Suivi distribué dans un réseau auto-organisé de caméras stupides

Distributed tracking in self-organized silly camera network

• Auteur / Autrice : Lobna Ben Khelifa
• Direction : François Berry
• Type : Thèse de doctorat
• Discipline(s) : Electronique et Architecture de Systèmes
• Date : Soutenance le 25/09/2020
• Etablissement(s) : Université Clermont Auvergne‎ (2017-2020)
• Ecole(s) doctorale(s) : École doctorale des sciences pour l'ingénieur (Clermont-Ferrand)
• Partenaire(s) de recherche : Laboratoire : Institut Pascal (Aubière, Puy-de-Dôme)
• Jury : Président / Présidente : Evelyne Gil
• Jury : Examinateurs / Examinatrices : Jean-Charles Quinton, Richard Kleihorst, Luca Maggiani
• Jury : Rapporteur / Rapporteuse : Julien Dubois, Jorge Fernández-Berni

Mots clés

Mots clés contrôlés

Caméras intelligentes

Caméras

Mots clés libres

Réseau de caméras intelligentes

Modélisation prédictive

Résolution de problèmes distribuée

Vision non conventionnelle

Smart Camera Network

Predictive modeling

Distributed problem solving

Unconventional vision

Résumé

Le réseau Ant-Cams est un nouveau modèle de réseaux de caméras qui peut être utilisé pour la surveillance et la découverte de l'environnement. Traditionnellement, de tels réseaux sont composés de caméras intelligentes, qui bénéficient de hautes résolutions, de puissantes capacités de traitement et de positions de vues stratégiques sur l'environnement. Ici, le réseau utilise des caméras idiotes, définies par des spécifications beaucoup plus réduites formant le modèle Ant-Cam. Ce dernier est inspiré du monde des fourmis, où les fourmis sont capables de résoudre des problèmes complexes en communiquant et coopérant malgré leurs capacités limitées.Ce modèle permet d'atteindre une interprétation efficace de haut niveau malgré les informations limitées fournies par chaque caméra idiote. Nous nous concentrons plutôt sur les interactions entre ces caméras afin d'augmenter les performances du système où les données échangées entre les caméras, telles que la synchronisation ou les caractéristiques des événements, sont aussi importantes que les informations visuelles extraites localement.Contrairement à de nombreux réseaux de capteurs visuels existants qui nécessitent une certaine connaissance préalable du réseau, comme la position et l'environnement, les Ant-Cams ne nécessitent aucune connaissance de la configuration du réseau (par exemple, l'emplacement des caméras). En effet, lorsque le système démarre et atteint un état stable, toutes les informations nécessaires peuvent être trouvées en interagissant avec les voisins. Ainsi, nous pouvons établir la topologie du réseau où les liens sont renforcés en fonction des transitions observées. Nous retrouvons les chemins adoptés par les cibles et déterminons si la couverture de l'espace est suffisante.

The Ant-Cams network is a new model of camera networks that can be used for environment monitoring and understanding. Usually, such networks are composed of smart cameras, which benefit from high resolutions, powerful processing capabilities and strategic viewpoints on the environment. Here, the network uses silly cameras, defined by much lower specifications forming the Ant-Cam model. This latter is inspired from the world of ants, where ants are able to solve complex problems by communicating despite their limited capabilities.This model can reach efficient high-level understanding in spite of the limited information provided by each silly camera. We rather focus on the interactions between those cameras to increase the performance of the system where data exchanged between the cameras, such as timing or features characterizing the events, is as important as the visual information extracted locally.Unlike many existing visual sensor network which require some prior knowledge of the network such as position and neighbors, the Ant-Cams do not require any knowledge about the network configuration (e.g. camera location). Once starting working and the system reaches a steady state, all the necessary information can be found through interacting with neighbors. Thus, we can find the topology of the network where links are reinforced based on observed transitions, the paths adopted by the targets and if space covering is sufficient.