Reconstruction et analyse de trajectoires 2D d’objets mobiles par modélisation markovienne

Estimation du danger autour d’un passage à niveau : contexte

      Le transport ferroviaire est probablement l’un des modes les plus efficaces et les plus écologiques. Pourtant les passages à niveau, qui représentent le croisement entre une voie ferrée avec une voie routière, constituent un environnement très dangereux pour les usagers. La solution la plus sûre à ce problème serait de remplacer tous les passages à niveau par des ponts ou des souterrains. Cependant, cette solution est très coûteuse (5 à 10 millions d’Euros par an en Europe) et elle n’est pas toujours possible à réaliser en particulier dans les zones très urbanisées. Normalement, le franchissement des passages à niveau peut être réalisé en toute sécurité en cas de respect de la signalisation routière définie à partir de la “Convention sur la signalisation routière” signée à Vienne en 1968 et appliquée dans le monde entier [Cousin 1981]. Malheureusement, les statistiques montrent que les usagers de la route ou les piétons ne respectent pas la signalisation routière, ce qui occasionne près de 98% des accidents aux passages à niveau [Min 2011]. En réalité, des milliers de presque-accidents ou incidents s’y produisent chaque jour dans le monde entier. Le risque d’accident augmente aussi en cas d’implication d’autocars ou de véhicules lourds et peut entraîner des conséquences catastrophiques [Bea 2012]. Selon l’agence ferroviaire européenne (ERA) [Agency 2012], 619 accidents ont tué 359 personnes dans l’Union européenne en 2010 (alors qu’en 2009, 831 accidents avaient fait 405 morts). Ce chiffre représente 28% de l’ensemble des décès par accidents dans les chemins de fer et 1,2% des morts sur la route. En plus des coûts médicaux élevés, les accidents mortels aux passages à niveau laissent des effets très négatifs à long terme sur la conscience personnelle des passagers de la voiture ou du train, sur le conducteur du train, sur les témoins et les personnes blessées. Plusieurs raisons expliquent la prise de risque au franchissement des passages à niveau : la pression du temps, l’inattention, des raisons physiologiques (par exemple la fatigue, l’alcool). Selon les chiffres de la commission européenne [TREN 2003], 20% des accidents de la route sont dus à la fatigue et 25% à une conduite sous l’influence de l’alcool ou de stupéfiants. L’excès de vitesse constitue le plus fort facteur de risque de collision aux passages à niveau. Selon les chiffres de la commission européenne, 30% des accidents routiers mortels survenus dans l’UE sont dus à un excès de vitesse (Fig. 1.1). Malgré la diversité des solutions techniques proposées [Silmon 2010][Tey 2009], telles que les systèmes d’alerte, les systèmes de navigation par satellite et l’émission de signaux d’alerte transmis aux véhicules à l’approche des trains aux passages à niveau (systèmes en cours d’essai en France et en Australie), le contrôle ou bien la prédiction du comportement humain reste le problème le plus difficile à résoudre [Tey 2012] d’où l’importance de l’organisation de journées internationales pour la sécurité aux passages à niveau. Le but de ces journées est la sensibilisation des usagers quant au respect de la signalisation routière et au danger que peut représenter le franchissement illicite d’un passage à niveau (PN). Malgré les efforts menés par les gouvernements pour sécuriser ces endroits et sensibiliser les usagers, le nombre d’accidents aux passages à niveau reste toujours trop élevé, même s’il baisse progressivement. Malgré les efforts importants menés par le gouvernement français, la S.N.C.F. En 1938, année de création de la S.N.C.F., il existait 33 500 PN publics dont 27 000 étaient gardés. En 1973, le nombre de passages à niveau a été réduit à 24 500. Aujourd’hui, la situation s’est profondément modifiée. Le nombre de passages à niveau publics a été ramené à 19 310 en 1995, suite essentiellement aux importants programmes de suppression de PN, concernant en priorité les lignes ferroviaires à grandes vitesse, et à la fermeture des lignes de faible importance. Aujourd’hui, il reste 18 459 passages à niveau (Fig. 1.2). Parmi eux, il existe 17 351 PN ouverts à la circulation publique dont 840 (4,85 %) sont ouverts au seul cheminement des piétons et 16 511 PN (95,15 %) sont ouverts à la circulation des véhicules et des piétons (Table 1.1). 63 % des PN se situent sur des voies communales, 36 % sur des voies départementales et il ne reste que 67 PN sur des routes nationales (1 %), mais ces PN disparaissent progressivement au cours du temps. Les dernières statistiques communiquées [SET 1996][Got 2012], montrent que la plupart des victimes des accidents aux passages à niveau font partie des habitants qui résident à proximité des passages à niveau, notamment ceux qui sont habitués à traverser ces zones. Il semble que l’utilisation quotidienne d’un passage à niveau contribue à la baisse de vigilance de ces usagers quotidiens. La figure 1.3 illustre la répartition des accidents mortels par types d’usagers routiers. On note que 56% des accidents impliquent des véhicules légers. Durant les vingt dernières années, 88 % des accidents sont répartis sur les passages à niveau à signalisation automatiques (S.A.L. 2, S.A.L. 4, S.A.L. 0) [Shigeru 1988] et les passages à niveau non gardés. Les passages à niveau à signalisation automatiques Lumineuse (S.A.L), représentant 59 % du nombre total de PN et sont concernés par 70 % des collisions usager routier/train. Les PN de type S.A.L.2 sont responsables de 70 % de collisions qui se produisent sur les passages à niveau automatiques. Les causes de collisions sur ce type de passage à niveau (S.A.L.2) se caractérisent principalement par des passages en chicane et par des passages avec des vitesses routières trop élevées à l’approche du PN. En revanche, la cause principale des collisions sur les passages à niveau automatiques de type S.A.L.4 (généralement situés sur les routes à fort trafic) est l’arrêt des véhicules sur le PN ou la présence de remontées de files. Les PN non gardés (représentant 21 % du nombre total de PN), généralement équipés de croix de Saint André, avec ou sans STOP, sont concernés par 18 % des accidents. Les passages à niveau piétons sont concernés par 10 % des accidents. La principale cause des collisions sur ces deux derniers types de PN est le non-respect de la signalisation sur la route. Les passages à niveau gardés subissent une politique de suppression ces dernières années (transformation en passages supérieurs ou inférieurs. . .) et sont en train de disparaître. Le nombre d’accidents sur ces PN est presque nul ces 10 dernières années. La figure 1.4 présente la répartition du nombre de collisions par type de PN. Durant la période 1991-1995, on compte une moyenne annuelle de 210 accidents de type collision entre un usager routier et un train, causant en moyenne 61 tués et 26 blessés graves par an. Malgré ces chiffres, on note heureusement un ralentissement du nombre de décès aux passages à niveau depuis une dizaine d’années. Depuis l’année 2000, les points de croisement entre la route et la voie ferrée sont à l’origine en moyenne de 115 collisions par an (une collision tous les trois jours), 14 blessés graves et 40 décès. Ces accidents sont en grande majorité la conséquence d’infractions au code de la route. 50% des collisions entre une voiture particulière et un train causent un mort alors que 5% des “Accidents routiers typiques” sont dans ce cas.

