Les performances des algorithmes de détection révèlent une précision surprenante de 89 % pour Faster R-CNN, transformant notre compréhension des systèmes de vision par ordinateur. Cette étude comparative met en lumière des techniques innovantes essentielles pour améliorer la sécurité routière et la classification des véhicules.
Chapitre I : Détection et reconnaissance de véhicules dans une séquence d’images
Introduction
La détection de véhicules est une technique qui utilise des photographies pour identifier et étiqueter des véhicules.
Le problème de détection de véhicule est considéré comme un problème de segmentation consistant à séparer ou classer les pixels en 2 classes distinctes, l’arrière-plan et l’avant-plan.
Dans ce chapitre, nous allons tout abord donner un aperçu sur le système de transport intelligent, puis nous nous intéressons plus précisément à la détection et à la reconnaissance de véhicules dans une séquence d’images. Nous allons également passer en revue les approches et les méthodes les plus utilisées dans ce contexte.
Le transport intelligent
Définition
La ville intelligente désigne une ville utilisant les technologies de l’information et de la communication (TIC) pour améliorer la qualité des services urbains ou encore réduire ses couts. Dans ces villes intelligentes on trouve les « systèmes de transport intelligents » (STI) qui sont des applications ou des services avancés associé à l’ingénierie des transports, les technologies de la communication, de l’information et du positionnement géographique. [Benahmed et Benyamina, 2017]
On appelle ces transports « intelligents » parce qu’ils sont liés à des capacités associées à l’intelligence humaine : mémoire, communication, traitement de l’information, capacités sensorielles et comportement adaptatif. On trouve les STI dans plusieurs champs d’activité : optimisation de l’utilisation des infrastructures de transport, amélioration de la sécurité et de la sûreté, développement des services ainsi que développement durable en favorisant le report de la route vers les autres modes plus respectueux de l’environnement. [Logistics, 2018]
On peut distinguer 4 grandes périodes dans le développement des STI :
- Années 1960-1970 : les prémices ;
- Années 1980-1995 : investissement dans l’information routière embarquée ;
- Années 1995-2000 : interopérabilité, billettique et autoroute automatisée ;
- Années 2000-2005 : mobilité durable, multi modalité et sécurité routière.
Aujourd’hui, les chercheurs essaient d’envisager le développement des véhicules du futur dans une logique globale, portant aussi bien sur la technologie que sur la conception des équipements et leur intégration dans les véhicules, afin de repenser la mobilité dans une perspective d’intermodalité faisant une place plus importante aux véhicules électriques. [M. Gérard VOISIN, 2009]
Objectifs des STI
L’objectif des STI est de résoudre les problèmes de sécurité et d’encombrement du trafic dans les systèmes de transport. Les systèmes de communication hertziens et filaires, qui permettent l’échange de différents types d’information entre les systèmes de transport, les systèmes de commande et les utilisateurs, jouent un rôle fondamental dans la réalisation de cet objectif. [José M. Costa, 2006]
Les STI permettent également :
- L’intégration de la chaîne de transport et de la logistique (suivi des véhicules, des marchandises) du client jusque dans les dépôts logistiques ;
- La prise en compte de la multimodalité et de l’intermodalité en assurant l’interopérabilité ;
- Le respect des réglementations imposant un suivi particulier (transport de matières dangereuses, produits pharmaceutiques, etc.). [Logistics, 2018]
Les technologies STI sont regroupées dans un ensemble de services utilisateur interdépendants visant à résoudre les problèmes liés au transport. [José M. Costa, 2006]
Politique des STI en Algérie
En raison de la crise du trafic routier et d’éclairage public en l’Algérie les pouvoirs publics ont décidé d’installer des systèmes de contrôle de la circulation des 25 carrefours au niveau de la wilaya d’Alger. En partenariat avec la société mixte algéro-espagnole doté d’une enveloppe financière de 19 milliards DA, ce projet dont la réalisation en 3 phases, est prévu sur 55 mois permettra de connaitre le trafic routier en temps réel, d’améliorer les conditions de déplacement, réduire la durée des voyages et tenir informé les usagers de la route via Internet. [Trafic routier Alger, 2019]
La détection, classification et reconnaissance des véhicules
La vidéo est composée d’une série d’images fixes et animées qui changent à un taux de plus de 24 images par seconde. En conséquence, la vidéo bénéficie d’une image statique unique : les images continues sont interconnectées. En d’autres termes, une vidéo inclut les caractéristiques de mouvement du véhicule. [Harianto A et al., 2021]
Dans le domaine de la vision par ordinateur, la détection consiste à percevoir une scène statique ou dynamique, et de savoir le changement de mouvement approprié en déduisant ainsi la cinématique de tous les objets mobiles par rapport à la caméra. [Abidi et Slimani, 2016]
La détection des véhicules
La détection d’objets aide à localiser des instances d’objets dans des images ou des vidéos. Les algorithmes de détection d’objets exploitent généralement l’apprentissage automatique ou l’apprentissage profond pour produire des résultats significatifs. Lorsque les humains regardent des images ou des vidéos, nous pouvons reconnaître et localiser des objets d’intérêt en quelques instants.
