Parallélisme générique et ordonnancement d'algorithmes de détection de véhicules et de gestion de trafic sur une architecture system-on-chip et implémentation sur plateforme matérielle.

par Lhoussein Mabrouk

Projet de thèse en Signal image parole telecoms

Sous la direction de Dominique Houzet et de Sylvain Huet.

Thèses en préparation à Grenoble Alpes en cotutelle avec l'Université Cadi Ayyad - Maroc , dans le cadre de Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS) , en partenariat avec Grenoble Images Parole Signal Automatique (laboratoire) et de Architecture, Géométrie, Perception Images Gestes (AGPIG) (equipe de recherche) depuis le 09-12-2016 .


  • Résumé

    Les systèmes de transport intelligents ont un impact sur la vie humaine en termes d'amélioration de la sécurité et de la mobilité. Dans l'environnement existant, il est nécessaire d'intégrer de nouvelles idées et technologies. Le système de transport intelligent requiert tout d'abord la détection des véhicules et la reconnaissance de la plaque d'immatriculation comme conditions nécessaires dans les systèmes de surveillance du trafic en temps réel, les systèmes de stationnement, la surveillance des routes et les systèmes de sécurité.. La tâche de détecter et de reconnaitre des objets spécifiques en temps réel dans une image est l'une des questions les plus difficiles dans la vision par un système embarqué. Malgré que bon nombre de chercheurs ont travaillé sur ce problème, il reste beaucoup de questions à étudier et spécifiquement, celles concernant des solutions génériques sur des plateformes matérielles. D'un autre côte, nous assistons depuis quelques années à la croissance d'architectures parallèles, mais aussi à la difficulté de créer de bons programmes parallèles, alors que nous avons une grande disponibilité de codes sources séries. Cet absence d'une méthode généraliste exploitant le potentiel des architectures multi-cœurs/multi-processeurs à haute performance a motivé la proposition de ce sujet de thèse. Notre objectif est de construire une stratégie de parallélisation et d'ordonnancement de codes séries pour processeurs parallèles homogènes et hétérogènes. Ceci créera un code parallèle avec tous les moyens de mapping, de communication et de synchronisation nécessaires entre tous les unités de traitement de la machine multi-processeurs/ multicoeurs. Dans un premier temps, nous prendrons comme algorithme d'implémentation la soustraction du fond par GMM, étape pré-requise avant la détection. L'étape de détection et de reconnaissance des plaques d'immatriculation suivra.

  • Titre traduit

    Generic parallelism and scheduling of vehicle detection and traffic management algorithms on a system-on-chip architecture and implementation on a hardware platform.


  • Résumé

    Intelligent transport systems have an impact on human life in terms of improvement of safety and mobility. In the existing environment, it is necessary to integrate new ideas and technologies. The intelligent transport system requires the detection of vehicles and the recognition of the license plate as requirements in real-time traffic monitoring systems, parking, roadside surveillance and security systems. The task of detecting and recognizing specific objects in real time in one image is one of the most difficult tasks in vision by an embedded system. Although many researchers have worked on this issue, there are still many aspects to be studied and, specifically, concerning generic solutions on hardware platforms. On the other hand, we have been witnessing for the past few years to the growth of parallel architectures, but also to the creation of good parallel programs, while we have a great availability of code sources series. This lack of a generalist method exploiting the potential of Multi-core / high-performance multi-processor architectures, motivated the proposal of this thesis topic. Our goal is to build a strategy of parallelization and scheduling of serial codes for parallel homogeneous and heterogeneous processors. This will create a parallel code with all the mapping, communication and synchronization between all the processing units of the Multi-processor/multicore machine. In a first step, we will take as algorithm of implementation the subtraction of the background with GMM, as a necessery stage before the detection. The detection and recognition of license plates will follow.