Résumé: Cette thèse, propose le développement d'une méthode d'analyse de séquence d'images pour l'interprétation de scènes dynamiques où évoluent des objets quelconques ou des êtres humains, sur fond non uniforme et sous éclairage peu contrôlé. Deux axes de recherche ont été abordés : l'analyse de mouvement (détection des objets en mouvement) et la reconnaissance des formes (identification des objets). L'approche de détection proposée s'appuie sur une procédure de segmentation statistique fondée sur le principe markovien et sur l'analyse de la texture. En considérant un opérateur fondé sur les différences entre trois images successives prises deux à deux, on met en évidence les objets mobiles ainsi que les régions du fond découvertes ou recouvertes par ces objets pendant leur mouvement. Une segmentation grossière est ensuite appliquée afin de ne traiter que les zones retenues de l'image. On enchaîne par une segmentation plus fine fondée sur le principe markovien et textural en rapprochant ce problème à celui d'une classification de l'image en pixel fixe et pixel mobile. L'approche d'identification de ces objets utilise un modèle statistique par les réseaux de neurones artificiels. Ils permettent ainsi l'apprentissage numérique par l'exemple. Des modèles d'architectures de réseaux de neurones ont été développés et appliqués à l'identification des êtres humains. Les performances de ces réseaux ont été calculées à l'aide de deux bases de données construites à cette occasion. Nous avons montré que l'on pouvait obtenir de bonnes performances à l'aide de réseaux du type MLP pour notre application. Toutefois, les études menées au cours de cette thèse soulèvent un certain nombre de problèmes théoriques difficiles, ainsi par exemple, à plusieurs reprises, nous nous sommes trouvés confrontés aux problèmes de la sélection d'un ensemble d'apprentissage pertinent.

Edition: France: Université de Technologie de Compiègne
Langue: Français
Diplôme: Doctorat
Etablissement de soutenance: Université de Technologie de Compiègne
Index décimal 006.32 .Réseaux neuronaux (apprentissage relationnel, ordinateurs neuronaux, perceptrons)
Thème Informatique

Mots clés:
Réseaux neuronaux (informatique)
Markov, Modèle
Texture (traitement d'images)
Reconnaissance de l'activité humaine (informatique)