RAPPORT de Stage d’Immersion en Entreprise

.

.

.

.

.

.

.

.

. . .

.

.

.

.

.

.

.

.

.

.

.

.

. . .

.

.

.

.

.

.

. . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. . .

.

.

.

.

.

.

7

8

8

8

8

8

9

9

11

11

12

12

12

13

13

13

13

15

16

16

16

16

17

3 Spécification des besoins

3.1 Spécification générale . . . .

3.2 Spécification fonctionnelle .

.

.

3.2.1 Besoins fonctionnels .

.

.

.

.

.

.

3.2.2 Besoins non fonctionnels .

3.3 Spécification . . . . . . . . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3.3.1 Diagramme de flot de données (DFD) .

3.3.1.1 Diagramme de contexte .

3.3.1.2

Raffinement successif .

3.4 Les solutions retenues

. .

.

.

.

.

3.4.1 Détection de mouvement

3.4.2 Extraction de l’ombre

3.5 Conclusion . . . . . . . . . .

.

4 Conception

Introduction . . . . . . . . . . . .

4.1 Outil de conception

. . . .

.

.

.

.

.

.

.

.

.

.

4.2 Diagramme de transition d’état .

4.3 Conclusion . . . . . . . . . .

.

.

.

5 Réalisation

Introduction . . . . . . . . . . . .

5.1 Environnement de travail

.

.

.

.

.

.

.

5.1.1 Environnement matériel .

5.1.2 Environnement logiciel

5.1.2.1 Choix du C .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5.1.2.2 Choix d’OpenCV .

5.1.3

logiciels

. . . . . . .

5.2 Exemples de réalisation . .

5.2.1

Interface de choix

.

.

.

.

.

.

.

5.2.2

affichage quadrimage .

5.2.3

test au niveau d’un point

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5.2.4

test sur une zone de l’image .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. . .

.

.

.

.

.

.

.

.

.

. . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

. . .

. . .

.

.

.

18

18

19

19

19

20

20

20

21

21

21

22

22

23

23

23

24

24

26

26

26

26

27

27

27

28

28

28

29

31

33

4

5.3 Conclusion . . . . . . . . . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

34

6 Tests

Introduction . . . . . . . . . . . .

6.1 Test de performance

. . . .

6.2 Résultat . . . . . . . . . . . .

6.3 Conclusion . . . . . . . . . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

Conclusion

Bibliographie

A Annexe A

B Annexe B

35

35

35

36

36

37

38

39

43

5

Table des figures

2.1

représentation de l’image sous forme d’une matrice de pixels

3.1 Diagramme de contexte . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

3.2 Description de l’intérieur du diagramme de contexte .

4.1 Diagramme de transition d’état .

5.1

Interface de choix . . . . . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5.2 quadrimage dans le cas absence de mouvement

5.3 quadrimage cas de mouvement .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5.4 Test de mouvement en un point cas absence de mouvement.

5.5 présence de l’ombre . . . . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5.6 Test de mouvement en un point cas de présence de mouvement .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5.7

test de mouvement sur une zone de l’image cas de l’absence de mouvement

et d’ombre . . . . . . . . . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5.8

test de mouvement sur une zone de l’image cas d’un mouvement .

6.1 Calcul de temps . . . . . . .

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

14

20

21

24

29

29

30

31

32

32

33

34

35

6

Introduction Générale

Introduction

DA ns les dernières deux décennies nous avons assisté à un rapide accroissement de la

disponibilité d’informations audio-visuelles dans différents domaines. Suite à cette

diffusion, nous avons enregistré un considérable intérêt de la part de la communauté scien-

tifique dans l’approfondissement des techniques de vision artificielle.

Un des domaines dans lesquels la recherche scientifique s’est particulièrement investie,

a été celui de l’analyse vidéo, en temps réel, pour la détection d’évènement d’intérêt présent

dans la scène contrôlée par la caméra.

L’analyse d’objets dans une séquence vidéo est appliquée à différents domaines appli-

catifs, le plus important étant les systèmes de vidéosurveillance. Les systèmes de vidéo-

surveillance sont employés dans les aéroports, gares, etc. où des caméras sont installées

pour le contrôle de quais, aires, clients, etc. La prise en charge de ces détections par des

systèmes autonomes devient de plus en plus nécessaires devant l’accroissement significatif

du nombre de lieux à contrôler et l’importance également croissante de problèmes de sûreté

publique. En effet l’enjeu d’un tel système réside dans la capacité à reconnaître des attitudes

et interpréter des scénarios.

