Contributions à la fusion des informations : application à la reconnaissance des obstacles dans les images visible et infrarouge

Contributions to the Information Fusion : application to Obstacle Recognition in Visible and Infrared Images

• Auteur / Autrice : Anca Ioana Apatean
• Direction : Abdelaziz Bensrhair, Corneliu Rusu, Alexandrina Rogozan
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 15/10/2010
• Etablissement(s) : Rouen, INSA en cotutelle avec Universitatea tehnică (Cluj-Napoca, Roumanie)
• Ecole(s) doctorale(s) : École doctorale sciences physiques mathématiques et de l'information pour l'ingénieur (Saint-Etienne-du-Rouvray, Seine-Maritime ; ....-2016)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique, de traitement de l'information et des systèmes (Saint-Etienne du Rouvray, Seine-Maritime ; 2006-...)
• Jury : Examinateurs / Examinatrices : Eugen Lupu
• Jury : Rapporteurs / Rapporteuses : Fabrice Mériaudeau, Vasile Buzuloiu

Mots clés

Mots clés contrôlés

Reconnaissance des formes (informatique)

Traitement d'images -- Techniques numériques

Systèmes embarqués (informatique)

Conduite automobile

Systèmes de transport intelligent

Mots clés libres

Fusion

Extraction des caractéristiques

Sélection des caractéristiques

Noyau

Scores

Optimisation des hyper-paramèters

Fusion

Features extraction

Features selection

Kernels

Matching-scores

Hyper-parameter optimization

Résumé

Afin de poursuivre et d'améliorer la tâche de détection qui est en cours à l'INSA, nous nous sommes concentrés sur la fusion des informations visibles et infrarouges du point de vue de reconnaissance des obstacles, ainsi distinguer entre les véhicules, les piétons, les cyclistes et les obstacles de fond. Les systèmes bimodaux ont été proposées pour fusionner l'information à différents niveaux: des caractéristiques, des noyaux SVM, ou de scores SVM. Ils ont été pondérés selon l'importance relative des capteurs modalité pour assurer l'adaptation (fixe ou dynamique) du système aux conditions environnementales. Pour évaluer la pertinence des caractéristiques, différentes méthodes de sélection ont été testés par un PPV, qui fut plus tard remplacée par un SVM. Une opération de recherche de modèle, réalisée par 10 fois validation croisée, fournit le noyau optimisé pour SVM. Les résultats ont prouvé que tous les systèmes bimodaux VIS-IR sont meilleurs que leurs correspondants monomodaux.

To continue and improve the detection task which is in progress at INSA laboratory, we focused on the fusion of the information provided by visible and infrared cameras from the view point of an Obstacle Recognition module, this discriminating between vehicles, pedestrians, cyclists and background obstacles. Bimodal systems have been proposed to fuse the information at different levels:of features, SVM's kernels, or SVM’s matching-scores. These were weighted according to the relative importance of the modality sensors to ensure the adaptation (fixed or dynamic) of the system to the environmental conditions. To evaluate the pertinence of the features, different features selection methods were tested by a KNN classifier, which was later replaced by a SVM. An operation of modelsearch, performed by 10 folds cross-validation, provides the optimized kernel for the SVM. The results have proven that all bimodal VIS-IR systems are better than their corresponding monomodal ones.