Spatiotemporal Approach for image sequences analysis. Application to Motion Detection. Approche Spatio-Temporelle pour L'Analyse de Sequences D'Images. Application en Détection de Mouvement

Spatiotemporal Approach for image sequences analysis. Application to Motion Detection

Approche Spatio-Temporelle pour L'Analyse de Sequences D'Images. Application en Détection de Mouvement

Alice Carier Franck Luthon 

Laboratoire de Traitement d'Images et de Reconnaissance de Formes Institut National Polytechnique de Grenoble LTIRF, INPG, 46 avenue Félix-Viallet 38031 Grenoble Cedex, France

Page: 
195-208
|
Received: 
25 June 1996
| |
Accepted: 
N/A
| | Citation

OPEN ACCESS

Abstract: 

In this paper, a new strategy for motion analysis in image sequences is proposed.

The originality of this work is that an image sequence is seen as a 3D data flow instead of a series of 2D-images. By applying such an approach to the problem of motion detection in image sequences acquired with a static camera, a spatiotemporal Markovian model associated with spatiotemporal relaxation is defined. Thanks to an adequate modelling of spatiotemporal interactions beetween pixels belonging to a 3D neighbourhood, good results may be obtained for detecting moving objects in noisy sequences or slow moving objects.

In order to improve the ability of the algorithm to detect poorly textured objects or subpixel moving objects, it may be integrated in a multiresolution scheme. The data pyramid is built by using 3D low-pass filters and 3D subsamplings. Results on synthetic and real worl image sequences are exhibited, showing the validity of this approach . 

Résumé 

Dans cet article, on propose une nouvelle stratégie pour aborder le problème de l'analyse du mouvement dans les séquences d'images. L'originalité de l'approche consiste à considérer une séquence d'images non pas comme une succession d'images 2D mais comme un flux de données à trois dimensions (x,y,t).

En appliquant cette stratégie au problème de la détection de mouvement dans des séquences d'images acquises avec une caméra fixe, on définit un modèle markovien spatio-temporel associé à une relaxation spatio-temporelle . Grâce à une modélisation fine des interactions dans le voisinage 3D pris en compte, on obtient des résultats intéressants pour détecter des objets dans des séquences d'images très bruitées ou des objets dont le déplacement est faible d'une image à l'autre.

Pour améliorer les performances de l'algorithme lors de la détection d'objets peu texturés ou de mouvement sous-pixel, on peut également l'intégrer dans une structure multirésolution pour laquelle la hiérarchisation des données provient de filtrages passe-bas et de sous-échantillonnages dans chacune des trois dimensionsx, y et t. Des résultats obtenus sur des séquences synthétiques et naturelles montrent l'intérêt de cette approche. 

Keywords: 

Motion detection, image sequences, Markov Random Field (MRF), spatiotemporal approach, multiresolution.

Mots clés 

Détection de mouvement, séquence d'images, champ de Markov, approche spatio-temporelle, multirésolution. 

1. Introduction
2. Rappels sur les Champs de Markov
3. Approche Spatio-Temporelle
4. Analyse Critique des Résultats
5. Approche Multirésolution Spatio-Temporelle
6. Détection de Mouvement Multirésolution
7. Résultats
8. Conclusion
  References

[11 Ayer S., Schroeter P. «Multiple Motion Estimation by Robust Parameter Estimation over Multiple Frames», In Signal Processing VII : Theories and applications, M. Holt, C.Cowan, P. Grant, W. Sandham (Eds.), 1994, pp.700-703. 

[2] Azencott R. «Image Analysis and Markov Random fields», Proc. International Conference on Industrial and Applied Mathematics, SIAM, Philadelphia, 1988, pp. 53-61. 

[3] Baaziz N. «Approches d'estimation et de compensation de mouvement multirésolutions pour le codage deséquences d'images», Thèse dedoctorat, UniversitédeRennes I, 1991. 

[4] BesagJ. «On the Statistical Analysis of Dirty Pictures», In Journal of Royal Statistical Society, Vol.B-48, N.3, 1986, pp.259-302.

[5] Bouman C., Shapiro M. «A Multiscale Random Field Model for Bayesian Image Segmentation», IEEETrans. on Image Processing, Vol.3, N.2, March 1994, pp. 162-177. 

[6] Bouthémy P., Lalande P. «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. 

[7] BurtP.J., Adelson E.H. «The Laplacian Pyramid as Compact Image Code», IEEE Trans. on Communications, COM-3 1, N.4, 1984, pp.532-540. 

[8] Caplier A. «Modèles markoviens de détection de mouvement dans les séquences d'images : approche spatio-temporelle etmises en oeuvre temps réel», Thèse dedoctoratde l'INPG,Grenoble, France,Décembre 1995. 

[9] Caplier A., Dumontier C., Luthon F., CoulonP.Y. «Algorithmededétection demouvement parmodélisation markovienne. Miseen oeuvre surDSP», A paraître dans Traitementdu Signal, Vol.13, N.2 1996, 14 pages.

[10] Cross G.R., Jain A.K. «Markov Random Field Texture Models», IEEE Trans. on PAMI, Vol.5, N.1, January 1983, pp.25-39.

[11] Geman S., Geman D. «Stochastic Relaxation, Gibbs Distributions, and the Bayesian Restoration of Images», In IEEE Trans. on PAMI Vol.6, N.6, November 1984, pp.721-741. 

[12] Hsu Y.Z., Nagel H.H., Reckers G. «New Likelihood Test Methods for Change Detection in Image Sequences», Computer Vision, Graphics and Image Processing, CVGIP-26, 1984, pp .73-106. 

[13] Lalande P. «Détection du mouvement dans les séquences d'images selon une approchemarkovienne; application à la robotique sous-marine», Thèse dedoctorat, Université de RennesI, 1990. 

[14] Mallat S. «A theory for multiresolution signal decomposition : the wavelet representation», IEEE Trans.Pattern Anal. and Machine Intel., Vol.1 1, N.7, July 1989, pp.674-693. 

[15] Odobez J.M. «Estimation, détection et segmentation du mouvement : une approche robusteet markovienne», Thèsedel'UniversitédeRennesI, France, Décembre 1994. 

[16] Pérez P. «Champs markoviens et analyse multirésolution de l'image application à l'analyse du mouvement», Thèse de doctorat de l'unversité deRennesI, France, Juillet 1993.