CVSL Logo
FrancaisHome
AboutPeopleResearchPublicationsEventsProfile
About
REPARTI Seminars


The REPARTI Seminars at Université Laval are held on Fridays at 11:30 a.m.
Please see the program for more details.
Dec 14 2017 1:30PM
Seminar
Deep 6-DOF Tracking
Dec 15 2017 11:00AM
Seminar
Building and Evaluating Data-Driven Neural Dialogue Systems

 

 

 

REPARTI

MIVIM

May 7 2004 11:30AM

Nicolas Martel-Brisson

Segmentation de bas niveau et suppression d'ombre par modélisation avec une mixture de gaussiennes



Abstract

La segmentation de bas niveau consiste à séparer les objets de l'avant-plan de l'arrière plan dans une image. Cette opération est la première étape d'un système pour suivre des personnes avec un système de surveillance vidéo. Dans le projet MONNET (Monitoring of Extended Premises: Tracking Pedestrians Using a Network of Loosely Coupled Cameras), nous avons implanté une modélisation par mixture de gaussiennes, telle que proposée par Stauffer et Grimson, pour effectuer cette tâche et nous avons amélioré cette modélisation pour détecter les ombres et les changements d'illumination.

Une approche par mixture de gaussiennes est très utile pour représenter des arrières plans instable, comme des scènes extérieures au cours de journées partiellement ensoleillées. Cependant, pour correctement étiqueter le nombre maximum de pixels représentant une personne, l'algorithme doit être sensible aux petites variations d'illumination. La contrepartie de cette sensibilité est que les pixels représentant l'ombre d'une personne sont étiquetés comme faisant partie de l'arrière plan. Pour séparer une personne et son ombre, nous construisons un modèle de l'ombre à partir d'un des modes de la mixture de gaussiennes.

Nous présenterons dans ce séminaire l'approche par mixture de gaussiennes ainsi que la méthode que nous avons développée pour modéliser l'ombre. Des séquences vidéo seront présentées pour illustrer les différents algorithmes.


The CVSL seminars are held on Fridays at 11:30 a.m. in room PLT-2501.




     
   
   

©2002-. Computer Vision and Systems Laboratory. All rights reserved