De nombreuses méthodes ont alors vu le jour et des progrès majeurs ont été réalisés, en

vision, en analyse ou en traitement d’image.

Parallèlement à ces avancées technologiques, la lumière qui est la source de ce que nous

percevons dans les images reste fondamentale pour des très nombreuses applications. Beau-

coup de méthodes d’analyse ou de traitement d’images restent en effet tributaires de la

façon dont la lumière illumine une scène. Par exemple l’étude des ombres. C’est dans ce

cadre que s’inscrit notre stage d’été réalisé au sein de la société WAYCON. En effet il s’agit

de mettre en place un outil de suppression des ombres dans une scène vidéo.

7

Dans le présent document, nous commencerons par introduire le contexte général du

projet, à savoir le cadre de celui-ci ainsi que l’organisme d’accueil. Ensuite, nous intro-

duirons les notions théoriques liées à l’analyse d’ombre. Puis, nous entamerons les étapes

d’analyse et de conception du projet. Enfin, nous présenterons quelques exemples d’exécu-

tion de notre algorithme par la présentation de quelques imprimes écrans dans la phase de

réalisation.

0.1 Présentation de l’organisme d’accueil

0.1.1 Mission et domaines d’activités

Waycon est une société de développement et d’intégration de systèmes de sécurité et de

gestion informatique. Les solutions proposées sont de type Hardware et Software (Logiciel

et Matériel).

0.1.2 L’équipe Alquasar

Il est formé d’un groupe ingénieurs dont les domaines de développement :

– Contrôle d’accès

– Gestion de temps

– Applications de sécurité

Les technologies de travail :C++, Java, J2EE, OSGI, Spring, Etc.

0.2 Présentation du sujet

Ce projet intitulé " Suppression d’ombres dans une scène vidéo " consiste en la concep-

tion et la réalisation d’un algorithme permettant d’analyser la séquence d’images prise par

une caméra, détecter les régions de mouvement, extraire l’ombre et la supprimer.

0.3 Conclusion

Au cours de ce chapitre, nous avons présenté le cadre général du projet en présentant

l’organisme d’acceuil, ainsi qu’une brève description du sujet. Le chapitre suivant va décrire

les cas existants et les méthodes disponibles dans le contexte de notre projet.

8

Chapitre 1

Etude de l’existant

Introduction

DANS ce chapitre nous allons présenter les différentes méthodes de détection de mou-

vement et d’analyse d’ombre qui existent.

1.1 Détection de mouvement

La détection d’objets en mouvement, réalisée immédiatement après l’acquisition d’une

image est une étape cruciale pour les systèmes de vidéosurveillance. Elle consiste à identi-

fier les zones de mouvement dans l’image, rendant alors possible un raffinement de l’espace

de recherche pour les opérations ultérieures. En effet, un gain de performance considérable

peut être réalisé lorsque des zones sans intérêt sont éliminées avant les phases d’analyses.

Cette amélioration dépend cependant de la complexité des algorithmes de détection et de

reconnaissance utilisés. Nous pouvons classer les méthodes de détection de mouvements

en trois catégories :

• La technique de l’image de fond ou encore la soustraction de l’arrière-plan (SAP) :

C’est la méthode la plus fréquemment employée. Elle permet de distinguer des objets

mobiles par différence à ce fond. Elle est une des méthodes les plus utilisées probable-

ment grâce à sa simplicité théorique ainsi qu’à sa faible complexité algorithmique. Le

principe fondamental repose sur une estimation statistique de la scène observée per-

mettant de connaitre une image de référence. Le mouvement est détecté en comparant

une image test avec le modèle d’arrière-plan calculé auparavant. Le modèle statistique

9

calculé lors de la phase d’initialisation est constamment mis à jour au cours de la sé-

quence, lui permettant ainsi de s’adapter aux changements qui peuvent se produire

dans la scène observée.

• La technique du flot optique : Elle permet la mise en oeuvre d’une analyse globale du

mouvement à l’aide d’une équation (Horn et Schunk, 1981) reliant la variation d’in-

tensité lumineuse en un point avec la vitesse de déplacement de ce point. Cette tech-

nique procure une information de mouvement pour chaque pixel de l’image. Ainsi il

mesure les vecteurs de déplacement à partir de l’intensité des pixels de deux images

consécutives ou temporellement rapprochées. Dans un contexte de détection de mou-

vement, les pixels inactifs possèderont une vélocité nulle contrairement à des pixels

appartenant à des objets dynamiques. Une classification sous forme de regroupement

est donc nécessaire afin d’isoler et de localiser les zones représentant du mouvement.

