Analyse de l'activité humaine dans les séquences vidéo

Cet expose se propose de presenter quelques unes des contributions recentes de l’equipe Imagine du LIRIS, dans le domaine de l’analyse de l’activite humaine par la video. Plusieurs de ces contributions ont ete developpees conjointement avec la jeune entreprise Foxstream, incubee par le LIRIS au sein de l’Universite Lumiere Lyon 2, et specialisee dans l’edition de logiciels d’analyse video intelligente. Dans le domaine de la segmentation d’objets en mouvements, nous nous sommes interesses a l’optimisation de la methode des Codebooks, et proposons une methodologie d’evaluation des algorithmes de segmentation premier plan / arriere plan. Nous presentons une technique de suivi d’objets en mouvement dans les videos, specialisee dans le suivi des humains, et basee sur l’elaboration d’un modele d’apparence articule. Pour rendre le modele plus robuste aux occultations partielles des membres, nous proposons une approche basee sur un appariement d’un modele 3D avec la silhouette 2D obtenue dans la sequence. Dans le cadre du maintien a domicile des personnes âgees, nous montrons comment utiliser cette technique de suivi, conjointement a un modele de Markov hierarchique, pour la mise en place d’un detecteur de chutes. Enfin, nous proposons l’utilisation d’un modele d’apparence simplifie, base sur une projection des composantes colorimetriques de l’objet en mouvement sur un axe vertical. Nous montrons que la caracteristique d’apparence ainsi construite simplifie grandement la mise en place des algorithmes de suivi, et sont en general suffisants pour permettre la re-identification correcte de personnes suivies dans des reseaux de cameras distribuees. Dans une deuxieme partie de l’expose, nous nous interessons a la detection d’evenements rares dans les videos, et plus particulierement des trajectoires rares. Nous introduisons plusieurs metriques permettant d’exprimer la proximite entre trajectoires, et utilisons ces metriques pour agreger des trajectoires de maniere incrementale, et pour construire a la volee les modeles de trajectoires « usuels ». Ces techniques permettent de declencher une alerte en cas de trajectoire sortant des limites des modeles ainsi elabores. Nous montrons ensuite comment il est possible de s’affranchir de l’etape de suivi, en basant l’etude des « points de passage usuels » sur l’estimation du flot optique au sein de la sequence d’images. Enfin, une troisieme partie de l’expose est consacree a l’utilisation des cameras mobiles, a trois degres de liberte (PTZ pour Pan-Tilt-Zoom). Nous proposons un algorithme optimise permettant de minimiser le nombre de vues necessaires a la construction d’un panorama centre en la camera. Ce panorama peut constituer une modelisation de l’arriere-plan de la scene, et etre utilise comme une premiere approche pour la detection du premier plan en mouvement, meme quand la camera est mobile. Nous montrons dans un deuxieme temps comment on peut se passer de la construction complete de la vue panoramique, en elaborant un modele de fond de la zone balayee par la camera dans le passe proche. Ce modele de fond peut etre mis a jour grâce a un recalage entre l’image courante de la sequence et la trace laissee par la camera dans le panorama. Dans le cadre d’un balayage systematique d’une scene par une camera PTZ, la portion de la scene observee a un instant donne ne constitue en general qu’une faible partie de la zone a surveiller. Nous montrons comment l’utilisation conjointe de la camera PTZ avec un miroir spherique peut convenir pour permettre a la fois d’avoir une observation grossiere, de l’ensemble de la scene, puis de focaliser la camera sur une zone d’interet particuliere, determinee de maniere automatisee, lorsqu’un mouvement est detecte.