Skip to Main content Skip to Navigation
Theses

Multi-object detection and tracking in video sequences

Résumé : Le travail développé dans cette thèse porte sur l'analyse de séquences vidéo. Cette dernière est basée sur 3 taches principales : la détection, la catégorisation et le suivi des objets. Le développement de solutions fiables pour l'analyse de séquences vidéo ouvre de nouveaux horizons pour plusieurs applications telles que les systèmes de transport intelligents, la vidéosurveillance et la robotique. Dans cette thèse, nous avons mis en avant plusieurs contributions pour traiter les problèmes de détection et de suivi d'objets multiples sur des séquences vidéo. Les techniques proposées sont basées sur l’apprentissage profonds et des approches de transfert d'apprentissage. Dans une première contribution, nous abordons le problème de la détection multi-objets en proposant une nouvelle technique de transfert d’apprentissage basé sur le formalisme et la théorie du filtre SMC (Sequential Monte Carlo) afin de spécialiser automatiquement un détecteur de réseau de neurones convolutionnel profond (DCNN) vers une scène cible. Dans une deuxième contribution, nous proposons une nouvelle approche de suivi multi-objets original basé sur des stratégies spatio-temporelles (entrelacement / entrelacement inverse) et un détecteur profond entrelacé, qui améliore les performances des algorithmes de suivi par détection et permet de suivre des objets dans des environnements complexes (occlusion, intersection, fort mouvement). Dans une troisième contribution, nous fournissons un système de surveillance du trafic, qui intègre une extension du technique SMC afin d’améliorer la précision de la détection de jour et de nuit et de spécialiser tout détecteur DCNN pour les caméras fixes et mobiles. Tout au long de ce rapport, nous fournissons des résultats quantitatifs et qualitatifs. Sur plusieurs aspects liés à l’analyse de séquences vidéo, ces travaux surpassent les cadres de détection et de suivi de pointe. En outre, nous avons implémenté avec succès nos infrastructures dans une plate-forme matérielle intégrée pour la surveillance et la sécurité du trafic routier.
Complete list of metadatas

Cited literature [207 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-02177037
Contributor : Abes Star :  Contact
Submitted on : Monday, July 8, 2019 - 3:34:06 PM
Last modification on : Tuesday, July 9, 2019 - 1:27:12 AM

File

2018CLFAC084_MHALLA.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-02177037, version 1

Citation

Ala Mhalla. Multi-object detection and tracking in video sequences. Computer Vision and Pattern Recognition [cs.CV]. Université Clermont Auvergne; Université du Centre (Sousse, Tunisie), 2018. English. ⟨NNT : 2018CLFAC084⟩. ⟨tel-02177037⟩

Share

Metrics

Record views

396

Files downloads

606