Date : 2010
Editeur / Publisher : [S.l.] : [s.n.] , 2010
Type : Livre / Book
Type : Thèse / ThesisLangue / Language : anglais / English
Télévision dans les systèmes de sécurité
Résumé / Abstract : Dans cette thèse, nous nous intéressons à la détection d'objets mobiles dans des séquences vidéo. En particulier, nous proposons une nouvelle méthode d'estimation du fond qui peut s'adapter aux différentes variations de la scène (ex. changements d'illumination, du fond). Cette méthode est composée d'un algorithme de soustraction du fond pour détecter les pixels du fond et d'un algorithme de post-traitement pour éliminer les changements d'illumination tels que les ombres des objets mobiles. Pour que cette méthode puisse s'adapter à une scène dynamique, nous proposons un contrôleur avec deux stratégies d'adaptation. La première stratégie supervise l'algorithme de soustraction du fond pour mettre à jour la représentation du fond en fonction du type d'objets détectés et des conditions d'illumination. Cette stratégie permet aux algorithmes de soustraction du fond de résoudre des problèmes concernant des petits bruits, des changements soudains d'illumination, la gestion des objets stationnaires, et aussi la détection des objets d'intérêt quand ils s'arrêtent de bouger. La deuxième stratégie règle les valeurs des paramètres de l'algorithme de soustraction du fond pour qu'il puisse s'adapter aux conditions courantes de la scène telles que le niveau de bruit. Pour atteindre ces objectifs, le contrôleur utilise les résultats des tâches de classification et de suivi, les informations diverses des algorithmes (ex. la sémantique des paramètres), ainsi que la nature de la scène observée (ex. scènes intérieures ou extérieures). L'algorithme de soustraction du fond proposé est une extension du modèle de Mélange de Gaussiennes et il prend en compte les caractéristiques de la scène tels que les mouvements du fond et les changements dynamiques du fond. Cet algorithme propose également une nouvelle méthode pour mieux estimer la moyenne et l'écart type des distributions gaussiennes dans la représentation du fond. L'étape de post-traitement consiste en un algorithme pour supprimer les changements d'illumination à l'aide d'un nouvel espace de couleurs. Cet espace de couleurs est robuste aux changements d'illumination, ainsi que des irrégularités de caméras (la balance de blanc, la transformation non-linéaire lorsque l'intensité de lumière est faible par exemple). Cette méthode a été validée dans la base de données publiques ETISEO et dans une vidéo d'une heure du projet GERHOME.
Résumé / Abstract : In this thesis, we focus on the detection of moving objects in videos. In particular, we propose a new method for estimating the background that can adapt itself to different variations of the scene (eg changes of illumination and of background). This method consists of a background subtraction algorithm to detect the background pixels and a post-processing algorithm to liminate illumination changes such as shadows of moving objects. To help this method to adapt to a dynamic scene, we propose a controller with two adaptation methods. The first strategy supervises the background subtraction algorithm to update the background representation depending on the type of detected objects and illumination conditions. This method allows background subtraction algorithms to solve various problems such as small noises, sudden changes of illumination, the management of stationary objects, and the detection of objects of interest when they stop moving. The second adaptation method tunes the parameters of the background subtraction algorithm so that it can adapt to current conditions of the scene. To achieve these objectives, the controller uses the results of classification and tracking tasks, the information about the algorithms (eg the semantics of parameters), and the nature of the observed scene (eg indoor and outdoor scenes). The proposed background subtraction algorithm is an extension of the Gaussian Mixture model and takes into account the characteristics of the scene such as the motion of the element in the background and the dynamic changes of the background. This algorithm also proposes a new method to better estimate the mean and standard deviation of the Gaussian distributions in the background representation. The stage of post-processing consists of an algorithm to remove illumination changes using a new color space. This color space is robust to illumination changes and camera irregularities (e.g. white balance, non-linear response when the intensity of light is low). This method has been validated with the public database ETISEO and one hour video from project GERHOME.