Optimisation relative au plan vertical d’orientation

      Comme pour l’étape précédente, cette phase est considérée pour chaque caméra indépendemment l’une de l’autre. Elle consiste à orienter une caméra vers le plan vertical d’orientation. Rappelons que ce plan représente une limite verticale de la zone à observer. Etant donné un plan vertical d’orientation, coupant le champ de vue de la caméra (Fig. 2.11), l’intersection de ce plan avec le champ de vue de la caméra est un polygone, avec une forme de triangle, quadrilatère ou pentagone. Ce polygone définit une surface verticale à maximiser. Afin de forcer le champ de vue de la caméra à couvrir de manière optimale le plan d’orientation, nous proposons dans un premier temps de déplacer verticalement le centre de gravité du polygone vers le point correspondant à la projection orthogonale de l’apex de la pyramide (représentant le champ de vue de la caméra) sur le plan d’orientation. Ceci est appliqué, tout en gardant la base de vue de la caméra centrée autour du point désiré Pdesir ´ e´ (eq.2.11). Initialement, le plan vertical d’orientation peut être éloigné du champ de vue de la caméra, avec aucune intersection entre eux. Pour atteindre ce plan, nous considérons des plans verticaux intermédiaires (Fig. 2.11). Le premier plan intermédiaire doit couper le champ de vue de la caméra. La caméra est soumise à la procédure d’orientation pour chaque plan intermédiaire : une fois la caméra orientée par rapport à un plan intermédiaire, un autre plan intermédiaire coupant le champ de vue de la caméra est considéré pour exécuter la même procédure, jusqu’à atteindre le plan vertical d’orientation désiré. Lorsque le plan vertical d’orientation est atteint, une procédure de maximisation de la surface, définie par le polygone par l’intersection de ce plan et du champ de vue de la caméra, est mise en oeuvre en utilisant la technique de Levenberg-Marquardt (Annexe A). Le processus de maximisation est assuré, tout en gardant encore une fois la base de vue de la caméra centrée autour du point désiré Pdesiré.

