Note ABES Application de techniques d’apprentissage pour la détection et la reconnaissance d’individus Learning techniques application to person detection and recognition Vidéosurveillance 006.37 Vision par ordinateur Traitement d'images Télévision dans les systèmes de sécurité Reconnaissance des formes (informatique) Perception des visages Apprentissage automatique Classification automatique Nous présentons dans cette thèse une approche de reconnaissance de personnes basée sur l’apparence. L’objectif est de fournir un bloc de traitement pouvant s’incorporer dans un système de surveillance plus global dédié à l’analyse comportementale. A l’inverse des méthodes de reconnaissance biométriques telles que la reconnaissance de visage ou la reconnaissance de la démarche, notre objectif est ici de distinguer des personnes entre elles, par le biais de leur « modèle d’apparence », plutôt que d’associer un identifiant unique à chaque individu. En outre, contrairement aux méthodes qui existent dans la littérature, le « modèle d’apparence » que nous construisons est issu de la modélisation séparée des parties supérieure et inférieure des corps des individus à reconnaitre. Ainsi, nous avons mis au point une stratégie de classification (basée sur la technique one-class SVM) nous permettant d’effectuer deux opérations. Nous appelons la première opération la « fusion des classes » et qui consistent à détecter en amont (c'est-à-dire lors de l’apprentissage) les classes de vêtement similaires et les rassembler en une seule classe. Cette opération est effectuée afin d’éviter des confusions entre les classes lors de la reconnaissance des individus. La deuxième opération est un « apprentissage en ligne ». Cette dernière permet au système, lors de la phase de reconnaissance, de reconnaitre que l’individu présent dans la scène correspond à une « nouveauté » (c'est-à-dire que cet individu n’a pas été appris), puis de l’incorporer dans la base d’apprentissage. We present in this thesis an appearance-based person recognition approach. The goal is to provide a processing bloc that can be integrated to a global surveillance system for behaviour analysis. Contrary to biometric recognition methods as face recognition or gait recognition, our goal here is to distinguish between people using their “appearance model”, instead of associating one label to each individual. Besides, contrary to the existing methods, the “appearance model” we construct comes from the separated modelling of the upper and lower body parts of each individual to recognize. So, we developed a classification strategy (based on one-class SVM technique) that allows to carry out two operations. We call the first operation “classes fusion” and which consists in detecting upstream (i.e. during the learning phase) the similar clothes classes and in gathering them into one class. This procedure is used to avoid confusions between classes during the recognition phase. The second operation consists in an “on line learning” which allows the system, during the recognition phase, to recognize that the individual present in the scene is “new” (i.e. who has not been learnt), and to add him to the learning base. Electronic Thesis or Dissertation Text fr PDF 3881608 https://pepite-depot.univ-lille.fr/LIBRE/EDSPI/2011/50376-2011-Hamoudi.pdf https://theses.fr/2011LIL10103/abes Hamoudi Lyes Hamoudi 1982-07-06 FR 160634415 https://theses.fr/2011LIL10103 2011LIL10103 https://doi.org/10.70675/91ed7bc1z7112z4343za4dbzc94eeec2d81a 2011-06-07 Automatique, Génie Informatique, Traitement du Signal et des Images Lille 1 026404184 Doctorat Docteur es non oui Lecœuche Stéphane MADS_DIRECTEUR_DE_THESE_1 104559144 Boonaert Jacques MADS_DIRECTEUR_DE_THESE_2 133748340 École doctorale Sciences pour l'ingénieur (Lille ; 1992-2021) MADS_ECOLE_DOCTORALE_1 147297028 École nationale supérieure des techniques industrielles et des mines (Douai, Nord ; 1878-2016) MADS_PARTENAIRE_DE_RECHERCHE_1 030937809 École nationale supérieure des techniques industrielles et des mines (Douai, Nord). Département Informatique et Automatique (2005-2016) MADS_PARTENAIRE_DE_RECHERCHE_2 165837896 ddc:004 Lecoeuche Stéphane Boonaert Jacques École doctorale Sciences pour l'Ingénieur (Lille) École nationale supérieure des techniques industrielles et des mines de Douai Informatique et automatique. École des mines de Douai ASCII PDF 3881608