Titre : | Détection, classification, étiquetage et déclenchement d’alarme en cas de détection d’un objet d’intérêt dans une vidéo | Type de document : | projet fin études | Auteurs : | MOHAMED SELLAM, Auteur | Langues : | Français (fre) | Catégories : | BIG DATA
| Index. dĂ©cimale : | mast 244/19 | RĂ©sumĂ© : | La recherche dans le domaine de la détection d’objets dans une vidéo finale ou capturée en temps réel devient un sujet de plus en plus traité. Les algorithmes conventionnels utilisent exclusivement des modèles basés sur des vecteurs de caractéristiques. Ces vecteurs restent difficiles à définir et dépendent largement du type d’objet observé. Ces méthodes donnent des résultats avec un faible taux de détection et un haut taux de fausse classification. Une approche innovante pour résoudre ce problème est d’utiliser un algorithme permettant de déterminer automatiquement les caractéristiques utiles pour classifier, étiqueter un objet et lancer une alarme en cas où un objet d’intérêt a été détecté. Dans ce rapport, nous utilisons les réseaux de neurone de convolution pour identifier les classes d’objets dans une image ,une vidéo ou une capture vidéo en temps réel puis nous ajoutons une méthode qui permet de déclencher une alarme dans le cas de la détection d’un objet spécifique. Les réseaux de neurones de convolution ont montré leur grande performance dans le domaine de la classification des objets. Testée sur des séquences vidéo soit déjà enregistré ou en temps réelles, l’approche proposée atteint une meilleure performance de classification que les méthodes conventionnelles. Ces résultats indiquent clairement que l’utilisation des réseaux de neurones de convolution pour l’identification d’objet est très prometteuse. Dans ce travail nous choisissons une combinaison de deux modèles de détection d’objet et les résultats montrent leur capacité dans ce domaine. L’ajout de la méthode qui déclenche l’alarme nous offre un défi concernant la vitesse de la lecture de la vidéo où on cherche l’objet spécifique. Ce défi peut être un sujet de recherche dans la future. |
Détection, classification, étiquetage et déclenchement d’alarme en cas de détection d’un objet d’intérêt dans une vidéo [projet fin études] / MOHAMED SELLAM, Auteur . - [s.d.]. Langues : Français ( fre) Catégories : | BIG DATA
| Index. dĂ©cimale : | mast 244/19 | RĂ©sumĂ© : | La recherche dans le domaine de la détection d’objets dans une vidéo finale ou capturée en temps réel devient un sujet de plus en plus traité. Les algorithmes conventionnels utilisent exclusivement des modèles basés sur des vecteurs de caractéristiques. Ces vecteurs restent difficiles à définir et dépendent largement du type d’objet observé. Ces méthodes donnent des résultats avec un faible taux de détection et un haut taux de fausse classification. Une approche innovante pour résoudre ce problème est d’utiliser un algorithme permettant de déterminer automatiquement les caractéristiques utiles pour classifier, étiqueter un objet et lancer une alarme en cas où un objet d’intérêt a été détecté. Dans ce rapport, nous utilisons les réseaux de neurone de convolution pour identifier les classes d’objets dans une image ,une vidéo ou une capture vidéo en temps réel puis nous ajoutons une méthode qui permet de déclencher une alarme dans le cas de la détection d’un objet spécifique. Les réseaux de neurones de convolution ont montré leur grande performance dans le domaine de la classification des objets. Testée sur des séquences vidéo soit déjà enregistré ou en temps réelles, l’approche proposée atteint une meilleure performance de classification que les méthodes conventionnelles. Ces résultats indiquent clairement que l’utilisation des réseaux de neurones de convolution pour l’identification d’objet est très prometteuse. Dans ce travail nous choisissons une combinaison de deux modèles de détection d’objet et les résultats montrent leur capacité dans ce domaine. L’ajout de la méthode qui déclenche l’alarme nous offre un défi concernant la vitesse de la lecture de la vidéo où on cherche l’objet spécifique. Ce défi peut être un sujet de recherche dans la future. |
|