Aller au contenu principal
Il y a présentement des items dans votre panier d'achat.
Auteur et co-auteurs
Jalila Filali
Université Laval
Denis LAURENDEAU, Pierre LEGAGNEUX, Steeve D. CÔTÉ
Université Laval - Laboratoire LVSN - Département de génie électrique et de génie informatique , Université Laval - Département de biologie et Centre d'études nordiques, Université Laval - Département de biologie, Caribou Ungava et Centre d'études nordiques
5a. Résumé

En raison de l’évolution technologique des caméras, une énorme quantité de données vidéos peuvent être enregistrées. L'analyse de cette énorme quantité des vidéos dépasse la capacité humaine, il est donc nécessaire de disposer de systèmes intelligents permettant d’analyser leur contenu.

La segmentation de vidéos est l'un des sujets de recherche d'actualité en vision par ordinateur.  Dans le cadre de notre projet, l'objectif est d’analyser et segmenter des vidéos recueillies par des caméras portées par des animaux (des caribous et des ours) afin d'extraire des informations liées à leur environnement. La segmentation est cruciale puisque les vidéos sont susceptibles d’être de mauvaise qualité à cause du mouvement des animaux.  Pour cela, une tache de stabilisation est nécessaire afin d’aboutir à une segmentation satisfaisante. 

Dans cette communication, nous présentons l’étape de prétraitement ainsi que la méthode de segmentation proposée. La phase de prétraitement consiste: 1) à filtrer les données brutes; 2) à stabiliser les vidéos et 3) à étudier la pertinence pour la segmentation. La méthode de segmentation est basée sur deux phases. La phase offline qui permet d’entrainer un réseau pour la détection d’objets, puis de segmenter les vidéos en utilisant les résultats de détection obtenus. La phase online consiste à améliorer la segmentation et segmenter les vidéos de l’ensemble de test. les expérimentations qui ont été faites ainsi que les résultats obtenus seront présentés.