Céline Hudelot Comité de thèse du 26/06/2003 Directeur de thèse: M. Thonnat
Interprétation de séquences dimages pour des applications de vidéosurveillance bancaires Monique...
-
Upload
stephane-pasquier -
Category
Documents
-
view
104 -
download
0
Transcript of Interprétation de séquences dimages pour des applications de vidéosurveillance bancaires Monique...
Interprétation de séquences d’images pour des applications de vidéosurveillance bancaires
Monique THONNAT et Nathanaël ROTA
Projet ORIONINRIA de Sophia Antipolis
25/09/2001 Orion 2
Objectifs Contexte Système d’interprétation vidéo Résultats Conclusion et Perspectives
Plan de l ’exposé
25/09/2001 Orion 3
Analyse automatique de vidéo: permet d ’analyser un grand nombre de
caméras
Reconnaissance de comportements intéressants: focalisation sur des cas utiles alerte des opérateurs pour décisions
Objectifs
25/09/2001 Orion 4
INRIA équipe Orion à Sophia Antipolis et Bull dans le cadre du GIE DYADE: recherches en vision cognitive
Caisse régionale de la Brie (responsable sécurité physique) et le département FTR de la FNCA. Accès à l ’agence de Moissy Cramayel fourniture de données (vidéos) modélisation des connaissances
Contexte
25/09/2001 Orion 5
Axe de recherches Orion: Interprétation automatique d’une scène à
partir de séquences d’images.
Domaines d’application: Surveillance de métro, parking, Espace médiatisé: bureau, salle à café, Surveillance d’agences bancaires.
Système d’interprétation video
25/09/2001 Orion 6
Approche utilisant: un flux vidéo issu d ’une camera fixe un modèle 3D de la scène vide un ensemble de modèle de comportements
Détection des personnes
et suivi de leurs déplacements
(2)
Reconnaissance de
comportements
(3)
Segmentationdu
mouvement
(1)
Caméra Utilisateur
Système d’interprétation vidéo
25/09/2001 Orion 7
Modèle 3D de la scène vide
•Contient des informations a priori sur la scène vide observée
•géométrie des objets 3D et des structures 2D (armoires, tables, murs, zones …)
•sémantique des objets 3D et des structures 2D (nom, fonction, caractéristiques, …. Exemple arrière guichet)
•Utilisé pour détection, suivi de personnes et reconnaissance de scénarios
25/09/2001 Orion 8
Modèle 3D de la scène vide
Modèle 3D agence de Moissy Cramayel
25/09/2001 Orion 9
Modèle 3D de la scène vide
Modèle 3D agence de Moissy Cramayel
25/09/2001 Orion 10
Différence entre 1 image courante et 1 image virtuelle (calculée) de la scène vide
Segmentation du mouvement
_
25/09/2001 Orion 11
Détection de personnes
Parcoursheuristique
Approche: parcourir les groupements de régions mobiles 2D jusqu’à obtenir un bon regroupement 2D et 3D.
25/09/2001 Orion 12
Suivi des déplacements
Approche: A partir de primitives d ’évolution (est la même personne que …, est entré, est sorti, est caché, etc. ), on calcule l ’évolution la plus vraisemblable.
A l ’instant t:
A l ’instant t+1:
Entrée
25/09/2001 Orion 13
Reconnaissance de scénarios
• Modélisation de comportements intéressants• en coopération avec J. Névot, J. Déchot et J.-Ph. Blanchard.
• 3 types de scénarios utiles et reconnaissables par capteur visuel:
•accès à une zone interdite (arrière guichet, local automate, etc..)•contrainte sur une personne•contrainte sur un groupe de personnes
25/09/2001 Orion 14
Reconnaissance de scénarios
Modélisation des comportements
= transformer la connaissance de l ’expert en modèles compréhensibles par le système
-> non automatique
25/09/2001 Orion 15
Reconnaissance de scénarios
« …une personne entre dans une zone»
«une personne à t est loin d ’une zone et proche à t+ dt»
«la distance entre une personne et la zone est supérieure à d1 à t et inférieure à d2 à t+ dt»
Exemple :
« Accès à une zone interdite de type automate »
«une personne entre dans une zone à t est n ’en n ’est pas sortie à t+ dt et la zone est une zone d ’automate interdite»
25/09/2001 Orion 16
Résultats
Séquence 1 contrainte sur une personne
25/09/2001 Orion 17
Résultats
Séquence 2accès arrière guichet puis contrainte sur une personne
25/09/2001 Orion 18
Résultats
Séquence 3Contrainte sur une personne puis accès coffre
25/09/2001 Orion 19
Résultats
Séquence 4 Contrainte sur un groupe de personnes
25/09/2001 Orion 20
Conclusions
Points positifs: Suivi des personnes de bonne qualité. Reconnaissance prometteuse d’accès à
zones interdites et contraintes sur une personne
Modélisation de la scène vide (3D et sémantique) nécessaire pour l interprétation de vidéo.
25/09/2001 Orion 21
Conclusions
Difficultés: Situation de contrainte sur groupe de
personnes Présence de nombreuses personnes
(occultations) Segmentation parfaite des individus (ombres,
reflets) Objets passifs déplacés (chaises, porte)
25/09/2001 Orion 22
Conclusions
Enseignements pour la banque: Etalonnage des lieux
utile pour précision localisationune fois suffit
Positionnement des caméras (plan large) Filtrage d’alarme mais pas de décision
25/09/2001 Orion 23
Conclusions
Etat d ’avancement: Prototype et non système opérationnel Recherches réalisées dans le cadre d’un partenariat
Dyade entre l’Inria et Bull terminé en mars 2001 Sans participation financière du Crédit agricole Nouveau partenariat associant le Crédit agricole
(nécessaire pour la connaissance du contexte bancaire) et l ’Inria.
25/09/2001 Orion 24
Perspectives
Thèmes de recherches: Prise en compte des objets 3D mobiles (ex: chaise)
dans la modélisation de la scène vide. Prise en compte de plusieurs capteurs (multi-cameras,
contacteurs ouverture porte, etc..) Description plus fine des individus suivis (couleur des
vêtements, modèle 3D, ….) Utilisation de techniques d ’apprentissage