Logo de l'E.N.T. Alsace
Thèses électroniques Service Commun de la documentation
Logo de l'Université de Strasbourg
Thèses et Mémoire de l'Université de Strasbourg

Analyse d’images séquentielles de scènes routières par modèles d’apparence pour la gestion du réseau routier

DAHYOT, Rozenn (2001) Analyse d’images séquentielles de scènes routières par modèles d’apparence pour la gestion du réseau routier. Thèses de doctorat, Université Louis Pasteur.

Plein texte disponible en tant que :

PDF - Un observateur de PDF est nécessaire, comme par exemple GSview, Xpdf or Adobe Acrobat Reader
16445 Kb

Résumé

Nous abordons dans cette thèse, le problème de l’indexation par le contenu de bases d’images séquentielles de scènes routières. On s’intéresse particulièrement à la détection et la reconnaissance des objets fixes sur l’accotement (arbres, panneaux,...). Deux méthodes de détection sont proposées. La première repose sur une analyse de l’apparence locale et sur une hypothèse de comportements statistiques temporels différents entre la classe d’objets d’intérêt et les autres éléments de la séquence vidéo. L’analyse des changements statistiques temporels permet d’extraire les densités de probabilités des mesures locales associées aux objets d’intérêt dont la localisation dans la séquence est ensuite réalisée par rétroprojection. Cette technique originale est non supervisée et détecte les évènements tels que l’apparition, la disparition ou le changement d’apparence des objets dans la séquence vidéo. La seconde méthode de détection proposée repose sur un apprentissage d’un ensemble de caractéristiques globales de l’apparence représentatives de la classe d’objets d’intérêt. Les techniques classiques de détection et de reconnaissance basées sur une représentation par espace propre, ne sont pas robustes aux perturbations locales telles que les occultations partielles. Pour palier ce problème, nous proposons de nouvelles procédures reposant sur des estimateurs statistiques robustes. Elles sont comparées aux méthodes classiques de détection et de reconnaissance par espace propre et montrent leur nette supériorité. Toutes les techniques proposées ici sont développées dans le cadre statistique bayésien permettant de prendre en compte un a priori sur la distribution dans l’espace propre.

Type d'EPrint:Thèse de doctorat
Mots-clés libres:Détection et reconnaissance d’objets, apprentissage statistique, estimation robuste, M-estimateurs, analyse en composantes principales, histogramme multidimensionnel.
Sujets:UNERA Classification UNERA > ACT Domaine d'activité UNERA > ACT-9 Electronique, automatique, électrotechnique, génie électrique
UNERA Classification UNERA > DISC Discipline UNERA > DISC-21 Ingénierie et technologies
CL Classification > DDC Dewey Decimal Classification > 600 Technologie (sciences appliquées) > 620 Sciences de l'ingénieur > 621 Génie mécanique. Physique appliquée > 621.3 Electrotechnique, éclairage, électronique, télécommunications
Classification Thèses Unistra > Sciences, technologies > Sciences appliquées > 620 Sciences de l'ingénieur > 621 Génie mécanique. Physique appliquée > 621.3 Electrotechnique, éclairage, électronique, télécommunications
Code ID:1167
Déposé le :07 Novembre 2006

Administrateurs de l'archive uniquement : éditer cet enregistrement