Abstract :
[fr] Pour la conception de systèmes de vidéo-surveillance, il est avantageux d’avoir un système de détection automatique d’êtres humains. Certains de ces systèmes sont basés sur la reconnaissance de la forme de silhouettes humaines. L’utilisation de méthodes d'apprentissage pour la reconnaissance nécessite une base de données de silhouettes humaines, dont il est intéressant d’automatiser la génération. Dans ce travail, nous utilisons un avatar humain tridimensionnel, celui du projet open-source MakeHuman, afin de générer automatiquement la base de données. Le choix des configurations (positions, orientations et poses) à donner à l’avatar pour obtenir une base de données adéquate est central.
Dans un premier temps, nous tentons une étude de l’impact de modifications dans le mode tridimensionnel sur la silhouette. Cet impact est quantifié par la distance de Hausdorff. Parmi les modifications envisagées se trouvent le déplacement, la rotation et le changement de pose de l’avatar. Nous espérions déterminer, à partir de ces impacts, les pas par lesquels doivent varier les différents paramètres. Les configurations que doit prendre l’avatar, pour obtenir une base de données suffisamment riche sans être trop volumineuse, seront obtenues en prenant toutes les combinaisons des valeurs des différents paramètres. Le nombre de configurations est exponentiel en le nombre de degrés de liberté, ce qui rend l’approche inutilisable en pratique, même si nous sommes indifférents à la translation et à la mise à l’échelle des silhouettes.
Dans un deuxième temps, nous avons opté pour une approche radicalement différente. Cette fois, nous n’espaçons plus les silhouettes, mais les poses. La position de l’avatar est fixée et il ne peut tourner qu’autour de l’axe vertical. Les poses sont choisies en effectuant des tirages aléatoires des différents paramètres. Cette approche aléatoire du problème a mené à l’élaboration d’un nouveau logiciel, Silhouette. Il est écrit en Java et une interface écrite en C lui permet, grâce à Java Native Interface d’exploiter efficacement le moteur de pose de MakeHuman. Parmi les fonctionnalités de Silhouette, notons la possibilité de restreindre les poses à un ensemble voulu, de ne générer que des silhouettes correspondant à des poses licites et d’annoter les silhouettes.
Grâce au logiciel mis en place, nous avons été en mesure de générer diverses bases de données. Nous avons étudié l'impact de l'utilisation de celles-ci sur les performances d'un système de détection de personnes existant. Nous obtenons des résultats encourageants, 73% des silhouettes humaines étant correctement détectées. Un raffinement et un paramétrage soigneux de la méthode devraient mener à des résultats excellents.
