Matches in SemOpenAlex for { <https://semopenalex.org/work/W2977562567> ?p ?o ?g. }
Showing items 1 to 23 of
23
with 100 items per page.
- W2977562567 abstract "Cette these s’inscrit dans le contexte de l’analyse video du trafic routier. Dans certaines grandes villes, des centaines de cameras produisent de tres grandes quantites de donnees, impossible a manipuler sans traitement automatique. Notre principal objectif est d'aider les operateurs humains en analysant automatiquement les donnees video. Pour aider les controleurs de la circulation a prendre leurs decisions, il est important de connaitre en temps reel, l'etat du trafic (nombre de vehicules et vitesse des vehicules sur chaque segment de voie), mais aussi de disposer de statistiques temporelles tout au long de la journee, de la semaine, de la saison ou de l'annee. Les cameras ont ete deployees depuis longtemps pour le trafic et pour d'autres fins de surveillance, car elles fournissent une source d'information riche pour la comprehension humaine. L'analyse video peut desormais apporter une valeur ajoutee aux cameras en extrayant automatiquement des informations pertinentes. De cette facon, la vision par ordinateur et l'analyse video deviennent de plus en plus importantes pour les systemes de transport intelligents (intelligent transport systems : ITSs). L’une des problematiques abordees dans cette these est liee au comptage automatique de vehicules. Pour etre utile, un systeme de surveillance video doit etre entierement automatique et capable de fournir, en temps reel, l'information qui concerne le comportement de l'objet dans la scene. Nous pouvons obtenir ces renseignements sur la detection et le suivi des objets en mouvement dans les videos, ce qui a ete un domaine largement etudie. Neanmoins, la plupart des systemes d'analyse automatique par video ont des difficultes a gerer les situations particulieres. Aujourd'hui, il existe de nombreux defis a resoudre tels que les occultations entre les differents objets, les arrets longs, les changements de luminosite, etc… qui conduisent a des trajectoires incompletes. Dans la chaine de traitements que nous proposons, nous nous sommes concentres sur l'extraction automatique de statistiques globales dans les scenes de videosurveillance routiere. Notre chaine de traitements est constituee par les etapes suivantes : premierement, nous avons evalue differentes techniques de segmentation de videos et de detection d'objets en mouvement. Nous avons choisi une methode de segmentation basee sur une version parametrique du melange de gaussiennes appliquee sur une hierarchie de blocs, methode qui est consideree actuellement comme l'un des meilleurs procedes pour la detection d'objets en mouvement. Nous avons propose une nouvelle methodologie pour choisir les valeurs optimales des parametres d’un algorithme permettant d’ameliorer la segmentation d’objets en utilisant des operations morphologiques. Nous nous sommes interesses aux differents criteres permettant d’evaluer la qualite d’une segmentation, resultant d’un compromis entre une bonne detection des objets en mouvement, et un faible nombre de fausses detections, par exemple causees par des changements d’illumination, des reflets ou des bruits d’acquisition. Deuxiemement, nous effectuons une classification des objets, basee sur les descripteurs de Fourier, et nous utilisons ces descripteurs pour eliminer les objets de type pietons ou autres et ne conserver que les vehicules. Troisiemement, nous utilisons un modele de mouvement et un descripteur base sur les couleurs dominantes pour effectuer le suivi des objets extraits. En raison des difficultes mentionnees ci-dessus, nous obtenons des trajectoires incompletes, qui donneraient une information de comptage erronee si elles etaient exploitees directement. Nous proposons donc d’agreger les donnees partielles des trajectoires incompletes et de construire une information globale sur la circulation des vehicules dans la scene. Notre approche permet la detection des points d’entree et de sortie dans les sequences d’images. Nous avons teste nos algorithmes sur des donnees privees provenant..." @default.
- W2977562567 created "2019-10-10" @default.
- W2977562567 creator A5044422134 @default.
- W2977562567 date "2017-09-27" @default.
- W2977562567 modified "2023-09-23" @default.
- W2977562567 title "Analyse automatique de la circulation automobile par vidéosurveillance routière" @default.
- W2977562567 hasPublicationYear "2017" @default.
- W2977562567 type Work @default.
- W2977562567 sameAs 2977562567 @default.
- W2977562567 citedByCount "0" @default.
- W2977562567 crossrefType "dissertation" @default.
- W2977562567 hasAuthorship W2977562567A5044422134 @default.
- W2977562567 hasConcept C142362112 @default.
- W2977562567 hasConcept C15708023 @default.
- W2977562567 hasConceptScore W2977562567C142362112 @default.
- W2977562567 hasConceptScore W2977562567C15708023 @default.
- W2977562567 hasLocation W29775625671 @default.
- W2977562567 hasOpenAccess W2977562567 @default.
- W2977562567 hasPrimaryLocation W29775625671 @default.
- W2977562567 isParatext "false" @default.
- W2977562567 isRetracted "false" @default.
- W2977562567 magId "2977562567" @default.
- W2977562567 workType "dissertation" @default.