Afin de valider notre framework, nous allons pr´esenter un des sc´enarios que nous avons mis en place afin d’illustrer les fonctionnalit´es et la faisabilit´e de notre pro- position. Voici la description de notre sc´enario. Nous avons simul´e un syst`eme de vid´eosurveillance qui est compos´e de cinq cam´eras fixes et deux cam´eras mobiles dis- pos´ees Route de Narbonne `a Toulouse. Dans nos exp´erimentations nous nous sommes servis de plusieurs dispositifs mobiles comme des smartphones : un Samsung Galaxy S4, un Samsung Galaxy S5, un Motorola RAZR i XT890 et une tablette Asus Fone- Pad 7. En utilisant ces dispositifs nous avons collect´e 10 vid´eos (avec la cam´era dans une position fixe ou en mouvement) d’une dur´ee totale approximative d’une heure et demie. L’enregistrement de ces vid´eos `a ´et´e fait soit avec les cam´eras en position fixe (dans une disposition montr´ee par la Figure 5.10) soit en mobilit´e (enregistrements effectu´es avec deux cam´eras situ´ees `a l’int´erieur des bus pour simuler les cam´eras de vid´eosurveillance embarqu´ees).
Les cam´eras fixes ont la disposition g´eographique illustr´ee dans la figure 5.9. Des captures d’´ecran des sc`enes film´ees par les cinq cam´eras sont illustr´es dans la Figure 5.10. Les cam´eras C1 et C2 changent de champ de vue chaque heure et elles sont en train de surveiller deux aires diff´erentes : la cam´era C2 surveille le passage pi´etons (image C2a de la Figure 5.10) et l’entr´ee dans une r´esidence (image C2b de la Figure 5.10) et la cam´era C1 surveille la Route de Narbonne au niveau de l’entr´ee dans la grande station de bus Paul Sabatier (image C1a de la Figure 5.10) et une petite entr´ee dans le campus qui donne sur la rue (image C1b de la Figure 5.10). La Figure 5.8 montre le changement des champs de vue des cam´eras C1 et C2, la premi`ere partie de la figure repr´esente les champs de vue avant et la deuxi`eme ceux d’apr`es le changement de l’orientation des cam´eras. Le changement des caract´eristiques (posi- tion, orientation, acc´el´erom`etre) des cam´eras (fixes et mobiles) est enregistr´e par les applications mentionn´ees dans la section 5.2.1.
Le sc´enario est le suivant : une victime simul´ee prend un repas dans un restaurant (Subway) sur la Route de Narbonne `a Toulouse le dimanche, 29 septembre, vers 18 :45. Elle sort du restaurant et marche vers la station de m´etro Paul Sabatier. La, elle se rend compte que son portefeuille a disparu. La requˆete soumise `a notre syst`eme dans ce cas la est illustr´ee dans la Figure 5.9 et est repr´esent´e par le segment
(a) (b)
noir et l’intervalle de temps [28-9-2014 18 :50 :00, 28-9-2014 19 :15 :00] (par d´efaut dans l’interface de l’application toutes les vid´eos de la base sont affich´ees).
Suite `a la premi`ere ´etape de filtrage, la cam´era C5 est ´elimin´ee car sa distance par rapport au segment de la requˆete d´epasse la distance de visibilit´e maximale des cam´eras de la base de donn´ees. Dans notre exp´erimentation, nous avons fix´e la distance de visibilit´e des cam´eras `a 200m car nous avons film´e en ville dans une zone avec beaucoup de constructions et dans un tel contexte, une cam´era ne peut ”voir” tr`es loin. Pour les autres cam´eras, les intersections des g´eom´etries des champs de vues et de la trajectoire pour l’intervalle de temps donn´e, selon l’algorithme pr´esent´e dans la section 4.5 du chapitre pr´ec´edent sont ´evalu´ees. Bien que la cam´era C4 a une distance de visibilit´e maximale permettant de filmer la trajectoire, son champ de vue n’intersecte jamais la trajectoire requˆete donc elle n’apparaitra pas dans le r´esultat. Le champ de vue de la cam´era C3 intersecte sur toute la p´eriode de la requˆete la trajectoire donc le tuple (C3, [18 :50,19 :15]) fera partie du r´esultat. Le champ de vue de la cam´era C2 intersecte la trajectoire `a partir de 19h donc le tuple (C2, [19 :00,19 :15]) sera renvoy´e. Par contre, la cam´era C1 ”voit” la trajectoire avant 19h, du coup le tuple (C1, [18 :50,19 :00]) fera partie de la liste des r´esultats. La liste des r´esultat est ordonn´ee en fonction de la distance des cam´eras de la liste par rapport au point de d´epart (dans notre exemple le point de d´epart est le restaurant Subway donc la cam´era C3 est la plus proche).
