Detection du mouvement dans une sequence d'images selon une approche markovienne; application a la robotique sous-marine

La detection du mouvement apparent dans une sequence d'images est evidemment un probleme binaire, il s'agit de distinguer les zones en mouvement des zones fixes. Un tel processus inclut deux volets: 1) la detection des changements temporels de la fonction intensite; 2) la selection des zones correspondant a l'instant t a la projection des entites en mouvement dans la scene. Nous avons pose le processus de detection du mouvement comme l'identification d'un champ d'etiquettes (etiquettes a pour la projection d'une entite en mouvement; b pour une zone fixe) dont une modelisation a priori exprime ses proprietes locales. Le champ des etiquettes est ainsi postule markovien en espace et en temps. L'identification des etiquettes s'effectue par une estimation bayesienne a posteriori. Ceci permet d'apprehender comme un tout les deux volets mentionnes plus haut. Le premier correspond alors a une prise en compte des observations. Le second se traduit en fait en termes contextuels, a la fois spatiaux dans le plan image et temporels selon l'axe t. Par ailleurs, seuls des calculs locaux sont effectues alors que le critere est global. Enfin, le type de modelisation definie (champs markovien en espace et en temps) et la nature de la phase recursive d'optimisation permettent de deboucher tout naturellement sur une procedure de suivie tres simple. Les applications de la detection du mouvement sont variees tant au niveau de la robotique que de la surveillance (du trafic routier par exemple). Une autre application developpee ici concerne la trajectographie optique sous-marine. Ce projet realise au sein de la cbi (collaboration bretagne image) consiste a reconstruire la trajectoire d'un engin sous-marin a partir d'une sequence d'images acquise par une camera embarquee pointant vers le fond marin