Analyse en composantes indépendantes (ACI)

     Une approche très prometteuse et récemment développée par N. Fakhfakh dans [Fakhfakh 2011a] consiste à utiliser une analyse en composantes indépendantes [Herault 1986] pour détecter les objets dans un fond de scène. Cette technique a été récemment exploitée pour l’extraction des régions en mouvement à partir d’une séquence d’images [Tsai 2009][Zhang 2006]. L’ACI se base sur les méthodes traitant des observations vectorielles afin d’en extraire des composantes linéaires qui soient aussi indépendantes que possible [Oja 2000]. Elle permet la séparation d’un signal source complexe, qui est un mélange de signaux inconnus a priori, en une combinaison de plusieurs signaux, dits signaux estimés. L’ACI est définie par un modèle génératif permettant l’estimation d’un ensemble de signaux à partir d’un signal donné. Le signal observé est supposé être une combinaison linéaire des signaux à estimer. Ce modèle d’ACI peut être résolu en définissant une fonction d’énergie et un algorithme d’optimisation comme par exemple FastACI [Oja 2000]. Il s’agit d’un algorithme itératif permettant une convergence vers des paramètres optimaux. Pour initialiser l’algorithme FastACI, une simple soustraction entre l’image et le fond [Panahi 2008] est suffisante pour déclencher l’algorithme. Cet algorithme a permis l’utilisation de l’ACI dans plusieurs applications grâce à sa rapidité. L’algorithme se divise en deux étapes : une étape d’apprentissage et une étape de détection. La première étape consiste à estimer le modèle de bruit ainsi que la matrice de séparation, notée W, obtenue par analyse en composantes indépendantes. La deuxième étape se divise en deux parties : la première partie consiste à approximer les régions affectées par du mouvement en utilisant la matrice de séparation estimée pendant l’étape d’apprentissage. La deuxième partie permet de raffiner les régions extraites en introduisant une étape de lissage, effectuée en minimisant une énergie dans un cadre de champs de Markov aléatoires.

Perspectives

     Les travaux de cette thèse présentent de nombreuses perspectives. Tout d’abord, sur la méthode d’optimisation pour le positionnement optimal des capteurs vidéo dans l’environnement PN à surveiller, nous proposons d’étendre cette méthode à plusieurs caméras (la méthode a été développée en considérant uniquement deux caméras). Pour des résultats plus fins, nous envisageons également d’utiliser un modèle de représentation conique pour le champ de vue des caméras, au lieu d’une représentation pyramidale. Concernant le système d’évaluation de dangers au PN, nous proposons d’étendre notre approche avec un système de perception stéréoscopique, en exploitant l’infirmation de profondeur qui permettrait d’améliorer les résultats des différents processus de traitement (détection et séparation d’objets en mouvement, suivi d’objets à base de flot optique 3D, évaluation de danger avec la prise en compte de mesures réelles 3D et en s’affranchissant de la perspective dans le cas monoculaire . . .). La méthode d’évaluation de danger pourrait être améliorée en enrichissant le système avec des informations ” type d’objets ” (voiture, moto, piéton), qui permettront d’intégrer des connaissances a priori sur les objets étudiés. Concernant toujours le système d’évaluation de dangers au PN, une contrainte qu’il faudra respecter à terme est la contrainte temps réel. Pour y parvenir, nous envisageons tout d’abord de réduire la complexité de nos algorithmes pour pouvoir accélérer la cadence de traitement des séquences d’images. Une implémentation sur architecture spécialisée pourra certainement contribuer à cet objectif. Répondre à la contrainte temps réel, permettra de tester le système global PANsafer, composé de notre système de perception de danger et le système de communication (transmission d’une information/alerte aux acteurs de PN) développé également dans le même cadre. Aujourd’hui, le système développé est testé sur une dizaine de séquences d’images. Les résultats sont satisfaisants et intéressants. Il faudra, toutefois, élargir les tests avec une base importante de séquences d’images prises dans différentes conditions pour pourvoir effectuer une évaluation quantitative sur le taux de bonnes et mauvaises reconnaissances. Ceci permettrait de valider le système proposé pour une éventuelle industrialisation dans le cadre d’un projet FUI par exemple. Le système de perception développé dans le cadre de cette thèse a été conçu pour une utilisation en ligne, avec un système de communication PANsafer. Ce système pourrait être étendu pour une utilisation hors ligne, avec l’objectif d’une analyse automatique des interactions usagers/infrastructure sur des bases de données enregistrées plus importantes. Cette extension ne peut être possible que dans le cadre d’un projet partenarial du moment où de nombreuses disciplines sont mises en jeu.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

