Analyse automatique de la vidéo-surveillance
61,90 €
58,80 €
Économisez 5%
Modélisation de l’arrière-plan, élimination de l'ombre et classification des véhicules
L’analyse automatique de la vidéosurveillance se base essentiellement sur quatre étapes fondamentales; la modélisation de la scène, la détection des objets en mouvement, la détection et l’élimination de l’ombre, et la classification d’objets.
Deux approches de modélisation de l’arrière-plan sont présentées ici.
La première de nature locale en ne prenant en considération que les transitions des intensités des pixels.
La deuxième, de type région, procède à un partitionnement des images de la séquence vidéo en quad-tree permettant une analyse temporelle et multi échelle et en utilisant l’entropie comme mesure de mouvement.
La détection et la suppression des ombres constituent une tache cruciale et récurrente dans les applications de vidéosurveillance.
La méthode de détection présentée s’appuie sur les informations de texture et de proximité en termes d’appariement entre les régions issues d’une segmentation par le K-Means.
Alors que la suppression des ombres dynamiques est établie à l’aide d’un modèle linéaire basé sur l’analyse des histogrammes.
La classification des véhicules en mouvement est effectuée en utilisant comme attributs de forme les moments discrets de Charlier et de Hu.
Ce document est le fruit d'un travail de AQEL Siham sous la direction des professeurs SABRI My Abdelouahed et AARAB Abdellah.
Les approches présentées dans ce document sont développées au sein des laboratoires LESSI et LIIAN de la faculté des sciences de Fès, Maroc.
Fiche technique
- Auteur
- Siham Aqel
- Langue
- Français
- Éditeur
- Éditions universitaires européennes
- Pays
Maroc
Modélisation de l’arrière-plan, élimination de l'ombre et classification des véhicules
L’analyse automatique de la vidéosurveillance se base essentiellement sur quatre étapes fondamentales; la modélisation de la scène, la détection des objets en mouvement, la détection et l’élimination de l’ombre, et la classification d’objets.
Deux approches de modélisation de l’arrière-plan sont présentées ici.
La première de nature locale en ne prenant en considération que les transitions des intensités des pixels.
La deuxième, de type région, procède à un partitionnement des images de la séquence vidéo en quad-tree permettant une analyse temporelle et multi échelle et en utilisant l’entropie comme mesure de mouvement.
La détection et la suppression des ombres constituent une tache cruciale et récurrente dans les applications de vidéosurveillance.
La méthode de détection présentée s’appuie sur les informations de texture et de proximité en termes d’appariement entre les régions issues d’une segmentation par le K-Means.
Alors que la suppression des ombres dynamiques est établie à l’aide d’un modèle linéaire basé sur l’analyse des histogrammes.
La classification des véhicules en mouvement est effectuée en utilisant comme attributs de forme les moments discrets de Charlier et de Hu.