probabilities, and more particularly the probability of detection, are not only strongly linked to the detector, but also to the context of the scene (sensor/object and context object/object). To integrate the contextual information, we propose an association-tracking method based on the Bayesian networks. It allows an integration of the parameters related to the characteristics of the objects and the sensor in the determination of the detection probability.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (vii-196 p.)
  • Annexes : Bibliogr. p. 189-196

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Disponible pour le PEB
  • Bibliothèque : Université du Littoral-Côte d'Opale (Calais, Pas-de-Calais). Bibliothèque. Section Sciences.
  • Consultable sur place dans l'établissement demandeur

Cette version existe également sous forme de microfiche :

  • Bibliothèque : Université de Lille. Service commun de la documentation. Bibliothèque universitaire de Sciences Humaines et Sociales.
  • Non disponible pour le PEB
  • Cote : 2008DUNK0233
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.