Saillance de la signalisation verticale dans les images routières : étude de la faisabilité d'un outil de diagnostic / Ludovic Simon ; sous la direction de Jean Devars

Date :

Editeur / Publisher : [S.l.] : [s.n.] , 2009

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : français / French

Devars, Jean (Directeur de thèse / thesis advisor)

Université Pierre et Marie Curie (Paris ; 1971-2017) (Organisme de soutenance / degree-grantor)

Relation : Saillance de la signalisation verticale dans les images routières : étude de la faisabilité d'un outil de diagnostic / Ludovic Simon / Villeurbanne : [CCSD] , 2013

Relation : Saillance de la signalisation verticale dans les images routières : étude de la faisabilité d'un outil de diagnostic / Ludovic Simon ; sous la direction de Jean Devars / Lille : Atelier national de reproduction des thèses , 2009

Résumé / Abstract : La signalisation routière a un rôle dans la sécurité et l’exploitation des infrastructures. Les panneaux de signalisation doivent être suffisamment saillants pour attirer l’attention du conducteur. Nous proposons dans le cadre de cette thèse, d’étudier la faisabilité d’un algorithme d’estimation automatique de la saillance de la signalisation verticale dans les images routières pour le diagnostic des réseaux routiers, via une caméra embarquée dans un véhicule.Notre paradigme est de s'appuyer sur les valeurs de confiance d'un algorithme d’apprentissage, nommé << Support Vector Machines >>, pour modéliser la saillance de recherche d’un objet défini : un (ensemble de) panneau(x) de police. Nous avons réalisé une étude statistique sur des données issues d'une expérimentation d'oculométrie cognitive. La corrélation du modèle avec les performances visuelles humaines en situation proche de la conduite prouve ses qualités afin de mesurer la saillance de la signalisation verticale.

Résumé / Abstract : Road signs play a significant role in traffic control and road safety. Road signs have to be enough salient so that they attract the driver’s attention. In this thesis, we study the feasibility of an algorithm to automatically estimate the saliency of road signs in road scene images in order to diagnose a road network by the processing of images acquired by a camera onboard a dedicated vehicle. Our seminal thinking is to rely on confidence values of a learning algorithm called " Support Vector Machines " to model the search saliency for an object of interest: a (set of) road sign(s). A statistical analysis on visual behavior data, collected by an experimental protocol in cognitive eye tracking, shows the correlation of the proposed model of search saliency of road signs with the human visual performance in near-driving situations and proof is quality in order to valuate the road sign saliency.