Département d'Automatique

Permanent URI for this collection

https://dspace.ummto.dz/handle/ummto/15

Browse

Browsing Département d'Automatique by Subject "Classification"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Identification automatique de silhouettes humaines dans des séquences d’images infrarouges
    (FGEI-UMMTO, 2023-12-20) Younsi Merzouk
    La détection, le suivi, et la reconnaissance de postures de personnes en mouvement est un sujet de recherche très actif dans le domaine de vision par ordinateur en raison de ses applications dans divers domaines tels que la vidéo surveillance, l’interaction homme-robot, la récupération vidéo, les soins de santé, les véhicules intelligents, la réalité virtuelle et la réalité augmentée. Cependant, le développement d’un système efficace pour la détection et le suivi de personnes reste une tâche difficile à traiter, notamment lorsque nous avons à faire face à des environnements extérieurs à faible luminosité tels que la nuit. D’autres facteurs rendant cette tâche plus ardue incluent : la présence dans la scène d’objets non-humains, les encombrements d’arrière-plan, les occultations, les changements d’apparence, les changements de postures, le bruit et la contrainte du temps réel. Afin de surmonter certaines de ces difficultés, dans ce travail de thèse, nous proposons un nouveau système de vidéo surveillance capable de détecter, suivre, et reconnaître efficacement la posture de personnes en mouvement à partir de séquences d’images acquises par une caméra infrarouge dans des environnements extérieurs de nuit. Ce système comprend les étapes suivantes. Après l’extraction des objets en mouvement en utilisant la méthode de soustraction d’arrière-plan, nous proposons deux approches différentes pour distinguer un être humain de toute autre forme d’objet en mouvement. La première approche est basée sur le calcul d’une fonction de similarité combinée qui utilise des informations de forme et d’apparence, et des informations spatiales et temporelles des objets en mouvement. La seconde approche est basée sur la détection conjointe de deux parties qui caractérisent le corps humain, à savoir l’ensemble tête-épaules (ressemblant à la forme de la lettre majuscule de l’alphabet grec Omega Ω), et les deux jambes. Une fois qu’un être humain est détecté, afin de le suivre efficacement et de manière robuste en cas de présence des situations difficiles citées précédemment, nous proposons une méthode qui utilise un filtre à particules et une combinaison adaptative d’informations provenant de plusieurs types de caractéristiques, à savoir l’intensité, la texture, la vélocité de mouvement, et la distance spatiale. Pour augmenter davantage la robustesse de notre méthode de suivi, nous introduisons aussi une stratégie automatique de détection et de traitement des occultations basée sur des règles heuristiques simples et l’histogramme de projection verticale en niveaux de gris. En parallèle avec l’algorithme de suivi, et pour décrire efficacement la posture de l’être humain détecté, nous extrayons de sa silhouette trois caractéristiques différentes, à savoir des caractéristiques basées région, basées contour et géométriques. Les performances de notre système proposé sont évaluées sur plusieurs séquences d’images infrarouges capturées dans des environnements réels de nuit, et les résultats expérimentaux obtenus ont démontré une bonne faisabilité et efficacité de notre système pour la détection automatique des êtres humains en mouvement et l’analyse de leurs comportements au cours du temps.