Annonce

Les commentaires sont clos.

Soutenance de thèse de O. Hamdoun

13 December 2010


Catégorie : Soutenance de thèse


Omar HAMDOUN soutiendra le jeudi 16 décembre 2010 à 14h30 sa thèse sur la ré-identification de personnes entre caméras. La soutenance aura lieu en salle V.107 à Mines ParisTech (60 Bd St Michel, 75006 Paris, RER Luxembourg).

 

Sa thèse s'intitule : Détection et ré-identification de piétons par points d'intérêt entre caméras disjointes.

Le jury sera composé de :

  • Bernadette DORIZZI, Télécom SudParis, Rapporteur
  • Frédéric JURIE, Université de Caen, Rapporteur
  • François BREMOND, INRIA Sophia-Antipolis, Examinateur
  • Samuel VINSON, MORPHO (ex-Sagem_Sécurité), Examinateur
  • Fawzi NASHASHIBI, MINES ParisTech, Directeur de thèse
  • Fabien MOUTARDE, MINES ParisTech, Maître de thèse
Mots-clés

Vidéo surveillance, réseaux de caméras, points d'intérêt, ré-identification, détection, ré-acquisition

Résumé

Avec le développement de la vidéo-protection, le nombre de caméras déployées augmente rapidement. Pour exploiter efficacement ces vidéos, il est indispensable de concevoir des outils d'aide à la surveillance qui automatisent au moins partiellement leur analyse. Un des problèmes difficiles est le suivi de personnes dans un grand espace (métro, centre commercial, aéroport, etc.) couvert par un réseau de caméras sans recouvrement. Dans cette thèse nous proposons et expérimentons une nouvelle méthode pour la ré-identification de piétons entre caméras disjointes.

Notre technique est fondée sur la détection et l'accumulation de points d'intérêt caractérisés par un descripteur local. D'abord, on propose puis évalue une méthode utilisant les points d'intérêts pour la modélisation de scène, puis la détection d'objets mobiles. Ensuite, la ré-identification des personnes se fait en collectant un ensemble de points d'intérêt durant une fenêtre temporelle, puis en cherchant pour chacun d'eux leur correspondant le plus similaire parmi tous les descripteurs enregistrés précédemment, et stockés dans un KD-tree. Enfin, nous proposons et testons des pistes d'amélioration, en particulier pour la sélection automatique des instants ou des points d'intérêt, afin d'obtenir pour chaque individu un ensemble de points qui soient à la fois les plus variés possibles, et les plus discriminants par rapport aux autres personnes.

Les performances de ré-identification de notre algorithme, environ 95% d'identification correcte au premier rang parmi 40 personnes, dépassent l'état de l'art, ainsi que celles obtenues dans nos comparaisons avec d'autres descripteurs (histogramme de couleur, HOG, SIFT).