Méthodes par ensembles de niveaux et modes conditionnels itérés pour la segmentation vidéo

Level sets and iterated conditional modes methods for video segmentation

• Auteur / Autrice : Florent Ranchin
• Direction : Françoise Dibos
• Type : Thèse de doctorat
• Discipline(s) : Sciences. Mathématiques appliquées
• Date : Soutenance en 2004
• Etablissement(s) : Paris 9

Mots clés

Mots clés contrôlés

Traitement d'images

Télévision dans les systèmes de sécurité

Vision par ordinateur

Résumé

Cette thèse est consacrée à l'étude d'un problème de vision par ordinateur et de deux problèmes de vidéo surveillance. Nous proposons une méthode de détection d'objets en mouvement dans une séquence vidéo basée sur une détermination préalable du mouvement apparent et sur un problème d'optimisation de forme. Pour d'autres modèles de détection et de suivi d'objets en mouvement, nous proposons d'appliquer l'algorithme discret des modes conditionnels itérés réputé très rapide et qui permet de réduire le temps de calcul des algorithmes continus lorsqu'il leur est combiné. En vidéo surveillance, on cherche d'une part à estimer la densité d'une foule et d'autre part à détecter des comportements anormaux dans l'environnement du métro parisien. Nous proposons une estimation de la densité d'une foule basée sur un calcul de courbure sur l'image. La détection de comportements anormaux s'effectue par une recherche des modes dans l'histogramme des directions du mouvement apparent.

This thesis is devoted to the study of a computer vision problem and of two video surveillance problems. We propose a method for moving objects detection in a video sequence; it is based on the apparent velocity predetermination and on a shape optimisation problem. For other moving objects detection and tracking models, we propose to use the iterated conditional modes discrete algorithm which is renowned to be very fast and allows to decrease the computing time of the continuous algorithms when it is combined to them. For video surveillance, we seek to estimate crowd density and to detect abnormal behaviour in parisian subway environment. We propose a crowd density estimation based on the computation of curvature on the image. Abnormal behaviour detection is performed by a research of the modes in the histogram of the apparent velocity directions.