STAGES DE DEA 2004
 
La détection de mouvement par modèle markovien consiste à calculer sur une séquence d'images les attributs binaires fixe/mobile par minimisation d'une fonction d'énergie qui modélise les liens de dépendances spatio-temporels entre les pixels de la séquence.
Les modèles de Markov classiques utilisent une modélisation sous forme de deux termes d'énergie : Un terme dit d'adéquation qui assure le lien entre le résultat de l'étiquetage (fixe/mobile) et l'observation (différence temporelle), et un terme dit de modélisation, qui favorise une certaine régularité spatiale et temporelle de la solution.
Ces modèles fournissent actuellement des résultats intéressants en détection de mouvement, et ils sont calculables en temps réel grâce à certaines optimisations. Cependant ils ne prennent pas en compte les informations spatiales sur les objets eux-mêmes (zones homogènes, attributs de texture,...), ce qui limite leurs performances lorsqu'on souhaite obtenir avec précision les masques (contours) de gros objets mobiles, en particulier lorqu'ils comportent de larges zones homogènes (phénomène d'ouverture).
Nous avons développé récemment des modèles de Markov enrichis, qui intègrent de telles informations spatiales dans le terme d'énergie de modélisation, de façon à faire varier la régularisation en fonction des dissemblances spatiales,  à la manière des techniques de diffusion anisotrope.
Le but de ce stage est d'implanter ces modèles en quantifiant précisément leur coût en complexité par rapport aux techniques classiques, en termes de mémoire, de nombre d'itérations, de complexité des calculs mis en oeuvre.
On s'intéressera en particulier aux différents compromis possibles en termes d'optimisation  de l'implantation : choix du mode de convergence (ICM, GNC), différents modèles de mise à jour (balayage, files d'attente,...).
Le stagiaire aura accès à un environnement de programmation optimisé intégrant déjà les modèles classiques ainsi que des structrures de benchmarking / monitoring / debugging sophistiqués.
Le stage s'effectuera à cheval entre le Laboratoire LEI de l'ENSTA et au sein de l'équipe AXIS de l'IEF (Université Paris Sud).
Les compétences principales attendues sont  : une très bonne maîtrise de la programmation en C, et un goût pour l'optimisation temps réel des algorithmes de traitements d'images. Il faut également avoir suivi des cours de traitement d'images. Une connaissance préalable des techniques à base de champs de Markov est un plus très apprécié.

Mot-clefs :  Détection de mouvement, Champs de Markov, Algorithmique, Optimisation.
 

 
 
Si vous êtes intéressé par l'un de ces stages, vous pouvez me contacter par e-mail :  voir homepage