Browsing by Author "Younsi Merzouk"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Classification automatique de données basées la théorie des graphes application à la segmentation d'images couleurs
    (Université Mouloud Mammeri, 2011) Younsi Merzouk; Salmi Abderezak; Hammouche Kamal
    Résumé Nous avons présenté dans ce travail une méthode de classification automatique de données appelée classification spectrale (spectral clustering) basée sur la théorie spectrale des graphes et des coupes de graphes. Elle comprend essentiellement trois étapes: (1) prétraitement : à partir de la base de données, construire la matrice de similarité qui peut être identifiée à un graphe : les noeuds du graphe sont les données et le poids des arêtes formées entre chaque paire de noeuds représente alors la mesure de similarité locale entre deux observations, (2) décomposition : analyser les valeurs et vecteurs propres (spectre) de la matrice de similarité, (3) groupement : extraire les k premiers vecteurs propres (vecteurs dominants) associés aux k plus petites valeurs propres de la matrice de similarité (k étant le nombre de classes à construire fixé à priori par l’utilisateur). Ces vecteurs propres constituent un espace de dimension réduite dans lequel les données transformées seront linéairement séparables. Dans le cadre de notre application, nous avons appliqué la méthode de classification spectrale dans un premier temps sur des données artificielles afin dévaluer ses résultats, ensuite, cette méthode est appliquée à la segmentation des images couleurs par classification non supervisée des pixels. Les différents résultats obtenus sont évalués à base de la matrice de confusion dans le cas des données artificielles, et le critère d’évaluation de Borsotti dans le cas de la segmentation d’images couleurs. Mots clés : Méthode de k-Means, théorie des graphes, spectral clustering, matrices laplaciennes, valeurs propres et vecteurs propres, segmentation d’images couleurs.
  • Thumbnail Image
    Item
    Identification automatique de silhouettes humaines dans des séquences d’images infrarouges
    (FGEI-UMMTO, 2023-12-20) Younsi Merzouk
    La détection, le suivi, et la reconnaissance de postures de personnes en mouvement est un sujet de recherche très actif dans le domaine de vision par ordinateur en raison de ses applications dans divers domaines tels que la vidéo surveillance, l’interaction homme-robot, la récupération vidéo, les soins de santé, les véhicules intelligents, la réalité virtuelle et la réalité augmentée. Cependant, le développement d’un système efficace pour la détection et le suivi de personnes reste une tâche difficile à traiter, notamment lorsque nous avons à faire face à des environnements extérieurs à faible luminosité tels que la nuit. D’autres facteurs rendant cette tâche plus ardue incluent : la présence dans la scène d’objets non-humains, les encombrements d’arrière-plan, les occultations, les changements d’apparence, les changements de postures, le bruit et la contrainte du temps réel. Afin de surmonter certaines de ces difficultés, dans ce travail de thèse, nous proposons un nouveau système de vidéo surveillance capable de détecter, suivre, et reconnaître efficacement la posture de personnes en mouvement à partir de séquences d’images acquises par une caméra infrarouge dans des environnements extérieurs de nuit. Ce système comprend les étapes suivantes. Après l’extraction des objets en mouvement en utilisant la méthode de soustraction d’arrière-plan, nous proposons deux approches différentes pour distinguer un être humain de toute autre forme d’objet en mouvement. La première approche est basée sur le calcul d’une fonction de similarité combinée qui utilise des informations de forme et d’apparence, et des informations spatiales et temporelles des objets en mouvement. La seconde approche est basée sur la détection conjointe de deux parties qui caractérisent le corps humain, à savoir l’ensemble tête-épaules (ressemblant à la forme de la lettre majuscule de l’alphabet grec Omega Ω), et les deux jambes. Une fois qu’un être humain est détecté, afin de le suivre efficacement et de manière robuste en cas de présence des situations difficiles citées précédemment, nous proposons une méthode qui utilise un filtre à particules et une combinaison adaptative d’informations provenant de plusieurs types de caractéristiques, à savoir l’intensité, la texture, la vélocité de mouvement, et la distance spatiale. Pour augmenter davantage la robustesse de notre méthode de suivi, nous introduisons aussi une stratégie automatique de détection et de traitement des occultations basée sur des règles heuristiques simples et l’histogramme de projection verticale en niveaux de gris. En parallèle avec l’algorithme de suivi, et pour décrire efficacement la posture de l’être humain détecté, nous extrayons de sa silhouette trois caractéristiques différentes, à savoir des caractéristiques basées région, basées contour et géométriques. Les performances de notre système proposé sont évaluées sur plusieurs séquences d’images infrarouges capturées dans des environnements réels de nuit, et les résultats expérimentaux obtenus ont démontré une bonne faisabilité et efficacité de notre système pour la détection automatique des êtres humains en mouvement et l’analyse de leurs comportements au cours du temps.