2.4.Détection par Histogramme
La détection de mouvement par histogramme comprend deux
types de reconnaissance.
Le premier : l'image de référence est toujours
la même, alors que dans le second type : l'image est modifiée
à chaque photogramme. Dans chacun des cas, on va comparer, les
histogrammes de chacune des couleurs, entre l'image de référence
et la particule. Une moyenne sera effectuée, puis inversée de
façon à ce que la différence la plus petite possède
le poids le plus grand.
L'image de référence peut être une image
sélectionnée de la bibliothèque ou une sélection
faite à la main sur le premier photogramme de la vidéo. En effet
il est possible de changer le photogramme d'origine à chaque instant de
traitement, ceci peut être intéressant si l'objet change de forme
ou de couleur. Dans notre cas, les personnes peuvent marcher, courir, se
courber ou s'agiter.
Avec un changement d'image de référence, l'objet
se perd peu à peu. Avec une image fixe, l'objet sera toujours
présent mais si cet objet change de couleur alors il sera impossible de
le repérer. Il faut donc trouver un compromis, permettant de
repérer l'objet à chaque changement de couleur. Lorsque le choix
de l'image de référence se fait à la main sur le premier
photogramme, les particules ne sont alors pas placées
aléatoirement sur tout le frame, mais autour de la particule
sélectionnée. De cette façon, l'objet est
détecté tout de suite, et si les paramètres sont corrects
alors l'objet est correctement suivi à chaque frame. Les
paramètres de tracking3, en particulier avec la
méthode de l'histogramme, sont difficiles à obtenir.
En effet, ces paramètres peuvent dépendre de la
taille de la particule de référence mais aussi des informations
qu'elle contient. De ce fait, il est très difficile avec une
sélection du photogramme référence, de trouver les bons
paramètres car la sélection ne sera pas identique à chaque
fois. Plus le nombre d'information sur l'objet est important, moins les erreurs
sont possibles, plus il y a d'informations, meilleurs sont les
résultats. Mais si ces informations concernent «le
background» en majorité, c'est la particule qui
3 Enregistrement et analyse discrète de toutes
les activités d'un individu, à des fins plus ou moins
honnêtes.
20
correspond le plus au «background» qui sera
reconnue. Si tout le « background » est éliminé, une
partie des informations de l'objet sera également
éliminée.
Si l'image de référence est fixe et que l'objet
change de taille, de forme ou de couleur au cours de la vidéo, la
reconnaissance ne se fera pas. En changeant le frame d'origine et donc
l'histogramme de comparaison, le risque est moindre car l'histogramme varie de
la même manière que l'objet. En revanche si on utilise le
changement de frame il y aura un risque de décalage à chaque
changement et de ne reconnaître que le fond à la fin de la
vidéo. Il est donc nécessaire de trouver un bon équilibre
et de ne changer le frame et l'histogramme que lorsque la particule et
l'histogramme sont très proche mais pas à chaque frame. Les
paramètres sont difficiles à mettre en place, il y a un manque de
précision et les résultats ne sont pas toujours ceux
espérés. Cet algorithme n'est pas idéal dans
l'étude de détection des personnes.
| 