La détection de véhicules est une technique qui utilise des photographies pour identifier et étiqueter des véhicules. Cette méthode est en plein essor dans les milieux universitaires et industriels depuis de nombreuses années. Jusqu’à présent, la plupart des méthodes de détection d’objets les plus récentes n’ont pas été en mesure de répondre aux critères de référence en matière de détection de véhicules. Les grandes variations de lumière, les occlusions denses et les grandes variations d’échelle des objets sont les principaux défis de la détection de véhicules. [Harianto A et al., 2021]
La classification des véhicules
La classification d’objets consiste à identifier ce que représente chacune des régions segmentées. En imagerie aérienne par exemple, on cherche à déterminer les zones urbaines, les forêts, zones d’eau, les montagnes, Il s’agit de regrouper les différents éléments (pixels) en
thèmes correspondants à la vérité du terrain. Le résultat est bien entendu une image segmentée.
La classification des véhicules peut désormais être utilisée, entre autres, pour la programmation de l’entretien des routes, la surveillance du trafic et les alertes en cas d’infraction au code de la route. Comme les photos sont identiques à celles d’une voiture, l’identification peut être difficile. [Harianto A et al., 2021]
Les photos de véhicules peuvent être prises dans un certain nombre de condition, notamment le point de vue, l’éclairage, etc. Diverses photos de l’identité « personnelle » du véhicule, telles que sa forme, sa face avant, son arrière, etc. peuvent être incluses. [Harianto A et al., 2021]
Pour différencier les classifications des véhicules, une amélioration de l’identification des véhicules peut être utilisée. Pour traiter les images prises afin de pouvoir visualiser le véhicule correctement, un système d’augmentation des données est utilisé. La correction des images et l’entrainement des images sur leur état actuel peuvent conduire à une meilleure précision. [Harianto A et al., 2021]
Récemment, le réseau neuronal convolutif est largement utilisé pour la classification de véhicules.
[2_performances-des-algorithmes-de-detection-de-vehicules_1]
Figure 1: Schéma de la classification d’un véhicule dans une image avec les réseaux de neurones.
[Touahri, 2020]
La reconnaissance de véhicule dans une vidéo
La reconnaissance des véhicules est un problème dans lequel un ordinateur doit reconnaitre un véhicule de la même manière qu’une personne. L’identification des véhicules est généralement utilisée par le gouvernement à des fins telles que les contraventions électroniques et l’entretien des routes. [Harianto A et al., 2021]
L’image d’un véhicule peut inclure des détails tels que le type, la classe, etc. Un véhicule de la même classe peut avoir la même forme, mais sa forme, ou catégorie, peut être différente. En tant qu’êtres humains, nous pouvons instinctivement savoir quel type de véhicules nous regardons, et nous espérons qu’avec l’avènement de la technologie de reconnaissance des véhicules, les ordinateurs seront capables de faire de même. [Harianto A et al., 2021]
La reconnaissance de véhicules peut être améliorée en améliorant les photographies des véhicules la figure 2 représente le schéma des méthodes de reconnaissance des véhicules.
[2_performances-des-algorithmes-de-detection-de-vehicules_2]
Extraction de caractéristique
Image d’entrée
Reconnaissance
Apprentissage
Représentation
Figure 2: Le schéma général des méthodes de reconnaissance de véhicules. [Rerbal et Foukia,2017]
- Extraction : l’extraction d’un ensemble de descripteurs à partir de l’image, qui reflètent les informations pertinentes pour la reconnaissance du véhicule ;
- Représentation : la construction d’un modèle du véhicule pour représenter une catégorie ;
- Apprentissage : l’apprentissage des paramètres du modèle à partir des images d’apprentissage étiquetées ;
- Reconnaissance : l’appariement avec le modèle ou la classification en utilisant le modèle pour reconnaitre le véhicule cible dans une image de test. [Rerbal et Foukia, 2017]
________________________
2 Définition donnée par l’article 62 de la loi sur les nouvelles régulations économiques (NRE) du 15 mai 2001. ↑
3 Auchan Les 4 Temps, La Défense. ↑
Questions Fréquemment Posées
Quels sont les objectifs des systèmes de transport intelligents (STI) ?
L’objectif des STI est de résoudre les problèmes de sécurité et d’encombrement du trafic dans les systèmes de transport.
Quelle est la précision de Faster R-CNN dans la détection de véhicules ?
Les résultats montrent que Faster R-CNN obtient les meilleures performances avec une précision de 89%.
Quelles sont les périodes clés dans le développement des systèmes de transport intelligents ?
On peut distinguer 4 grandes périodes dans le développement des STI : Années 1960-1970, Années 1980-1995, Années 1995-2000, et Années 2000-2005.