Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Discovery Grants Program - Individual

Université de Sherbrooke

$17,000.00

Segmentation et analyse vidéo: détection de comportement suspects

EF 2010-11

Résumé
Au cours des prochaines années, je travaillerai sur 2 grands axes de recherche: l'analyse vidéo et la segmentation d'images. Pour l'analyse vidéo, l'objectif à long terme est de développer des méthodes fonctionnant dans un cadre d'applications réelles. En d'autres mots, proposer des méthodes rapides, robustes au bruit, fonctionnant en réseau et pouvant traiter des séquences contenant des milliers d'objets en mouvement. Pour ce qui est de la segmentation, je souhaite proposer un corpus d'articles portant sur les différentes applications pouvant être résolues par un nouveau modèle de segmentation que j'ai nommé « Contours actifs sans Level-Sets ». Cette méthode de segmentation possède un fonctionnement qui ressemble à celui des contours géodésiques actifs (les CGA) mais fonctionne sans le concours des level-sets. Les objectifs spécifiques pour les 5 prochaines années sont les suivants. En analyse vidéo, je développerai un nouveau modèle de détection de comportements suspects que j'ai nommé « behavior subtraction ». Cette approche sera adaptée à différentes applications tel le monitoring de trafic et de foule, la surveillance d'animaux et la détection de bagages abandonnés. Je développerai aussi différentes méthodes de détection de mouvements pouvant fonctionner en temps réel, en présence de bruit et de fortes vibrations. Ces modèles seront aussi modifiés afin de les faire fonctionner dans un contexte d'un réseau multi-caméras. Pour la segmentation d'images, j'ai l'intension de proposer une alternative aux méthodes de segmentation par level sets. Pour ce faire, je proposerai des méthodes de segmentation 2D, 3D et 4D appliquées à différents domaines. Parmi ces domaines figure l'imagerie médicale et plus particulièrement, la reconstruction 3D et 4D de l'aorte.
Programme
Discovery Grants Program - Individual
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data

Tel que publié

Application id
349975-2008
Name nom
Jodoin, PierreMarc
Department département
Informatique
Organization id
68
Institution établissement
Université de Sherbrooke
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2010
Competition year année de concours
2008
Award amount
17000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
Discovery grants programs
Group fr
Programmes de subventions à la découverte
Committee code
331
Committee name en
Computing and Information Sciences - B
Committee name fr
Informatique - B
Area of application code
518
Area of application group en
Manufacturing processes and products
Area of application group fr
Procédés et produits industriels
Area of application en
Medical equipment and apparatus
Area of application fr
Appareils et instruments médicaux
Research subject code
2708
Research subject group en
Information technology
Research subject group fr
Technologie de l'information
Research subject en
Image processing
Research subject fr
Traitement des images
Partie
3
Nb partie
5
Application title
Segmentation et analyse vidéo: détection de comportement suspects
Keyword
NSERC
Application summary
Au cours des prochaines années, je travaillerai sur 2 grands axes de recherche: l'analyse vidéo et la segmentation d'images. Pour l'analyse vidéo, l'objectif à long terme est de développer des méthodes fonctionnant dans un cadre d'applications réelles. En d'autres mots, proposer des méthodes rapides, robustes au bruit, fonctionnant en réseau et pouvant traiter des séquences contenant des milliers d'objets en mouvement. Pour ce qui est de la segmentation, je souhaite proposer un corpus d'articles portant sur les différentes applications pouvant être résolues par un nouveau modèle de segmentation que j'ai nommé « Contours actifs sans Level-Sets ». Cette méthode de segmentation possède un fonctionnement qui ressemble à celui des contours géodésiques actifs (les CGA) mais fonctionne sans le concours des level-sets. Les objectifs spécifiques pour les 5 prochaines années sont les suivants. En analyse vidéo, je développerai un nouveau modèle de détection de comportements suspects que j'ai nommé « behavior subtraction ». Cette approche sera adaptée à différentes applications tel le monitoring de trafic et de foule, la surveillance d'animaux et la détection de bagages abandonnés. Je développerai aussi différentes méthodes de détection de mouvements pouvant fonctionner en temps réel, en présence de bruit et de fortes vibrations. Ces modèles seront aussi modifiés afin de les faire fonctionner dans un contexte d'un réseau multi-caméras. Pour la segmentation d'images, j'ai l'intension de proposer une alternative aux méthodes de segmentation par level sets. Pour ce faire, je proposerai des méthodes de segmentation 2D, 3D et 4D appliquées à différents domaines. Parmi ces domaines figure l'imagerie médicale et plus particulièrement, la reconstruction 3D et 4D de l'aorte.