Détection d'anomalies dans une séquence d'images fisheye - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Détection d'anomalies dans une séquence d'images fisheye

Résumé

La détection d'anomalies dans les flux vidéo est un sujet très actif dans la communauté de vision par ordinateur et notamment dans la tâche d'automatisation du traitement de données de vidéo-surveillance. Ce papier propose d'adapter une architecture neuronale fondée sur l'utilisation d'un réseau totalement convolutif utilisant une approche antagoniste générative (réseau GAN) capable d'apprendre la corrélation entre l'apparence des objets présents dans une scène et leurs mouvements apparents et de reconstruire le contenu des images d'une situation qualifiée de normale. L'objectif final est de déterminer la fonction de décision capable d'identifier des situations anormales à partir d'une reconstruction imparfaite d'une situation inconnue. Nous étudions cette problématique dans le contexte de l'automatisation d'un véhicule ferroviaire (projet Train Autonome) pour lequel la fermeture des portes doit se faire en sécurité sans l'intervention d'aucun agent. Cet article propose un ensemble de modifications de l'apprentissage de l'architecture afin de l'adapter aux différents scénarios d'anomalies de notre cas d'application, sensiblement différents de ceux rencontrés dans les datasets classiques de la littérature, et définit les bonnes pratiques pour ce type d'applications. L'architecture est évaluée sur notre dataset nommé « FRailTRI20_DOD » qui met en scène plusieurs exemples d'événements anormaux joués sur la réplique d'une porte de train en laboratoire.
Fichier principal
Vignette du fichier
tex00006037.pdf (2.76 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03875434 , version 1 (28-11-2022)

Identifiants

  • HAL Id : hal-03875434 , version 1

Citer

Olivier Laurendin, Sébastien Ambellouis, Anthony Fleury, Sanaa Chafik, Ankur Mahtani. Détection d'anomalies dans une séquence d'images fisheye. GRETSI 2022, XXVIIIème Colloque Francophone de Traitement du Signal et des Images, Sep 2022, Nancy, France. 4p. ⟨hal-03875434⟩
40 Consultations
3 Téléchargements

Partager

Gmail Facebook X LinkedIn More