Équipe VORTEX-IRIT :

Viorica PATRAUCEAN

Pierre GURDJOS

Jean-Pierre JESSEL

Mise en œuvre d’un procédé automatique d’identification

du code à bulles.

Personnels (janvier 2011)

Organisation de la recherche

Thèmes de recherche

Axe

s st

raté

giqu

es

Informatique pour la santé

Masses de données et calcul

Systèmes sociotech. ambiants

Systèmes embarqués critiques

Ana

lyse

et

synt

hèse

de

l’inf

orm

atio

n

Inde

xatio

n et

rec

herc

he d

’info

rmat

ion

Inte

ract

ion

Aut

onom

ie D

ialo

gue

Coo

péra

tion

Rai

sonn

emen

t et

Déc

isio

n

Mod

élis

atio

n A

lgo

rith

mes

et

Cal

cul H

aute

Per

form

ance

Arc

hite

ctur

e S

ystè

mes

et

Rés

eaux

Sûr

eté

de d

ével

oppe

men

t du

Log

icie

l

Les sites de l’IRIT

4

UT2 Mirail UT1 CapitoleINPT N7

UT3 Paul Sabatier

Contrats de recherche

• Depuis le 1er janvier 2007 :– 33 ANR (dont 21 en cours début 2011)– 34 labellisations Pôle de compétitivité (23)– 17 projets européens (11)– 3 projets RTRA STAE (2)– 45 contrats directs industriels (20)

• Laboratoire AIRSYS– Airbus, IRIT, LAAS, ONERA

• Entreprises issues des chercheurs de l’IRIT

5

VORTEXVisual Object: from Reality To EXpression

– Une thématique : les objets visuels

• Réels, virtuels, mixtes• 2D et 3D

– Concepts, modèles et outils• Création, capture, acquisition• Gestion, modification • Enrichissement,

augmentation, • Visualisation, affichage • Interaction, partage,

distribution• Temps réel, mobilité, distribué

– Domaines :• Modélisation• Synthèse d‘images• Réalité virtuelle• Vision par ordinateur • Multimédia• Réalité augmentée

– Applications• Scientifiques• Industrielle,• Culturelles

Equipe VORTEX :

Viorica PATRAUCEAN

Pierre GURDJOS

Jean-Pierre JESSEL

Mise en œuvre d’un procédé automatique d’identification

du code à bulles.

« Comment s’affranchir du data-matrix pour l’identification du code à bulles ? »

• Actuellement

• À venir

• Problèmes à résoudre :(P1) Détecter les bulles dans une image numérique

(P2) Créer une « signature » (clé d’identification) pour le code à bulles

(P2) Interroger une base de données de grande dimension à partir de la signature

8

INFO

INFO

Introduction (1/2)

Introduction (2/2)

Trois directions de recherche :

9

10

Détection : sélection candidats + validation

Trois difficultés:

1. Minimiser le nombre de « faux négatifs »

2. Minimiser le nombre de « faux positifs »

3. Se dispenser du réglage de paramètres

Démarche :

• Sélection la moins contraignante possible (faux positifs et faux négatifs )• Validation très stricte (faux positifs ≤ 1)

Amélioration du procédé de détection des bulles (1/5)

1. Sélection de pixels candidats

a) Notion de pixels alignés: utilisation du gradient pour les regrouper

b) Estimation de primitives linéaires / circulaires par des méthodes algébriques spécifiques

Direction du gradient sur le contour et cercle estimé à  partir d'un arc

11

Amélioration du procédé de détection des bulles (2/5)

2. Contrôle du nombre de « faux positifs » lors de la validation

+

3. Absence de réglage de paramètres

Validation par une méthode statistique dite « a contrario » : o garantie que le nombre de «  faux positifs » est inférieur à une

constante donnée ;o aucun réglage de paramètres.

Amélioration du procédé de détection des bulles (3/5)

Principe de la validation a contrario :• Formalisation mathématique du principe perceptuel « il n’y a pas de

perception dans le bruit »

• Bulle validée que si sa probabilité d’être due au hasard est « suffisamment » petite …. c.-à-d. inférieure à un seuil que l’on peut calculer sans réglage préalable !

13

Image de bruit blanc : aucune primitive (droite, cercle) ne devrait être détectée.

Amélioration du procédé de détection des bulles (4/5)

Travail réalisé : algorithmes qui détectent à la fois des cercles (bulles) et des droites (repère en Z)

Résultats de la méthode de détection ; aucun réglage de paramètres n'est nécessaire.

14

Amélioration du procédé de détection des bulles (5/5)

15

Obtention d’une signature discriminante du code à bulles (1/5)

« Idée : s’affranchir du data-matrix pour l’identification du code à bulles »

• Problèmes à résoudre :(P1) Détecter les bulles dans une image numérique

(P2) Créer une « signature » (clé d’identification) pour le code à bulles

(P3) Interroger une base de données de grande dimension à partir de la signature

15

INFO

Créer une signature du code à bulles

Difficultés :– Format matriciel de l’image inadapté (2D – clé 1D requise)– Distorsion perspective à prendre en compte

16

Obtention d’une signature discriminante du code à bulles (2/5)

17

Notion de signature 1D perspectivement invariante :

Représentation du code à bulles par des couches convexes 1D

Chaque couche est représentée par un vecteur ,...,,, 23231212 rdrd

Obtention d’une signature discriminante du code à bulles (4/5)

Propriété : calculable même si distorsion perspective (avec angle de vue inconnu) !

18

Illustration de l’invariance perspective de la signature

Image 1 Image 2

Signatures identiques

Obtention d’une signature discriminante du code à bulles (5/5)

19

Optimisation du processus de recherche dans la base de données (1/2)

Problèmes à résoudre :(P1) Détecter les bulles dans une image numérique(P2) Créer une « signature » (clé d’identification) pour le code à bulles(P3) Interroger une base de données de grande dimension à partir de la signature

Difficultés :

i) Base de données de très grande dimension

ii) Signatures similaires (pas identiques)

Idée : ne pas rechercher la signature exacte mais la plus « proche »

Recherche menée à l'aide de techniques de hachage

Famille de fonctions de hachage qui préservent la localité (LSH) :

Deux signatures similaires même valeur de hachage

INFO

20

Résultats :

i) 100% résultats corrects.

ii) Temps de requête satisfaisant : < 1s.

Optimisation du processus de recherche dans la base de données (2/2)

21

Ce qui a été réalisé (à l’état de prototype)

• Détecteur de bulles « sans fausse bulle » et « sans réglage »• Constructeur de signature discriminante du code à bulles 1D invariante

en perspective• Accès à la base de données au sens du « plus proche voisin »

Ce qui reste à faire

• Validation à grande échelle sur données industrielles• Optimisation des algorithmes• Implémentation sur des mobiles (Iphone, Android …)

Conclusion