Nous avons pr´esent´e trois exemples de calcul de d´etection du mouvement sur syst`eme de vision `a base de r´etine num´erique, tenant compte de la quantit´e limit´ee de m´emoire disponible ainsi que des contraintes du calcul cellulaire.
La Figure 3.19 illustre la comparaison entre les trois algorithmes pr´esent´es et port´es sur le syst`eme r´etinien durant notre travail de th`ese. L’int´erˆet de cette figure est de souligner les diff´erences entre la pente unitaire de la moyenne Σ-∆ (Figure 3.19(2)) et la d´ecroissance exponentielle de la moyenne r´ecursive (Figure 3.19(1)). On remarque que la moyenne Σ-∆ est ainsi moins sujette aux bruits du fait de prise en compte plus progessif des changements du signal. Les erosion et dilatation morphologique oublieuse collent plus au signal et ont donc au contraire du filtre pr´ec´edent un comportement tr`es adaptatif.
La Figure 3.19(3) montre les r´esultats de la m´ethode employant les filtres morpholo- giques oublieux pour un pixel particulier correspondant `a une zone de passage d’un objet en mouvement.
La premi`ere m´ethode pr´esent´ee, bas´ee sur le calcul d’une moyenne r´ecursive, est peu coˆuteuse en temps de calcul et en ressources m´emoire. Elle est aussi moins adaptative aux conditions de la sc`ene, moins pr´ecise en terme de localisation, et plus sujette aux ph´enom`enes de fantˆome.
La seconde est une m´ethode statistique bas´ee sur l’estimation Σ-∆. Elle est plus adap- tative localement et temporellement. La localisation est plus pr´ecise mais elle est plus sensible aux modifications brutales du fond. Un syst`eme de filtrage spatio-temporelle bas´e sur des reconstructions g´eod´esiques permet d’am´eliorer les r´esultats de la d´etection.
La derni`ere m´ethode est une am´elioration des techniques r´ecursives bas´ee sur des filtres hybrides. Les op´erateurs de morphologie oublieux offrent une plus grande capacit´e de d´etection mais sont moins pr´ecis dans la localisation des objets d´etect´es.
La Table 3.15 pr´esente un comparatif des trois algorithmes pr´esent´es en terme de consommation de m´emoire (nombre de registres) et vitesse de calcul (nombre d’instruc- tions `a ex´ecuter) sur la r´etine num´erique.
Nous avons ensuite propos´e quelques enrichissements en partant des constatations sou- lign´ees lors de l’´etude des algorithmes. Ces am´eliorations ont ´et´e apport´ees sur architecture classique et des r´esultats d´etaill´es ont ´et´e pr´esent´es.
0 50 100 150 200 250 300 100 120 140 160 180 200 Signal Difference Moyenne Recursive (1) 0 50 100 150 200 250 300 100 120 140 160 180 200 Signal Difference Moyenne Sigma-Delta (2) 0 50 100 150 200 250 300 100 120 140 160 180 200 Signal Difference Erosion Morphologique Oublieuse Dilatation Morphologique Oublieuse
(3)
Fig.3.19 – Comparaison des trois algorithmes de d´etection du mouvement pr´esent´es pour un pixel appartenant `a une zone en mouvement (passage d’un objet mobile). (1) Moyenne r´ecursive. La courbe rouge correspond `a la s´equence originale, la courbe pointill´ee bleue au fond et la courbe en tiret vert `a la diff´erence au fond (2) Estimation Σ-∆. La courbe rouge correspond `a la s´equence originale, la courbe pointill´ee bleue `a la moyenne Σ-∆ et la courbe en tiret vert `a la diff´erence `a la moyenne (3) Op´erateur morphologique oublieux. La courbe rouge correspond `a la s´equence originale, la courbe violette au maximum oublieux, la courbe pointill´ee bleue au minimum oublieux et la courbe en tiret vert au gradient morphologique oublieux.
ALGORITHME Acquisition INS 262 REG 9 MOYREC MORPHO Σ-∆ INS 122 328 235 REG 18 36 28 SEUIL GLOBAL INS 8 REG 9 FILTRAGE SPATIAL INS 66 REG 5 TOTAL MOYREC MORPHO Σ-∆ INS 156 402 309 REG 23 41 32
Tab. 3.15 – Tableau comparatif des trois algorithmes (MOYREC pour moyenne r´ecursive, MORPHO pour gradient temporel morphologique oublieux et Σ-∆ pour la moyenne Σ-∆) pr´esent´es en terme de temps de calcul (nombre d’instructions (INS)) et d’utilisation de l’espace m´emoire (nombre de registres utilis´es (REG)). Le temps me- sur´e n´ecessaire pour l’acquisition est de 1,5 ms. Pour une r´etine num´erique cadenc´ee `a 10 Mhz (fr´equence d’instructions), le temps de calcul par trame n´ecessaire pour toute la d´etection est inf´erieur `a 0,4 ms pour la moyenne r´ecursive, de 1 ms pour le gradient temporel morphologique oublieux et de 0,75 ms pour la moyenne Σ-∆ .
Il semble que le meilleur compromis entre adaptativit´e et pr´ecision de la d´etection est d’utiliser plusieurs m´ethodes conjointement ou parall`element. C’est ce que nous avons montr´e avec le filtrage utilis´e pour les filtres morphologiques oublieux, qui fournit une plus grande robustesse `a l’algorithme.
Nous pouvons aussi envisager une sorte d’apprentissage `a diff´erents termes (seconde, heure, journ´ee, . . . ) des caract´eristiques de la sc`ene en utilisant des moyennes `a diff´erentes fenˆetres temporelles construite par d´ecimation de la moyenne r´ecursive (par exemple).
Les deux chapitres suivants introduisent les primitives de calcul spatiales et temporelles n´ecessaires `a la mise en œuvre d’un syst`eme d’estimation du mouvement puis pr´esentent les diff´erentes m´ethodes envisag´ees sur le syst`eme r´etinien. En particulier, le chapitre suivant introduit diverses structures (points d’int´erˆet, squelette, . . . ) qui sont `a la base du suivi d’objets mobiles. Ce chapitre nous permet d’effectuer les transitions entre d´etection et estimation du mouvement, entre l’utilisation de cam´era fixe et de cam´era mobile et donc entre la t´el´esurveillance et la robotique.
Chapitre 4
Points dominants morphologiques
4.1
Introduction
Ce chapitre traite du calcul de primitives qui permettent l’estimation du mouvement, plus particuli`erement dans le cadre du suivi d’objets mobiles. Il existe de nombreuses primitives adapt´ees `a ce type de calcul : les primitives 2D (contours, traits, coins, jonc- tions, . . . ) ou les primitives 3D (surfaces, crˆetes, . . . ). Nous ne nous sommes int´eress´es lors de nos recherches qu’aux primitives 2D et plus particuli`erement aux points domi- nants dans l’optique d’effectuer une poursuite de ces points sur plusieurs trames (images) cons´ecutives.
Nous pr´esentons tout d’abord le contexte qui nous a pouss´e `a ´etudier les structures saillantes spatiales puis nous expliquons les liens existants entre ces structures et les sque- lettes. Nous effectuons ensuite un bref ´etat de l’art des m´ethodes de calcul de squelettes binaires, en d´etaillant particuli`erement les techniques qui ont fait l’objet d’un portage sur la r´etine. Nous proposons alors une pr´esentation des principales techniques de calcul de points d’int´erˆets. Enfin, nous pr´esentons un algorithme de calcul de points dominants sur circuit r´etinien bas´e sur l’utilisation des squelettes morphologiques.