Cette technique est utilisée en météo (analyse et mesure des mouvements des nuages,

des cyclones), et en aide à la conduite de véhicules (détection et analyse des objets

mobiles devant le véhicule : autres voitures, piétons). L’inconvénient majeur de cette

méthode est la somme importante de calculs à réaliser pour l’estimation du mouve-

ment.

• La technique de différences d’images successives : Elle consiste à soustraire une

image acquise au temps tn d’une autre au temps tn+1. Ainsi l’image résultante sera

vide si aucun mouvement ne s’est produit pendant l’intervalle de temps observé car

l’intensité et la couleur des pixels seront presque identiques. Par contre, si un mou-

vement a lieu dans le champ de vue, les pixels frontières des objets en déplacement

devraient changer drastiquement de valeurs, révélant alors la présence d’activité dans

la scène. On seuille en général les écarts constatés par une constante placée très au

dessus de la valeur moyenne du bruit, ce qui permet de comparer des différences plus

certaines entre les deux images. De plus l’opération de soustraction d’images requiert

très peu de puissance de calcul, lui conférant un avantage supplémentaire.

[2][4]

ces trois méthodes sont basées sur la détection de mouvement suite à l’acquisition de l’image.

10

1.2 Analyse de l’ombre

Plusieurs courants de recherche se sont intéressés à la détection, au traitement ou à

l’analyse des ombres dans les images. Il peut s’agir de supprimer les ombres de manière

à faciliter une phase ultérieure d’analyse ou bien pour éviter les problèmes qui peuvent être

causés par la présence des ombres dans une scène. En effet, d’une part, les ombres peuvent

poser des problèmes pour les algorithmes qui viser à dépister ou identifier des objets dans

la scène. D’autre part, l’ombre peut être classé comme un objet totalement incorrect dans la

scène. Beaucoup de techniques sont alors mis en évidence pour identifier des objets et sont

basées sur l’information de mouvement, à savoir segmentation de mouvement et détec-

tion de mouvement. Puisque les ombres produisent des changements temporels, la détec-

tion d’un objet mobile peut inclure la détection de son ombre ou une partie de son ombre.

En vidéosurveillance, plusieurs méthodes récentes de détection des ombres ont alors été

proposées. Les hypothèses plus fortes présentées dans ces cas spécifiques permettent des

meilleurs résultats que dans un cas général. La caméra est en effet supposée fixe et le fond

statique. Le principe de base est identique pour toutes ces méthodes, une image de réfé-

rence ne contenant aucun objet mobile est calculée au préalable. Elle permet une détection

beaucoup plus facile des objets en mouvement et des ombres dans l’image. La difficulté

consiste à séparer les modifications dues à la présence d’un objet à celles occasionnées par

un changement photométrique local comme une ombre portée ou une réflexion spéculaire.

En résumé toutes ces méthodes présentent trois étapes importantes :

– Création de l’image de référence

– Extraction des modifications par rapport à l’image de référence

– Identification des ombres

[1]

1.3 Conclusion

Au cours de ce chapitre nous avons présenté les cas existants pour la détection de mou-

vement et l’analyse des ombres. le chapitre suivant intitulé état de l’art sera consacré à

présenter l’étude théorique que nous avons effectuée pour la réalisation de notre projet.

11

Chapitre 2

Etat de l’art

Introduction

DANS ce chapitre nous allons définir la sécurité électronique en particulier la vidéosur-

veillance, la caméra IP et les notions utiles pour le traitement d’un flux vidéo. Dans

le même contexte, ce chapitre décrit la détection de mouvement et l’analyse des ombres.

2.1 Sécurité électronique

La sécurité électronique est le domaine de contrôle et de surveillance électronique au

travail et dans les lieux publics : parkings, quais de gare, aéroports, jardins publics, musées,

banques, petits commerces, grands magasins, etc.En outre, depuis l’apparition des premiers

systèmes dans les banques et commerces de luxe rien ne semble enrayer la prolifération des

systèmes de caméras de vidéosurveillance en circuit fermé dans lieux publics et privés ou-

verts au public. Aujourd’hui il existerait plus de un million de ces systèmes et prés de 150

000 installations dans des lieux publics, l’homme de la rue ne peut plus éviter la vidéosur-

veillance qui tend à s’installer dans la ville autant que dans les moeurs.[6]