1 Introduction 
1.1 Estimation du danger autour d’un passage à niveau : contexte
1.1.1 Etat actuel de la situation en Europe
1.1.2 Etat actuel de la situation à l’international
1.1.3 Campagnes pour l’amélioration de la sécurité aux PN
1.1.3.1 ILCAD
1.1.3.2 Le Plan Bussereau
1.1.3.3 Projet européen Selcat (Safer Eurpean Level Crossing Appraisal and Technology) (2006-2008)
1.1.3.4 Projet PANsafer (2009-2012)
1.2 Problématique générale 
1.3 Problématique de la thèse
1.4 Contribution 
1.5 Plan de la thèse 
2 Developpement d’un algorithme d’optimisation de positions de cameras dans l’espace 
2.1 Introduction
2.2 Plateforme de réalité virtuelle pour l’étude des PN 
2.2.1 Contexte et démarche
2.2.1.1 Contexte
2.2.1.2 Intérêt de la réalité virtuelle
2.2.1.3 Démarche générale
2.2.2 Description de l’application
2.2.2.1 Modélisation 3D de l’univers virtuel
2.2.2.2 Positionnement des capteurs vidéo
2.2.2.3 Edition de scenarii
2.2.2.4 Simulation de scenarii critiques
2.3 Problématique
2.3.1 Modélisation du champ de vue
2.3.2 Intersection de pyramides : Géométrie descriptive
2.3.3 Plans de projection
2.4 Processus d’optimisation 
2.4.1 Optimisation relative au plan horizontal
2.4.2 Optimisation relative au plan vertical d’orientation
2.4.3 Optimisation relative au plan vertical de projection
2.5 Résultats expérimentaux 
2.6 Conclusion
3 Suivi d’objets en mouvement à partir d’une séquence d’images
3.1 Introduction
3.2 État de l’art sur le suivi d’objets en mouvement
3.2.1 Détection des objets
3.2.1.1 Modèle à valeur médiane
3.2.1.2 Codebook
3.2.1.3 Distributions gaussiennes
3.2.1.4 Mélange de gaussiennes
3.2.1.5 Modèle de Markov
3.2.1.6 Analyse en composantes indépendantes (ACI)
3.2.2 Séparation des objets
3.2.3 Suivi des objets
3.2.4 Méthode proposée
3.3 Détection et séparation des objets
3.3.1 Introduction
3.3.2 Processus de cadrage pour la détection des objets fixes et mobiles
3.3.3 Méthode de séparation des objets
3.4 Suivi dense des objets 
3.4.1 Introduction
3.4.2 Suivi d’objets à partir d’une séquence d’images monoculaires
3.4.2.1 Suivi des points d’intérêt de Harris
3.4.2.2 Propagation gaussienne du flot optique des points de Harris
3.4.2.2.1 Première proposition
3.4.2.2.2 Deuxième proposition
3.4.2.3 Rectification du flot optique par un modèle de filtre de Kalman itératif
3.4.2.3.1 Contrainte de similarité
3.4.2.3.2 Modèle de filtre de Kalman proposé
3.4.2.3.3 Adaptation des paramètres
3.4.2.4 Modèle global de suivi
3.4.2.5 Algorithme d’optimisation
3.5 Résultats expérimentaux
3.5.1 Expérimentation 1 : Suivi de piétons
3.5.1.1 Évaluation des résultats de suivi obtenus
3.5.2 Expérimentation 2 : Evaluation avec des courbes gaussiennes
3.5.2.1 1ère distribution proposée (en fonction du flot optique moyen des points de Harris)
3.5.2.2 2ème distribution proposée (en fonction du flot optique de point de Harris le plus proche)
3.5.3 Expérimentation 3 : Suivi d’un objet dans une séquence d’images simulées
3.6 Conclusion 
4 Evaluation du danger aux passages à niveau 
4.1 Introduction : Problématique de la sécurité aux passages à niveau
4.2 Prédiction des trajectoires idéales d’objets mobiles 
4.2.1 Introduction
4.2.2 Segmentation des objets à base du flot optique
4.2.3 Estimation des trajectoires idéales
4.2.3.1 Modèle de Markov Caché : définition des paramètres
4.2.3.2 Prédiction des trajectoires idéales
4.3 Estimation du danger de situations potentiellement dangeureuses 
4.3.1 Introduction
4.3.2 Théorie de l’évidence : définition des paramètres
4.3.2.1 Cadre de discernement
4.3.2.2 Jeux de masses
4.3.2.3 Fonction de crédibilité
4.3.2.4 Combinaison de sources de danger (Loi de combinaison de Dempster)
4.3.3 Modèle d’évaluation des trajectoires idéales
4.3.4 Définition des sources potentielles de danger
4.3.5 Condition d’indépendance des sources de danger
4.4 Résultats expérimentaux 
4.4.1 Scénario 1 : Détection d’obstacles
4.4.2 Scénario 2 : Remontée de file
4.4.3 Scénario 3 : Passage en chicane, sans arrêt sur platelage
4.4.4 Scénario 4 : Passage en chicane, avec arrêt sur platelage
4.4.5 Scénario 5 : chute d’un piéton
4.5 Conclusion
5 Conclusion générale

Télécharger le rapport complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *