Monitoring Détection de séquences vidéo en temps réel dans une grande base de données Julien Law-to 23/07/2004.

Slides:



Advertisements
Présentations similaires
DEA Réalité Virtuelle et Maîtrise des Systèmes Complexes
Advertisements

Chaîne de traitement Notion de plot
Traitement d’images : concepts fondamentaux
Caractériser les précipitations intenses du MRCC
Accélération du Rendu Volumique basée sur la Quantification des Voxels
Classification des signaux exemples de signaux réels
RECONNAISSANCE DE FORMES
Addition de nombres relatifs
Colloque GRETSI, Paris, 8-11 septembre 2003 Sur la Décomposition Modale Empirique P. Flandrin (Cnrs - Éns Lyon) et P. Gonçalvès (Inrialpes)
Codage par transformées(1)
6. Quantification des signaux visuels. Codage prédictif (MICD)
3. Analyse et estimation du mouvement dans la vidéo
4. Descripteurs du contenu
A Pyramid Approach to Subpixel Registration Based on Intensity
Xialong Dai, Siamak Khorram
Maria-João Rendas CNRS – I3S Novembre 2006
Statistique et probabilités au collège
Fusion de données SENSO
Projet SENSO Thermographie infrarouge Résistivité électrique Réunion de travail Nantes le
Traitement d’images : briques de base S. Le Hégarat
Identification des personnes par l’iris
Traitements d'images et Vision par ordinateur
Les requêtes La Requête est une méthode pour afficher les enregistrements qui répondent à des conditions spécifiques. La requête est donc un filtre.
Application des algorithmes génétiques
Classification Multi Source En Intégrant La Texture
Croissance et extremums
Analyse fréquentielle
Construction de modèles visuels
Plan d’expérience dynamique pour la maximisation
Atelier ADOMOCA Nov 2007 Hervé Le Berre & Daniel Cariolle Une méthode plus robuste pour la résolution des systèmes chimiques Projet ANR SOLSTICE.
Traitements à base d’histogrammes Cours 6
Interprétation de séquences dimages pour des applications MédiaSpace Alberto AVANZI François BREMOND Monique THONNAT Projet ORION INRIA de Sophia Antipolis.
Commentaires sur les biais écologiques et les échelles non emboîtées
Plage Dynamique GIF-4105/7105 Photographie Algorithmique
Distance de BORGEFORS Et Applications
Appariement de deux images
Recherche dun même objet / scène Approches basées sur des descripteurs locaux Approches basées sur des descripteurs globaux.
Le filtrage d’images.
Reconnaissance d’empreintes digitales
Cours #9 Segmentation Découverte 4- Segmentation Introduction
Thierry Molinier > David Fofi >
Écart moyen et écart type
DART - Discrete Analytical Ridgelet Transform
Soutenance de stage 16 Mai au 5 Août 2011
Détection de contours automatique et application aux images réelles
Traitement d’images sur carte 3D
Structure du cours Introduction générale Notions de géodésie
Segmentation (1ère partie)
Qualification biologique des ovocytes et des zygotes en AMP par analyse et traitement d’images Khemmou J. 1, Vuillemenot J. 1, Pieralli C. 2, Roux C. 3.
Reconnaissance d’image CABRIERE Pierre – ROBERT Bastien.
Institut de Recherche en Communications et Cybernétique de Nantes 1 Implémentation en précision finie modélisation et recherche de réalisations optimales.
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
Caractérisation texturale des surfaces boisées dans une image Ikonos de la région de Montréal Pierre Bugnet Langis.
Segmentation par analyse d’une image de gradient (ligne de partage des eaux) par fusion de régions dans un graphe par méthode variationnelle (Mumford.
KF-RAY Raytracer parallèle Projet long d’informatique
Tolérance de parallélisme
Graph cuts et applications
Etude et test des algorithmes d'estimation de mouvement en MPEG
Identification basée sur l’iris (Iris recognition)
Extraction de segments pour la reconnaissance de symboles : Une approche robuste par Transformée de Hough Présenté par : Simon BERNARD Encadré par : Jean-Marc.
INF-1019 Programmation en temps réel
Classification pixel par pixel
TNS et Analyse Spectrale
Monitoring Détection de séquences vidéo en temps réel dans une grande base de données Julien Law-to 19/11/2004.
Monitoring Détection de séquences vidéo en temps réel dans une grande base de données Julien Law-to 22/06/2004.
MPEG : normalisation La vidéo est compressé en MPEG2 Une vidéo classique : (720x576) à 50 images entrelacées par seconde. Le Mpeg-2 travaille sur 1/4 de.
Suivi d’Horizons Sismiques
NOUVELLES TECHNOLOGIES APPLIQUEES A LA SECURITE
Partie II : Segmentation
PIF-6003 Sujets spéciaux en informatique I
Transcription de la présentation:

Monitoring Détection de séquences vidéo en temps réel dans une grande base de données Julien Law-to 23/07/2004

Objectifs ● Développer un détecteur de points spatio-temporel, le coder et le tester sur des séquences ● Détecteur basé sur l'entropie ● Détecteur basé sur les distances spatio-temporelle ● Voir si ces 2 detecteurs de points spatio temporels sont stables et robustes ● Développer un descripteur basé sur les filtres de Gabor pour extraire la texture ● Tester ce descripteur et étudier la localisation du descripteur ● Continuer la bibliographie sur la focalisation d'attention (voir aspect plus « eye tracking »)

Détecteur basé sur l'entropie Principe Entropie

Détecteur basé sur l'entropie Principe de l'algorithme(1) Buffer d'images (352 X 288)

Détecteur basé sur l'entropie Principe de l'algorithme(2) Grille 32 X 32 ( 11 pixels X 9 pixels ) Calcul d'histogramme spatio temporel (15 X 13 X 11) Entropie = Σ p.Log(p)

Détecteur basé sur l'entropie Principe de l'algorithme(3) Visualisation Spatiale Temporelle

Détecteur basé sur l'entropie Principe de l'algorithme(4) Choix des maxima Points d'inflexion temporel (avec un seuil sur la dérivée) Recentrage dans la zone spatiale ainsi choisie (Harris ?) La question reste ouverte

Détecteur basé sur l'entropie Résultats : détection temporelle des maxima Choix des maxima Variance du filtre dérivée = 10

Détecteur basé sur l'entropie Résultats : Mesure du rapport Signal/Bruit ● Mesure du bruit RSB = 2 %

Détecteur basé sur l'entropie Résultats : temps de calcul ● 2 min de video : 230 s de calcul ● On peut gagner très facilement 60% du temps ● Pour l'instant ce n'est pas un obstacle ● MAJ (28/07/2004) : après optimisation du code : 25 secondes pour 2 min de video

Détecteur basé sur l'entropie Résultats ● Voir les séquences : – 32 X 32 – 64 X 64 – Différence

Détecteur basé sur l'entropie Projets ● Déterminer de bons critères de choix de max ● Superposer les max sur l’image ● Travailler sur le recentrage ● Améliorer le temps de calcul ● Choisir des dimensions optimales (en x,y,t) ● Choisir des paramètres différents suivant le domaine …

Plan de travail a priori ● Continuer sur le détecteur basé sur l’entropie ● Coder des descripteurs pour avoir une signature complète ● Faire la bibliographie sur la focalisation d’attention sur un aspect eye-tracking