Segmentation et suivi d'individus par un système multi-caméras - application au suivi de groupe d'individus
IFSTTAR (ex.INRETS) - LEOST - site de Lille
Vision multi-caméras, Reconstruction 3D, Vidéosurveillance intelligente, Analyse des comportements de foules
Le nombre d'habitants a atteint 6 milliards au début de ce deuxième millénaire. Dans ce contexte, les phénomènes de foules sont devenus récurrents et l'analyse de leur comportement est devenu un champ de questionnement important qui couvre à la fois les disciplines telles que la psychologie, la sociologie ou la géographie. Les études menées dans ces domaines nécessitent un certain niveau d'observabilité auquel les systèmes de vidéosurveillance et leurs outils d'analyse automatique associés peuvent répondre. Dans [1], les auteurs font un état de l'art des résultats de recherches menée sur l'analyse automatique du comportement des foules par traitement et analyse des images. Elle est une problématique jeune et très ouverte. Les solutions les plus récentes proposent des systèmes fondés sur l'utilisation de plusieurs caméras placées à une hauteur suffisante et dont les champs visuels se recouvrent [2][3]. Grâce à cette configuration, il est possible d'exploiter une partie de l'information 3D et d'individualiser chaque entité présente dans la scène. Cette solution a été évaluée dans le cadre d'une application de surveillance d'un hall comportant une vingtaine de piétons avec d'assez bon résultats : le comptage et le suivi des piétons est précis et robuste à des variations de luminosité raisonnables. Toutefois, de larges améliorations peuvent encore être apportées notamment lorsque la hauteur des caméras n'est pas suffisante pour réduire le nombre des occultations, lorsque les acteurs de la scène sont à la fois des individus, des voitures, des vélos etc. et lorsque tous ces usagers se déplacent à des vitesses très différentes et de manière très anarchiques. C'est dans ce contexte que nous proposons de mener notre étude d'un système multicaméras de surveillance des foules.
Les recherches seront placées dans le cadre d'une application de surveillance des pôles multimodaux de transport en zone urbaine. Ces pôles mettent très souvent en interaction un très grand nombre d'usagers vulnérables (piétons, vélo etc.) et de nombreux véhicules aux typologies différentes (véhicules légers, camions, autobus). Ces interactions conduisent parfois à de graves accidents notamment entre autobus et piéton. Le système que nous étudierons permettra dans un premier temps d'observer (sur une grande échelle de temps) et de mieux comprendre le comportement de tous les usagers acteurs de ces zones. Cette connaissance est indispensable pour définir un niveau de « criticité » de certaines situations. Par ailleurs, ce système de perception intelligent, couplé à un moyen de communication, permettra d'alerter les usagers du risque d'une situation afin qu'ils augmentent leur vigilance.
Une poursuite en thèse a été demandée pour septembre 2012
[1] Beibei Zhan, Dorothy N. Monekosso, Paolo Remagnino, Sergio A. Velastin, Li-Qun Xu, Crowd analysis: a survey, Machine Vision and Applications, Vol. 19, 2008
[2] Ran Eshel and Yael Moses, Tracking in a Dense Crowd Using Multiple Cameras, International Journal of Computer Vision, Vol. 88 Issue 1, May 2010
[3] Saad M. Khan and Mubarak Shah, Tracking Multiple Occluding People by Localizing on Multiple Scene Planes, IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 31, n. 3, March 2009