Reconnaissance d’activités humaines à partir de séquences multi-caméras : application à la détection de chute de personne - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2016

Human activities recognition from multi-cameras sequences: application to people fall detection.

Reconnaissance d’activités humaines à partir de séquences multi-caméras : application à la détection de chute de personne

Résumé

Artificial vision is an evolving field of research. The new strategies make it possible to have some autonomous networks of cameras. This leads to the development of many automatic surveillance applications using the cameras. The work developed in this thesis concerns the setting up of an intelligent video surveillance system for real-time people fall detection. The first part of our work consists of a robust estimation of the surface area of a person from two (02) cameras with complementary views. This estimation is based on the detection of each camera. In order to have a robust detection, we propose two approaches. The first approach consists in combining a motion detection algorithm based on the background modeling with an edge detection algorithm. A fusion approach has been proposed to make much more efficient the results of the detection. The second approach is based on the homogeneous regions of the image. A first segmentation is performed to find homogeneous regions of the image. And finally we model the background using obtained regions. Once the foreground pixels are obtained, we approximate it by a polygon to reduce the number of information. For the estimation of the surface, we proposed a fusion strategy in order to aggregate the detections of the cameras. This strategy leads to determine the intersection of the projection of the various polygons into ground plane. The projection is based on the principles of Planar homography. Once the estimate was obtained, we use a strategy to detect falls. Our approach also allows to have precise information about the different postures of the individual. All proposed algorithms have been implemented and tested on public databases in order to judge the effectiveness of these approaches and to make comparison with existing approaches. The results obtained which are detailed in the present manuscript show the contribution of our algorithms.
La vision artificielle est un domaine de recherche en plein évolution. Les nouvelles stratégies permettent d’avoir des réseaux de caméras intelligentes. Cela induit le développement de beaucoup d’applications de surveillance automatique via les caméras. Les travaux développés dans cette thèse concernent la mise en place d’un système de vidéosurveillance intelligente pour la détection de chutes en temps réel. La première partie de nos travaux consiste à pouvoir estimer de façon robuste la surface d’une personne à partir de deux (02) caméras ayant des vues complémentaires. Cette estimation est issue de la détection de chaque caméra. Dans l’optique d’avoir une détection robuste, nous avons fait recours à deux approches. La première approche consiste à combiner un algorithme de détection de mouvements basé sur la modélisation de l’arrière plan avec un algorithme de détection de contours. Une approche de fusion a été proposée pour rendre beaucoup plus efficiente le résultat de la détection. La seconde approche est basée sur les régions homogènes de l’image. Une première segmentation est effectuée dans le but de déterminer les régions homogènes de l’image. Et pour finir nous faisons la modélisation de l’arrière plan en se basant sur les régions. Une fois les pixels de premier plan obtenu, nous faisons une approximation par un polygone dans le but de réduire le nombre d’informations à manipuler. Pour l’estimation de cette surface nous avons proposé une stratégie de fusion dans le but d’agréger les détections des caméras. Cette stratégie conduit à déterminer l’intersection de la projection des divers polygones dans le plan de masse. La projection est basée sur les principes de l’homographie planaire. Une fois l’estimation obtenue, nous avons proposé une stratégie pour détecter les chutes de personnes. Notre approche permet aussi d’avoir une information précise sur les différentes postures de l’individu. Les divers algorithmes proposés ont été implémentés et testés sur des banques de données publiques.
Fichier principal
Vignette du fichier
thloria-example.pdf (5.53 Mo) Télécharger le fichier

Dates et versions

tel-01479435 , version 1 (07-03-2017)

Identifiants

  • HAL Id : tel-01479435 , version 1

Citer

Ange Mikaël Mousse. Reconnaissance d’activités humaines à partir de séquences multi-caméras : application à la détection de chute de personne. Vision par ordinateur et reconnaissance de formes [cs.CV]. Université du Littoral - Côte d'Opale, 2016. Français. ⟨NNT : ⟩. ⟨tel-01479435⟩

Collections

LISIC
237 Consultations
257 Téléchargements

Partager

Gmail Facebook X LinkedIn More