Search

National audience; Cet article présente une méthode automatique de détection et d'analyse des changements qui surviennent dans les scènes urbaines. Ils sont intégrés progressivement par mise à jour incrémentale de la carte 3D. Les nuages de points 3D, acquis lors de passages successifs en un même lieu mais à des jours et horaires différents, sont combinés pour enrichir la cartographie. Les modifications qui se produisent dans la scène au cours de cette période sont détectées et analysées à l'aide de fonctions cognitives de similarité. Les résultats, évalués sur des données réelles en utilisant différentes métriques, démontrent non seulement l'efficacité du procédé mais attestent que les changements qui peuvent intervenir sont effectivement incorporés dans la cartographie 3D résultante. Ainsi, seules les entités permanentes subsistent dans la carte. La méthode proposée est facilement applicable et adaptée pour opérer sur des scènes urbaines de grande taille.

This paper presents a clustering method of detections of the same object seen on a video. We apply it to the context of the automatic construction of photo album. We use a global analysis, based on a probabilistic framework of data association problems. The solution is given by Maximum A Posteriori estimation. Our main contribution concerns the use of a local front-back tracking, applied to each detection ; to increase appearance information of detections with a spatial information, through local tracks construction. We introduce a new likelihood measure based on the spatio-temporal dissimilarity between tracks. The algorithm is then able to deal with situations in which the face detections are scattered. We propose to use criteria derived from purity and inverse purity of a clustering to assess performances of the proposed method. This method is compared to hierarchical clustering on two real test sequences., Cet article présente une méthode de regroupement de détections d'un même objet vu sur une séquence vidéo, en se plaçant dans le cadre applicatif plus précis de la construction automatique d'un album photo. Nous utilisons une méthode d'analyse globale, basée sur une formalisation probabiliste du problème d'association de données. La solution du problème est alors donnée par une estimation du Maximum A Posteriori (MAP). La principale contribution concerne l'utilisation d'une méthode de suivi locale avant-arrière appliquée à chaque détection. Cela afin d'enrichir l'information d'apparence issue de la détection, par une information spatiale provenant de la construction de pistes locales. Nous introduisons une nouvelle mesure de vraisemblance basée sur la dissimilarité spatio-temporelle entre les pistes. L'algorithme obtenu est alors capable d'adresser des situations où les détections de visages sont éparses. Nous proposons d'utiliser des critères dérivés de la pureté et la pureté inverse d'un clustering pour évaluer les performances de la méthode proposée. La méthode est ensuite comparée à un clustering ascendant hiérarchique, sur deux séquences test réelles.

CIFA 2008, 5ème Conférence Internationale Francophone d'Automatique, BUCAREST, ROUMANIE, 03-/09/2008 - 05/09/2008; Cet article présente une méthode de suivi précis de trajectoires de véhicules légers en utilisant un capteur constitué d'une caméra couleur et d'un télémètre laser à balayage 1D. L'approche retenue est basée sur un filtrage temporel, non linéaire, formalisé par un filtre à particles. Nos contributions portent sur deux points clefs de l'application. La première contribution traite de l'étude d'une fonction de vraisemblance originale qui utilise la cohérence entre la projection d'un modèle simplifié du véhicule dans le repère capteur et les mesures. La deuxième contribution concerne une alternative à la phase d'échantillonnage classique utilisée dans un filtre à particule, qui permet de fusionner de manière intrinsèque les observations provenant de plusieurs sources. La précision de l'algorithme est quantifiée sur des données réelles pour lesquelles nous disposons d'une vérité terrain grâce à une GPS cinématique.

International audience; Cet article concerne la détection des piétons à l'aide d'un capteur laser. Ce capteur placé à l'avant d'un véhicule recueille des informations distance réparties selon quatre nappes. Au même titre qu'un véhicule, un piéton constitue dans un environnement de conduite un obstacle qu'il faut détecter, localiser puis identifier et éventuellement suivre. Une synthèse bibliographique concernant les travaux relatifs à la détection des piétons à l'aide de données LIDAR est présentée. Une méthode de détection, d'identification puis de suivi de piétons à partir de cet unique capteur laser quatre plans est proposée et discutée. L'algorithme de détection regroupe les points en différentes classes géométriques dans le but de filtrer le fond de l'image (murs, voitures, panneaux, etc.). Afin d'isoler les piétons, nous proposons une méthode non-paramétrique exploitant la technique de fenêtrage de Parzen. Finalement, pour caractériser au mieux la trajectoire complexe d'un piéton, le pistage repose sur l'utilisation classique d'un filtre à particules. Les résultats obtenus sur des données réelles pour plusieurs scénarios sont présentés.

National audience

International audience