reconnaissance automatique d'activités humaines dans des réseaux de caméras

Reconnaissance automatique d'activités humaines dans des réseaux de caméras

STARS Inria Sophia Antipolis – Mediterannée 19 juin 2013

Interprétation de la scène

19 JUIN 2013 STARS - Innovative City Convention - W19 - 2

Objectif : Interprétation en temps-réel des vidéos depuis les pixels jusqu’aux événements sémantiques

Modèle 3D de la scène Modèles de scénarios Connaissances a priori

Segmentation Classification Suivi Reconnaissance de scénarios Alarmes

Applications


•  Fort impact pour la vidéosurveillance dans les transports (métro, trains, aéroports, ports) •  Contrôle d’accès, détection d’intrusions et vidéosurveillance des bâtiments •  Monitoring de trafic (parkings, comptage de véhicules, surveillance des voies, assistance à

la conduite) •  Monitoring d’agences bancaires •  Management de risques (simulation virtuelle 3D pour la gestion de crises) •  Communication vidéo (Mediaspace) •  Monitoring d’activités sportives (tennis, football, F1, natation) •  Nouveaux domaines d’application : Maison intelligente, Santé (HomeCare), apprentissage,

biologie, comportements des animaux •  Création d’une start-up Keeneo (Juillet 2005 – 20 personnes), http://www.keeneo.com/

Vidéosurveillance de stations de métro


Mouvements soudains

Comportements de groupes

Paris Paris

Paris Turin

Découverte d’activités usuelles


•  Permet la gestion efficace de larges collections de données vidéo

•  Caractérisation de trajectoires •  Statistiques •  Découverte d’activités

« normales » / « anormales »

Entrée

Sortie

Trajectory start

Trajectory end

Calcul de trajectoires Regroupement de positions

Zones découvertes

Points d’arrêt

Comportements détéctés automatiquement


Rôder S’évanouir

Suivi multi-caméras


Objectif : déterminer si une personne donnée a déjà été observée dans un réseau de caméras Idée : calculer une signature caractérisant l’apparence des personnes

Monitoring des activités quotidiennes pour le maintien à domicile de personnes âgées


•  Motivation : augmenter l’indépendance et la qualité de vie

•  Permettre aux personnes âgées de vivre dans leur domicile plus longtemps en étant indépendants

•  Réduire les coûts pour les services publics •  Soulager les proches et les aidants

•  Objectifs techniques : la conception de systèmes basés capteurs •  Détection d’événements alarmants (chutes) •  Évaluer le degré de fragilité des personnes âgées (impact des thérapies) •  Détecter des changements dans le comportement (activités manquantes, désordre, interruptions, répétitions, inactivité) •  Construction d’une librairie de vidéos de comportements de référence caractérisant la fragilité des personnes

Merci

http://team.inria.fr/stars [email protected] [email protected]

reconnaissance automatique d'activités humaines dans des réseaux de caméras

Technology