La détection et le suivi d’objets d’intérêt dans une séquence d’images sont deux tâches préalables à la très grande majorité des applications de vidéo monitoring. Bien que de nombreux algorithmes permettent actuellement d’effectuer ces deux opérations, réussir à poursuivre des cibles de façon précise et robuste reste encore aujourd’hui un défi de taille lorsque l’environnement n’est pas contrôlé. Les fausses détections provoquées par les changements dans la scène (luminosité, oscillations d’arbres, intempéries, etc.) affectent dramatiquement les performances des systèmes de vidéo monitoring actuels.

Dans cette présentation, l’intérêt est porté sur les applications utilisant une seule caméra visible non mobile. Un bref bilan comparatif des principales approches existantes est d’abord présenté. Une solution exploitant la soustraction d’arrière-plan par « Codebook » [1] et basée sur un suivi par comparaison des caractéristiques de blobs est ensuite proposée. Quatre difficultés majeures pour ce genre d’algorithme sont particulièrement adressées : minimiser le délai d’initialisation, minimiser les fausses détections causées par les ombres projetées, minimiser les fausses détections causées par les régions nouvellement découvertes de la scène et gérer les situations de regroupement et de séparation d’objets.

1. K. Kim, T. H. Chalidabhongse, D. Harwood et L. Davis, “Real-time foreground-background segmentation using codebook model”, Real-time Imaging, vol. 11 no. 3, juin 2005, p.172-185.

Les séminaires du LVSN ont lieu le vendredi à 11h30 dans la salle PLT-2700.