Application de l’apprentissage profond pour la segmentation sémantique en vidéosurveillance
Loading...
Date
2024-10-03
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
FGEI.UMMTO
Abstract
Ce mémoire traite de l'application de la vidéosurveillance moderne, en mettant l'accent sur l'importance de l'analyse automatique des flux vidéo pour la sécurité des espaces publics et privés. À travers une exploration approfondie, il souligne comment la segmentation d'images, une technique clé du traitement d'images, permet d'isoler efficacement les objets d'intérêt dans des environnements complexes, facilitant ainsi leur détection et leur suivi. Le document est structuré en trois chapitres principaux :
1. Vidéosurveillance et Traitement d'Images : Ce chapitre introduit les concepts fondamentaux de la vidéosurveillance, définissant son rôle crucial dans la sécurité. Il aborde également les techniques de segmentation d'images et leur application dans la détection d'objets, tout en discutant des défis associés à leur mise en œuvre.
2. Intelligence Artificielle et Deep Learning : Ce chapitre se concentre sur les principes de l'intelligence artificielle et du deep learning, permettant de commenter ces technologies avancées améliorant la précision et l'efficacité des systèmes de vidéosurveillance.
3. Mise en Œuvre, Tests et Résultats : Le dernier chapitre présente les résultats obtenus à partir d'images capturées en temps réel dans un flux vidéo, en analysant les performances des modèles de deep learning utilisés pour la segmentation sémantique.
Le mémoire conclut en soulignant l'importance croissante de la vidéosurveillance intelligente et les perspectives d'amélioration continue dans ce domaine, contribuant ainsi à une meilleure compréhension des enjeux contemporains liés à la sécurité.
Description
52 p. : ill. ; 30 cm. (CD-Rom)
Keywords
Vidéosurveillance, Segmentation d'Images, Deep Learning, Traitement d’images, Intelligence artificielle, Réseaux de neurones
Citation
Automatique et Système