Efficient object identification in image sequences for content indexing

Abstract

Les avancées en matière d'acquisition et de stockage des données ont conduit à la disponibilité de grandes bases de données vidéo numériques pour l'utilisateur grand-public. Néanmoins l'interaction avec les données multimédia et vidéo en particulier nécessite des outils de description, organisation et gestion de ces données vidéo. La majorité des documents multimédia sont produits sous forme compressée. De plus comme les utilisateurs demandent des réponses à leur requêtes les plus rapides possible, l'extraction d'information en temps réel même si celle-ci n'est pas très précise est devenue un objectif important. Basée sur des hypothèses formulées ci-dessus, une nouvelle tendance en matière d'analyse pour l'indexation multimédia est parue, elle peut être qualifiée comme paradigme de << rough indexing >> ou << indexation grossière >>. Nous pouvons inclure notre travail dans cette mouvance d'indexation rapide et approximative dans laquelle uniquement les données imprécises telles que les vecteurs du mouvement et les images DC sont exploitées pour produire une indexation fine des objets en avant-plan. Dans ce paradigme nous proposons de combiner a la fois les informations du mouvement et la segmentation basée-couleur pour extraire les objets pertinents des flux vidéo compresses. Il peut arriver que le mouvement d'un objet soit très similaire au mouvement de la camera ou que l'objet soit statique, aucun objet ne sera alors détecté. Néanmoins, comme un objet ne peut raisonnablement pas apparaitre et disparaitre durant une courte séquence d'images, nous proposons de filtrer les séquences d'objets le long de l'axe temporel. Pour ce faire nous proposons une modélisation de la séquence des objets par une super-quadrique. La méthode proposée donne des résultats prometteurs : les ratés de la détection ou les sur-détections peuvent être corrigés par la méthode de filtrage spatio-temporel proposée.