Algorithme de détection de mouvement par modélisation markovienne Mise en oeuvre sur DSP
MRF-based Motion Detection Algorithm Image Processing Board Implementation
OPEN ACCESS
First, we present a motion detection algorithm for image sequences acquired with a static camera (binary labelling of each pixel according to static or mobile areas) . The approach is based on a Markov Random Field modelling of the spatiotemporal interactions between labels . The algorithm works on three consecutive frames . Robustness, convergence speed and simplicity (few heuristics) are the main characteristics of the algorithm . Then, it is shown how the proposed model may be easily extended to the case of multilabelling by modifying the initialisation of the label field and the relaxation strategy. Instead of a bare binary detection of moving areas, multilabelling enables a discrimination between different moving objects, an estimation of their number and a short-term tracking of moving areas . Finally, we present the first results about a hardware implementation of the binary detection algorithm on a general purpose image processing board build around a DSP.
Résumé
Dans un premier temps, nous présentons un algorithme de détection de mouvement dans les séquences d'images acquises avec une caméra fixe (étiquetage binaire de l'image en pixels fixes ou mobiles) . L'approche est basée sur une modélisation des interactions spatio-temporelles entre étiquettes par un champ de Markov faisant intervenir trois images successives. Cet algorithme se caractérise par sa robustesse, sa rapidité de convergence et sa simplicité (limitation du nombre d'heuristiques). Ensuite, on montre comment le modèle proposé s'étend aisément au cas du multi-étiquetage moyennant une modification de la stratégie d'initialisation des champs d'étiquettes et de la stratégie de relaxation . Ceci permet de faire non plus simplement une détection binaire des zones mobiles mais une détection multi-étiquette non supervisée (discrimination des divers objets mobiles et estimation de leur nombre) et un suivi court-terme des objets mobiles . Enfin, nous présentons les premiers résultats d'une mise en oeuvre matérielle de l'algorithme de détection binaire sur une carte générique de traitement d'images à base d'un DSP.
Motion detection, Image sequences, Markov Random Field (MRF), Multilabelling, Hardware Implementation, DSP, Image processing board
Mots clés
Détection de mouvement, Séquence d'images, Champ de Markov, Multi-étiquetage, Implantation matérielle, DSP
[1] J . Besag "On the Statistical Analysis of Dirty Pictures" . In Journal Royal Statistical Society, Vol . B-48, N.3, 1986, pp. 259-302 .
[2]P. Bouthémy "Modèles et méthodes pour l'analyse du mouvement dans une séquence d'images" . In Techniques et Sciences informatiques, Vol .7, N.6, 1988, pp . 527-545 .
[3] P. Bouthémy, P. Lalande "Recovery of moving object masks in an image sequence using local spatiotemporal contextual information" . Optical Engineering, Vol .32, N .6, June 1993, pp .1205-1212 .
[4] A . Caplier, F. Luthon "An MRF-based Spatiotemporal Multiresolution Algorithm for Motion Detection" . Proc . of SCIA, Upsalla, Suède, Juin 1995 , pp.158-162.
[5] A . Caplier, F . Luthon, C . Dumontier "Algorithme markovien de détection de mouvement. Mises en oeuvre "temps réel" . Quinzième Colloque du GRETSI , Juan-les-Pins, France, Septembre 1995, pp .1033-1036 .
[5bis] A . Caplier "Modèles markoviens de détection de mouvement dans les séquences d'images : approche spatio-temporelle et mises en oeuvre temps réel". Thèse de l'INP Grenoble, décembre 1995 .
[6] P.B Chou, R. Raman "On Relaxation Algorithms Based on Markov Random Fields" In Tech. Rep . 212, Computer Science Department, Univ . of Rochester, July 1987 .
[7] G .R. Cross, A.K. Jain "Markov Random Field Texture Models " . In Trans . Pattern Anal . and Machine Intel . Vol . PAMI-5, N.1, January 1983, pp . 25-39.
[8] S. Geman, D. Geman "Stochastic Relaxation, Gibbs Distributions, and the Bayesian Restoration of Images" . In IEEE Trans . Pattern Anal. and Machine Intel . Vol. PAMI- 6, N.6, November 1984, pp . 721-741 .
[9] F. Heitz, P. Bouthémy " Multimodal Estimation of Discontinous Optical Flow Using Markov Random Fields " . In Trans . Pattern Anal . and Machine Intel ., Vol. PAMI-15, N .12, December 1993, pp. 1217- 1232 .
[10] Y.Z. Hsu, H.H . Nagel, G . Reckers "New Likelihood Test Methods for Change Detection in Image Sequences" . In Computer Vision, Graphics and Image Processing, CVGIP-26, 1984, pp . 73-106 .
[11] J . Hutchinson, C. Koch, C. Mead "Computing Motion Using Analog and Binary Resistive Networks". Computer, Vol .21, March 1988, pp . 52- 63 .
[12] C . Koch, J . Marroquin, A. Yuille "Analog 'neuronal' networks in early vision". In Proc . Natl . Acad . Sei., USA, Biophysics, Vol .83, June 1886, pp . 4263-4267 .
[13] P. Lalande "Détection du mouvement dans les séquences d'images selon une approche markovienne ; application à la robotique sous-marine" . Thèse de doctorat, Université de Rennes I, 1990 .
[14] F. Luthon, A. Caplier " Motion Detection and Segmentation in image sequences using Markov Random Field Modelling " . In 4 6' Eurographics Animation and Simulation Workshop, Barcelona, Spain, September 1993 , pp. 265-275 .
[15] F. Luthon, V.G. Popescu, A. Caplier "An MRF based motion detection algorithm implemented on analog resistive network" . In ECCV'94 Proc . , Stockholm, Sweden, May 1994, pp . 167-174.
[16] E. Mémin, F. Heitz "Algorithmes parallèles pour l'analyse d'images par champs markoviens" . In Publication interne N .657, IRISA, Programme 4 , Mai 1992, 74 pages
[17] D .W. Murray, BE. Buxton "Scene Segmentation from Visual Motion Using Global Optimization" . In IEEE Trans . Pattern Anal . and Machine Intel . Vol . PAMI-9, N .2, January 1987, pp . 220-228 .
[18] J. Zérubia, F. Ployette "Détection de contours et lissage d'images par deux algorithmes de relaxation. Mise en oeuvre sur la machine à connexions CM2". In Traitement du Signal, vol . 8, N .3, 3ème trimestre 1991, pp. 165-175 .