Représentations hiérarchiques et discriminantes pour la reconnaissance des formes, l'identification des personnes et l'analyse des mouvements dans les séquences d'images

Hierarchical and Discriminative Representations for Pattern Recognition, People Identification and Motion Analysis in Image Sequences

• Auteur / Autrice : Nicolas Thome
• Direction : Serge Miguet
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2007
• Etablissement(s) : Lyon 2

Mots clés

Mots clés contrôlés

Reconnaissance des formes (informatique)

Informatique

Markov, Processus de

Traitement d'images

Résumé

L'analyse automatique de vidéos est un domaine qui a connu un essor fulgurant au cours des dix dernières années. Nous proposons d'aborder le problème de l'analyse des séquences d'images autour de deux thèmes principaux : la lecture de plaques minéralogiques et l'analyse du mouvement humain. La méthode que nous proposons pour la lecture de plaques se décompose autour des étapes suivante : localisation de la plaque, binarisation, extraction des caractères, reconnaissance et moyennage temporel. L'approche que nous proposons pour l'analyse du mouvement humain se situe à un niveau intermédiaire entre les méthodes génératives et les approches discriminantes. Dans les cas où un suivi région peut être assuré sans ambiguïté, une méthode est mise en place pour détecter et étiquetér les différentes parties visibles du corps de chaque personne. Ceci permet à chaque instant de capturer un ensemble de caractéristiques de forme, de couleur et de texture sur chaque membre, conduisant à la mise à jour dynamique d'un modèle d'apparence articulé. Ce dernier sera ensuite utilisé dans des situations difficiles pour effectuer une identification des personnes. En ce qui concerne l'analyse du mouvement humain, nous proposons une approche dédiée à la détection de chutes dont la contribution se décompose en deux points : d'une part, nous proposons une étude de la pertinence d'un détecteur de verticalité calculé à partir d'une caractéristique image pour discriminer les postures couché et debout. Le second point central de la détection de chutes repose sur l'utilisation d'un Modèle de Markov Caché Hiérarchique (HHMM) pour interpréter la séquence angulaire observée.

The field of human motion analysis by means of computer vision technologies has known a huge increase over the last decade. We propose here to tackle the problem in the following aspects : Licence Plate Recognition (LPR) and Human Motion Analysis. The proposed approach for LPR decomposes into the following steps: plate detection, binarization, character segmentation, shape classification and temporal averaging. Concerning Human Motion Analysis, our approach can be considered intermediate with respect to the Top Down and Bottom Up classes, When the tracking can be successfully achieved by a simple region association strategy, we analyse the shape silhouette at a finer scale, aiming at detecting and labelling body parts. The body parts labelling makes it possible to update an appearance model for each limb, capturing shape, color and texture properties. The appearance model is used in difficult situations to identify people. Concerning human motion analysis, we propose an approach dedicated to fall detection, whose contribution decomposes into two points. Firstly, we propose to analyse the relevance of a proposed verticality detector, computed from an image feature and that devoted to discriminating standing from lying poses. The second contribution corresponds to the application of a Hierarchical Hidden Markov Model (HHMM) to classify the pose sequences. The different proposed approaches for License Plate recognition or human motion analysis have proved the efficiency of Bottom Up approaches for a real time purpose, and pointed out the importance of generatives back propagations to revolve ambiguous situations.