Show simple document record

dc.contributor.advisorJodoin, Pierre-Marcfr
dc.contributor.authorClarot, Pierrefr
dc.date.accessioned2014-05-16T15:36:39Z
dc.date.available2014-05-16T15:36:39Z
dc.date.created2010fr
dc.date.issued2010fr
dc.identifier.isbn9780494707784fr
dc.identifier.urihttp://savoirs.usherbrooke.ca/handle/11143/4882
dc.description.abstractLe présent mémoire porte sur des applications de vidéosurveillance fondées sur des techniques d'analyse d'images et de vidéos. Plus particulièrement, deux volets de la vidéosurveillance y sont abordés.Le premier volet porte sur la mise en correspondance d'objets vus par plusieurs caméras en même temps. Fonctionnant en réseau, ces caméras peuvent être fixes ou articulées, avoir différents paramètres internes (distance focale, résolution, etc.) et différentes positions et orientations. Ce type de réseau est qualifié d'hétérogène. À ce jour, très peu de solutions ont été proposées pour effectuer la mise en correspondance d'objets à travers un réseau hétérogène. L'originalité de notre méthode réside dans sa fonction de coût. Elle utilise la co-occurrence statistique d'événements binaires détectés par plusieurs caméras filmant un même endroit. L'utilisation de tels événements plutôt que des caractéristiques de couleur et de texture confère à notre méthode un avantage considérable. En effet, nous démontrons que la présence et l'absence d'activité sont des caractéristiques indépendantes de la position, de l'orientation ainsi que des paramètres internes des caméras. Autrement dit, un objet en mouvement vu par plusieurs caméras laissera une trace statistique identique dans chacune des caméras et ce, peu importe leur configuration. Notre méthode peut donc fonctionner sans étalonnage préalable du réseau, ce qui constitue un avantage indéniable. Nous démontrons également que les résultats obtenus par notre méthode peuvent être utilisés pour estimer des cartes d'occultation, les matrices d'homographie et fondamentale, ainsi que les matrices de projection des caméras.Le deuxième volet de ce mémoire porte sur la segmentation temporelle de longues séquences de vidéosurveillance. L'objectif ici est de segmenter une séquence vidéo longue de plusieurs heures en clips vidéo longs de quelques secondes. Ces clips sont étiquetés en fonction de la nature des événements qu'ils contiennent. Pour ce faire, nous utilisons à nouveau des événements binaires fondés sur la présence et l'absence d'activité. Ces événements nous permettent de quantifier non seulement la densité d'activité, mais également la taille des objets en mouvement, leur direction ainsi que leur vitesse. Dans ce mémoire, nous démontrons différentes façons d'extraire ces caractéristiques dites"événementielles". Nous comparons également différentes techniques de segmentation telles que la propagation d'affinité (l'affinity propagation), et la segmentation spectrale (spectral clustering) sur plusieurs vidéos de surveillance. Nous démontrons également que le positionnement multidimensionnel (multidimentional scaling) est un outil utile pour analyser le contenu sémantique de longues séquences vidéo.fr
dc.language.isofrefr
dc.publisherUniversité de Sherbrookefr
dc.rights© Pierre Clarotfr
dc.titleAnalyse de séquences vidéo de surveillance basée sur la détection d'activitésfr
dc.typeMémoirefr
tme.degree.disciplineInformatiquefr
tme.degree.grantorFaculté des sciencesfr
tme.degree.levelMaîtrisefr
tme.degree.nameM. Sc.fr


Files in this document

Thumbnail

This document appears in the following Collection(s)

Show simple document record