Description
Date depot: 27 octobre 2019
Titre: Apprentissage et modélisation de relations spatiales pour la description sémantique de scènes et la prédiction de situations à risque
Directeur de thèse:
Laurent WENDLING (LIPADE)
Directeur de thèse:
Camille KURTZ (LIPADE)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Images et vision
Resumé:
La position relative des différents objets ou zones d’intérêt composant les images représente une information de premier ordre pour interpréter leur contenu ou mesurer des différences structurelles. Les relations spatiales et temporelles sont en effet porteuses d’une sémantique riche, qui est fortement liée à la perception humaine. Leur modélisation et le choix des relations les plus pertinentes pour la description ou la prédiction de situations à risques est un problème très complexe.
Les principaux travaux s’articuleront essentiellement autour de trois axes de recherche allant de l’analyse et la description de l’image, des modèles de représentation vers l’intégration de la connaissance. La phase de segmentation et de détection de régions d’intérêts (ROI), contenues dans une scène, sera effectuée grâce aux méthodes développées par la société Magellium. Une scène pouvant comporter un nombre conséquent d’objets, un graphe sera associé en considérant l’ensemble des relations spatiales entre chaque couple d’objets.
Il s’agira dans un premier temps d’extraire, via des techniques d’apprentissage automatique, les relations spatiales les plus pertinentes pour obtenir une description linguistique précise de chaque scène, en fonction de l'application. Le second objectif sera axé sur la définition d’une métrique pour comparer des scènes, décrites sous la forme d’un graphe relationnel, et cibler ainsi les déformations voire les occultations pour aborder alors les problématiques de détection et localisation de changements et de levées d’alertes comportementales. Nous nous focaliserons ensuite sur la modélisation du suivi temporel. Celle-ci sera déterminée en fonction de l’évolution des descriptions linguistiques des configurations spatiales entre objets. L’objectif à terme est de prédire des situations plausibles, de manière à anticiper d’éventuelles situations.
Références
[1] Michaël Clément, Camille Kurtz, Laurent Wendling, « Learning spatial relations and shapes for structural object description and scene recognition ». Pattern Recognition 84: 197-210 (2018)
[2] Michaël Clément, Adrien Poulenard, Camille Kurtz, Laurent Wendling, « Directional Enlacement Histograms for the Description of Complex Spatial Configurations between Objects ». IEEE Trans. Pattern Anal. Mach. Intell. 39(12): 2366-2380 (2017)
[3] Pascal Matsakis, Laurent Wendling: A New Way to Represent the Relative Position between Areal Objects. IEEE Trans. Pattern Anal. Mach. Intell. 21(7): 634-64
Doctorant.e: Deléarde Robin