Résumé

La soustraction de l’arrière-plan parmi les activités difficiles dans la vision par ordinateur,
puisque la nature de l’environnement pouvant impliquer certains changements dus à l’effet
de la lumière, l’arrière-plan dynamique, l’ombre, l’effet de camouflage, ..etc. Plusieurs
méthodes de détection des objets en mouvements sont proposées, mais la majorité d’entre
eux non pas réussi à gérer la multimodalité des scènes. On se basant sur le système immunitaire artificielle de reconnaissance, des méthodes efficaces de soustraction de l’arrièreplan sont proposées. Dans la première proposition, la méthode Single Gaussienne est
combinée avec le système immunitaire artificielle de reconnaissance pour mieux représenter les variations de pixels dans les scènes qui contiennent un arrière-plan dynamique. Le
système immunitaire artificielle de reconnaissance est utilisé comme un outil de classification qui sépare les antigènes représentés par les pixels de premier plan des anticorps qui
modélisent les pixels d’arrière-plan. Chaque pixel de cette proposition est modélisé avec un
vecteur de caractéristique contenant des attributs de Gaussien. Comme deuxième contribution, nous avons utilisé le système immunitaire artificielle de reconnaissance pour gérer
dynamiquement le nombre des Gaussiens dans le modèle mélange des gaussiens au lieu
de fixer de l’avance par l’utilisateur. Dans cette contribution, un ensemble des nouveaux
Gaussiens sont générés en utilisant deux stratégies différentes: la première (génération
aléatoire) utilise le système immunitaire artificielle de reconnaissance pour améliorer la
décision du système, tandis que dans la deuxième stratégie (génération dirigée) améliore
la production des meilleurs modèles représentants de l’arrière-plan. Pour réduire l’effet de
luminosité, chaque image de la séquence vidéo est transformée de l’espace de couleur RVB
à l’espace HSV. Le système immunitaire artificielle de reconnaissance a aussi bénéficié de
certaines modifications pour réduire le coût de recherche sur un modèle plus représentant de l’antigène actuel et éviter l’explosion de données dans l’ensemble de cellules mémoire. Afin de réduire le coût de recherche sur la cellule mémoire la plus représentantes
à l’antigène, la structure de l’ensemble des cellules mémoire est redéfini comme une arbre
binaire (kd-tree). De plus, nous avons ajouté deux mécanismes au système immunitaire
artificielle de reconnaissance de base pour éviter l’explosion des données dans l’ensemble
des cellules mémoire. Les méthodes proposées sont implémentées et testées sur des bases
des données publiques. Les résultats obtenus sont largement satisfaisants par rapport aux
autres méthodes cités dans l’état de l’art.

Information

Item Type:	Thesis
Divisions:
ePrint ID:	4429
Date Deposited:	2023-09-17
Further Information:	Google Scholar
URI:	https://www.univ-soukahras.dz/fr/publication/article/4429

BibTex