Détection de personnes à partir d’un banc stéréoscopique multimodal embarqué sur un drone

Paul Blondel soutient sa thèse de doctorat le jeudi 3 décembre à 10h dans la salle des thèses de l’École Doctorale du Bâtiment des Minimes.

    Le drone est un excellent outil pour assister les équipes de secours dans la recherche de personnes disparues ou alors pour la surveillance de zones à risque. Pour l’adapter mieux encore à ces missions nous avons souhaité, dans cette étude, mettre au point un système embarqué capable de détecter la présence de personnes au sol en toute autonomie.

    Dans cette thèse, nous présentons différentes approches de détection supervisée permettant de détecter les personnes au sol. Nous avons d’abord cherché à exploiter les informations présentes dans le spectre visible ce qui nous a amené à proposer une première approche de détection. Dans un second temps nous avons combiné les spectres visible et infrarouge pour proposer deux autres approches de détection. Nous avons également proposé une nouvelle approche d’entraînement basée sur l’utilisation conjointe du spectre visible et du spectre infrarouge.

    La première approche proposée est en mesure de détecter les personnes quelque soit la distance et quelque soient les angles de roulis et de tangage combinés du système de vision par rapport au sol dans le spectre visible. De plus, l’algorithme de détection ne nécessite pas d’avoir de connaissance a priori de la scène. Parmi les deux approches de détection combinant le spectre visible et le spectre infrarouge proposées : une est conçue pour les vols à moyenne altitude (entre 10 et 80 m de hauteur) et l’autre est conçue pour les vols à basse altitude (inférieure à 10 m de hauteur) mais où la luminosité peut varier fortement (comme en forêt par exemple). La première approche utilise l’information infrarouge pour réduire l’espace de recherche et ainsi réduire les temps de calcul. La deuxième approche explore l’espace de recherche des solutions de manière optimisée en faisant collaborer détecteurs visible et infrarouge ; la détection est rapide et s’adapte dynamiquement à la réponse des capteurs et des détecteurs associés. Nous présentons également dans cette thèse une approche d’apprentissage multimodale visible / infrarouge semi-supervisée. Nous avons conçu une chaîne de traitement particulière permettant de renforcer itérativement les détecteurs de personnes dans le spectre visible et dans le spectre infrarouge au vu des résultats de ceux-ci dans leur spectre respectif. L’avantage est que l’on peut générer autant de données d’entraînement que voulu : cela permet de régler le problème du manque de données d’entraînement disponibles.

Thème: