Une technique robuste et intelligente de détection par vidéosurveillance d'objets abandonnés dans les zones de transit

Abstract

La recherche scientifique dans le domaine de la vidéosurveillance a été très active au cours de la dernière décennie, en raison de son impact énorme sur des domaines tels que la sécurité et les applications militaires. Les réseaux de caméras de vidéosurveillance sont entrain de s’agrandir de jour en jour dans les zones urbaines, comme les gares, les aéroports, les banques et tous les autres zones publiques où la sécurité s’impose. L'énorme quantité de flux vidéo fourni par ces caméras ne peut être contrôlée et vérifiée par un agent humain en raison de son incapacité à se concentrer pendant une longue période de temps ou à repérer un danger et réagir à temps. Par conséquent, plusieurs méthodes pour la détection d’événements suspects dans la surveillance visuelle sont étudiées pour aider l’agent humain dans sa tâche. Dans cette thèse, nous nous concentrons sur le développement d'une méthode de détection d'objets abandonnés dans la surveillance visuelle. En raison de l'aspect critique d'un tel système, la robustesse et le coût de calcul sont nos principales préoccupations. Le système proposé détecte les objets abandonnés, comme les bagages dans les zones de transit et les objets immobiles de toutes formes dans les environnements intérieurs et extérieurs, avec des changements des lumières brusques et aléatoires, et dans les zones encombrées. La nouveauté de notre méthode est l'utilisation des contours au lieu des pixels dans la détection de régions statiques. Nous avons également proposé un algorithme de clustering pour regrouper les contours stables dans les objets abandonnés candidats. Deux scores robustes sont également proposés pour la classification des objets abandonnés.