2.2 Vidéosurveillance

La vidéosurveillance désigne les systèmes techniques permettant d’assurer la surveillance

à distance dans un lieu public ou privé : des bâtiments, des biens et des personnes au moyen

de caméras vidéo. En outre, elle consiste à placer des caméras de surveillance pour visua-

12

liser et/ou enregistrer en un endroit centralisé tout le flux de personnes au sein d’un lieu

ouvert au public pour surveiller les allées et venues. Elle comporte quatre phases : détection

de l’incident, transmission, réception et traitement de l’information. Les causes de l’instal-

lation de systèmes de vidéosurveillance sont diverses, toutefois la sécurité publique ainsi

que la protection des biens mobiliers ou immobiliers font office d’éléments phares dans la

justification de la vidéosurveillance.[6]

2.3 Caméra IP

C’est une caméra analogique avec une carte réseau et un codage vidéo du bmp vers le

jpeg.

– certaines caméras codent en MPEG4.

– Certaines caméras sont configurables à partir d’un serveur web.

– certaines caméras font la contrôle de position en ptz.

– certaines caméras font la détection de mouvement.

2.4 Traitement d’images vidéo

2.4.1 Une séquence vidéo

Une séquence vidéo est un ensemble d’images successives dont chacune est associée à

un délai. chaque image décrit un ensemble de pixels qui le constitu. La séquence vidéo peut

décrire optionnellement l’information auditive associée.

2.4.1.1 Image

1. Notion de pixel : Une image est constituée d’un ensemble de points appelés pixels

(pixel est une abréviation de PICture ELement) Le pixel représente ainsi le plus pe-

tit élément constitutif d’une image numérique. L’ensemble de ces pixels est contenu

dans un tableau à deux dimensions constituant l’image. La figure suivante illustre la

représentation de l’image sous forme d’une matrice : Etant donné que l’écran effectue

un balayage de gauche à droite ou de haut en bas, on désigne généralement par les

coordonnées [0,0] le pixel situé en haut à gauche de l’image, cela signifie que les axes

de l’image sont orientés de la façon suivante :

13

FIG. 2.1 – représentation de l’image sous forme d’une matrice de pixels

– L’axe X est orienté de gauche à droite.

– L’axe Y est orienté de haut en bas.

Plus il y’a de pixels, plus riche est l’information produite. Chaque pixel est en général

représenté par une ou quelques valeurs entières qui codent son intensité (en noir et

blanc et en caméra Thermique/infrarouge) et, dans le cas de la couleur, sa chromaticité

et sa saturation.

2. Représentation de la couleur : Une image est représentée par un tableau à deux di-

mensions dont chaque case contient une valeur. La valeur stockée dans une case est

codée sur un pixel. La valeur stockée dans une case est codée sur un certain nombre de

bits déterminant la couleur ou l’intensité du pixel, on l’appelle profondeur de codage

(parfois profondeur de couleur). Afin de pouvoir manipuler correctement des cou-

leurs et échanger des informations colorimétriques il est nécessaire de disposer d’un

moyen de choisir une couleur parmi toutes celles utilisables. Or, la gamme de cou-

leurs possibles est très vaste et la chaîne de traitement de l’image passe par différents

périphériques. Il est donc nécessaire de pouvoir représenter de façon fiable la couleur

afin de s’assurer de la cohérence entre ces différents périphériques. On appelle ainsi

"espace de couleurs" la représentation mathématique d’un ensemble de couleurs. Il en

existe plusieurs, parmi lesquels les plus connus sont :

• Le codage RGB (Rouge, Vert, Bleu, en anglais RGB, Red, Green, Blue)

Mis au point en 1931 par la Commission Internationale d’Eclairage (CIE) consiste à

représenter l’espace des couleurs à partir de trois rayonnements monochromatiques

de couleurs :

– Rouge (de longueur d’onde égale à 700,0 nm)

– Vert (de longueur d’onde égale à 546,1 nm)

– Bleu (de longueur d’onde égale à 435,8 nm)

Cet espace de couleur correspond à la façon dont les couleurs sont généralement co-

dées informatiquement, ou plus exactement à la manière dont les tubes cathodiques

14

des écrans d’ordinateurs représentent les couleurs. Ainsi, le modèle RGB propose de

coder sur un octet chaque composant de couleur, ce qui correspond à 256 intensités de

rouge (28), 256 intensités de vert et 256 intensités de bleu, soient 16777216 possibilités

théoriques de couleurs différentes, c’est-à-dire plus que ne peut en discerner l’oeil hu-

main (environ 2 millions). Toutefois, cette valeur n’est que théorique car elle dépend

fortement du matériel d’affichage utilisé.