Le premier ´el´ement de la liste des r´esultats est (C3, [18 :50,19 :15]). En regardant la vid´eo correspondante, on observe que `a partir de 18 :57 la victime marche et un homme habill´e en bleu marche derri`ere elle (quelques cadres de cette vid´eo sont montr´es dans la Figure 5.11).
En passant au deuxi`eme r´esultat retourn´e (C2, [19 :00,19 :15]), `a partir de la minute 19 :01 les deux personnes apparaissent dans les images. La Figure 5.12 montre les cadres les plus importants issues des enregistrements de cette cam´era, le moment de l’apparition des personnages dans la sc`ene film´ee, le moment o`u le vol se produit (on peut voir dans les images le moment ou le suspect habill´e en bleu commet l’infraction) et le moment o`u la victime et l’agresseur partent vers la droite donc vers les station de bus et de m´etro Paul Sabatier. ´Etant donn´e que le dernier r´esultat retourn´e (C1, [18 :50,19 :00]) concerne un intervalle de temps qui se passe avant les faits que nous venons de regarder sur les autres deux cam´eras, cette cam´era ne contient pas d’images pertinentes.
Par la suite, une deuxi`eme requˆete sera soumise qui visera le segment de rue entre le passage pi´etons et la station de m´etro Paul Sabatier et l’intervalle horaire [19 :02,
Figure 5.9 – Disposition de notre r´eseau de cam´eras
19 :32] afin de rechercher des cam´eras mobiles qui ont possiblement film´e l’agresseur dont les caract´eristiques sont maintenant connues et qui pourront donc fournir des images claires qui permettront l’identification de la personne en cause. L’algorithme de recherche des cam´eras mobiles est ensuite ex´ecut´e. Cet algorithme est pr´esent´e dans la section 4.5.2 du Chapitre 4 et il impl´emente l’op´erateur d´ecrit dans la section 4.4.2. Cet op´erateur s´electionne les objets mobiles dont la trajectoire a intersect´e la trajectoire de la requˆete dans l’intervalle de temps donn´e et donne comme r´esultat `
a l’utilisateur les identifiants des cam´eras associ´ees aux objets s´electionn´es, car elles sont susceptibles d’avoir film´e la trajectoire requˆete dans l’intervalle de temps vis´e. Nous avons utilis´e comme collection d’objets mobiles les donn´ees li´ees aux trajets des bus de Toulouse. En cons´equence le r´esultat de notre requˆete va ˆetre la liste des identifiant des bus qui sont pass´es par le segment de rue de la requˆete dans l’intervalle [19 :02, 19 :32].
Les identifiants des bus donn´es comme r´esultat sont : 4503603927976693 (qui correspond au bus num´ero 2 qui passe `a 19 :30 par la station Paul Sabatier), 4503603927986760 (qui correspond au bus num´ero 34 qui passe `a 19 :30 par la station Paul Sabatier) et 4503603927985747 (qui correspond au bus num´ero 78 qui passe `a 19 :30 par la station Paul Sabatier). La raison pour laquelle nous avons une liste assez ”simple” de r´esultats est que le jour choisi pour l’exp´erimentation (28/09/2014) est
Figure 5.11 – Des cadres vid´eo film´es par la cam´era C3
un dimanche et les bus de Toulouse ont des horaires beaucoup moins denses (3 sur 7 bus qui circulent par la station Paul Sabatier ne passent pas le dimanche).
Nous avons deux cam´eras install´ees dans le bus num´ero 2 : une devant (voir la Figure 5.14) et une sur le cˆot´e (voir la Figure 5.13). En regardant les enregistrements vid´eos issus de ces deux cam´eras dans l’intervalle de la requˆete (l’intervalle retourn´e est tout l’intervalle de la requˆete car Paul Sabatier est station de d´epart pour la ligne 2 du coup il n’y a pas de position pr´ec´edant celle-ci dans les trajectoires du bus) on observe que les deux ont film´e le suspect et que seulement les images film´ees par la cam´era de devant peuvent permettre l’identification de la personne.