Fusion d'informations pour la videosurveillance intelligente

Abstract

Au cours de ces dernières décennies, la sécurité des personnes, des biens et de l’information s’est imposée comme un enjeu majeur à l’échelle planétaire. Confrontées à des problèmes tels que la lutte au terrorisme, le renforcement de la sécurité intérieure et l’essor de la cybercriminalité, nos sociétés investissent de plus en plus pour assurer leur protection. Ce secteur offre donc de grandes opportunités, tant sur le plan du développement technologique que des services. En particulier, les technologies de l’information et des communications apportent des solutions nouvelles et sophistiquées pour la sécurité physique et informatique. Les progrès récents dans le traitement du signal permettent le développement de systèmes de vidéosurveillance intelligents, notamment des systèmes capables d'adapter de manière flexible le taux de collecte de données vidéo permettant de fournir des informations plus riches pour une analyse précise et crédible. En raison de son importance dans la sécurité et la sûreté des personnes, la vidéosurveillance intelligente (VSI) remplace aujourd’hui le personnel de vidéosurveillance traditionnel permettant ainsi de réaliser un traitement et une analyse rapides et en temps réel de données volumineuses. La VSI, appelée aussi détection automatique d’anormalités mise sur des logiciels qui exploitent les capacités de calcul embarquées dans les caméras ou dans des serveurs pour analyser en temps réel les images qu’elles enregistrent. L’objectif de cette thèse est de proposer une approche permettant de détecter tout événement anormal dans la vidéo et d'émettre des alertes. L’approche proposée repose sur plusieurs étapes dont : 1) l’acquisition d’une base de données vidéos réels dans un atelier sous différentes conditions d'éclairage ; 2) la mise en œuvre de méthodes de soustraction en arrière-plan pour la détection d'objets en mouvement à partir de scènes vidéo ; 3) l’expérimentation et la validation de la démarche adoptée ; une étude et une analyse approfondie est effectuée afin de tester la robustesse de la proposition. En exploitant des données réelles. Nous avons évalué de manière exhaustive les performances de tous les algorithmes de la bibliothèque BGS, en examinant les performances de hachage, le temps d'exécution, la mémoire et la consommation du processeur.