• Le codage HSL (Hue, Saturation, Luminance, en français TSL, Teinte,Saturation,

Luminance) Le modèle HSL est un modèle de représentation dit "naturel", c’est-à-

dire proche de la perception physiologique de la couleur par l’oeil humain. Le modèle

HSL consiste à décomposer la couleur selon des critères physiologiques :

– La teinte (en anglais Hue), correspondant à la perception de la couleur (T-shirt

mauve ou orange)

– La saturation, décrivant la pureté de la couleur, c’est-à-dire son caractère vif ou

terne (T-shirt neuf ou délavé)

– La luminance, indiquant la quantité de lumière de la couleur, c’est-à-dire son aspect

clair ou sombre (T-shirt au soleil ou à l’ombre).

[7]

2.5 Détection de mouvement

Notre algorithme consiste à ajouter une étape entre l’acquisition vidéo et la détection de

mouvement. contrairement aux systèmes qui détectent le mouvement suite à l’acquisition

de l’image. Pour celà nous avons opté deux méthodes :

– méthode1 : Elle consiste à calculer d’abord les images de différence calculées à partir

des trois images successives. ensuite calculer la norme des images de différence et la

comparer à un seuil définit au début pour tester l’existence de mouvement ou non.

– méthode2 : Elle consiste à utiliser l’image arrière plan et l’image courante et à calculer

la différence entre eux.

15

2.6 Analyse de l’ombre

2.6.1 Définition

Une ombre se définit comme l’obscurité que cause un corps opaque en interceptant la

lumière. Elle est une conséquence particulière de l’illumination dans une scène. Les ombres

font partie intégrante de notre environnement et sont présents dans beaucoup de scènes

naturelles, dès qu’une source de lumière est prédominante par rapport à la lumière am-

biante. Les ombres sont naturellement présentes dans la très grande majorité des scènes,

mais comme elles sont mal maîtrisées, tant au point de vue de leur rendu dans la scène

qu’au niveau de leur traitement ultérieur, elles sont souvent considérées comme des élé-

ments perturbateurs lors des prises de vues.[3] Dans le cadre des méthodes automatiques

de traitement ou d’analyse d’images, la difficulté majeure consiste à différencier les objets

et les ombres. Beaucoup de méthodes de détection ou d’analyse des ombres existent aujour-

d’hui. Tout d’abord il est nécessaire de définir et de modéliser les ombres.

2.6.2 Modélisation des ombres

Les ombres se classent en trois catégories bien distinctes :

– Les ombres propres : Sont les parties des objets non éclairées par une source lumi-

neuse

– Les ombres portées sur une surface : sont le résultat de l’obstruction de la lumière

par un objet

– La pénombre : se situe à la périphérie des ombres portées quand un point n’est éclairé

que par une partie de la source lumineuse. Elle constitue la transition entre une zone

éclairée et une ombre.

[3]

2.6.3 Suppression des ombres

La suppression d’ombres est la phase qui vient aprés le calcul des images de différences

qui permet de filtrer les zones de mouvement en ne laissant que les objets réels en mouve-

ment et ceci pour permettre une bonne détection d’objets.

16

2.7 Conclusion

Dans ce chapitre nous allons nous focaliser sur la présentation des différentes méthodes

de détection de mouvement et des différentes méthodes d’analyse ou de détection des

ombres. Ces présentations générales vont axer notre spécification ainsi que la conception

de notre projet.

17

Chapitre 3

Spécification des besoins

Introduction

L’ÉTape de spécification constitue la base de départ de notre travail. Pour assurer ces

objectifs, il est essentiel que nous parvenions à une vue claire des différents besoins

escomptés de notre travail. Pour cela, nous commencerons, dans ce chapitre, par une ana-

lyse approfondie du problème permettant de dégager un ensemble de besoins fonctionnels

et non fonctionnels auxquels doit répondre notre algorithme et ce fera l’objet de la première

partie de ce chapitre. Ensuite, nous examinerons les diagrammes de flots de données relatifs

à notre application.

3.1 Spécification générale

Objectifs :

– L’objectif de notre projet est de concevoir un algorithme permettant d’analyser la scène

vidéo prise par la caméra et de filtrer les zones de mouvement d’abord, puis, de dé-

tecter et supprimer l’ombre.

– Tester plusieurs méthodes que ce soit p