Participants : Nicolas Chleq, Monique Thonnat, Hany Tolba
Mots clefs : système à base de connaissances, interprétation d'image, séquence d'images, temps réel, traitement d'image
L'objectif des recherches menées dans le cadre du projet européen Passwords est de développer un système automatisé d'assistance aux opérateurs de vidéo surveillance. Construit sur la coopération d'un module de traitement d'images et d'un module d'interprétation basé sur des techniques d'intelligence artificielle, ce système doit reconnaitre automatiquement différents scénarios présentant un danger, afin de les présenter aux opérateurs humains. L'objectif du module d'interprétation est donc de détecter puis d'identifier les differents objets intervenant dans les scènes, de construire et de tenir à jour des informations historiques sur ces objets, puis de synthétiser des événements abstraits constitutifs d'un ou plusieurs scénarios suspects parmi ceux qui sont proposés dans une librairie de modèles prédéfinis.
Le travail effectué durant cette année a permis de développer une première version du module d'interprétation limité à la détection et à l'identification des objets de la scène, des personnes isolées ou des groupes de personnes. Cette phase de détection et de reconnaissance se fait en exploitant les indices extraits lors du traitement d'images et en transposant les informations de suivi (tracking) des parties mobiles (blobs) au niveau des objets physiques que l'on désire reconnaitre. Après filtrage, les informations sur la trajectoire sont analysées pour détecter des événements symboliques de bas niveau (variations petites, grandes, ou soudaines d'un seul paramètre). Le lien entre ces événements simples et les événements abstraits plus complexes exprimés en terme d'objets du domaine et d'actions dans la scène fait actuellement intervenir des mécanismes rigides prédéfinis et non déclaratifs.
Nous commençons à étudier ce problème de synthèse d'événements abstraits comme un problème de génération d'explications, c'est à dire de raisonnement abductif [1]. L'outil de base permettant cette génération d'hypothèse est une procédure développée à partir de travaux en programmation logique abductive et en programmation logique avec contraintes (CLP). L'intégration dans un tel mécanisme de techniques des CLP facilite son usage pour le raisonnement avec des domaines où interviennent des facteurs susceptibles d'être pris en charge par des techniques algorithmiques adaptées, ce qui est le cas du facteur temps pour lequel on dispose de techniques de propagation de contraintes fiables et peu couteuses car polynomiales [5]. L'implantation de la synthèse des événements abstraits par du raisonnement abductif doit permettre de retrouver la déclarativité et la souplesse lors de cette phase. L'objectif est de pouvoir faire intervenir à ce niveau la connaissance sur l'environnement : géométrie et fonction des zones de celui-ci, propriétés des objets statiques, en particulier les propriétés optiques comme l'opacité ou la réflexion permettant d'écarter des détections erronées.
Le dernier problème à résoudre est celui de la reconnaissance de scénarios, c'est à dire d'identifier parmi tous les événements abstraits ceux qui constituent des réalisations partielles ou complètes de certains modèles de scénarios propres à l'application. Une première implantation d'un système de reconnaissance a été faite en étendant le mécanisme décrit par C. Dousson et M. Ghallab pour prendre en compte l'ambigüité de l'identification des personnes et des objets, ainsi que par la possibilité de définir la non-occurence d'un événement comme constituant d'un modèle de scénario. Le mécanisme actuellement utilisé ramène le problème à celui de la consistance de contraintes temporelles et repose sur des techniques de propagation de contraintes. Là aussi, nous envisageons d'utiliser avec différents degrés de liberté le raisonnement abductif.