| Résumé | En raison de la résolution et de la qualité limitées de la vidéo de surveillance, le suivi et la reconnaissance d'objets dans des vidéos de surveillance exigent l'utilisation de techniques permettant d'accumuler de l'information sur les objets dans le temps. La technique la plus simple consiste à employer des histogrammes qui calculent la répartition des valeurs des pixels dans le temps; elle est utilisée fréquemment pour faire le suivi d'objets de couleur uniforme, tels que des visages. Une autre technique bien connue qui est employée à cette fin consiste à utiliser des corrélogrammes, qui tirent des renseignements de la valeur des pixels et de leurs relations spatiales pour faciliter la distinction des objets. Hélas, cette technique est aussi dépourvue d'une capacité d'apprentissage complète, car elle actualise l'information sur l'objet, exprimée sous la forme de matrices de cooccurrence, au moyen des seuls pixels qui sont observés au moment même et sans tenir compte de l'historique d'apprentissage antérieur. La mémorisation associative fondée sur des réseaux neuronaux représenterait donc un mécanisme plus perfectionné pour accumuler de l'information sur un objet dans une séquence vidéo. Dans cet exposé, on décrit comment utiliser le code source libre de réseau neuronal associatif pour faire le suivi et la reconnaissance d'objets dans des séquences vidéo. Deux exemples de suivi et de classification de visages multiples dans des vidéos à faible résolution sont donnés. |
|---|
