De nouvelles approches de vision par ordinateur et de machine learning permettent d'extraire des données plus précises et d'améliorer les images dégradées par les facteurs environnementaux.
Des chercheurs du Yale-NUS College ont développé parallèlement deux nouvelles techniques de la vision par ordinateur. Il s'agit de l'amélioration d'images ainsi que de l'estimation de la pose humaine en 3D dans les vidéos.
Améliorer les images dégradées
Différents facteurs externes tels que la pluie ou les conditions nocturnes comme les projecteurs réduisent souvent la qualité des images dans les vidéos. Des recherches basées sur la vision par ordinateur et le machine learning ont permis d'extraire des données plus précises et d'améliorer ces images dégradées.
C'est une équipe de recherche du Yale-NUS College qui a développé ces nouvelles techniques. La vision par ordinateur est utilisée dans le cadre des surveillances par vidéo. Elle concerne par exemple les véhicules autonomes, les dispositifs de santé, les appareils mis en œuvre pour la distanciation sociale, et bien d'autres. Un de ses plus gros défis concerne ces facteurs environnementaux qui peuvent impacter la qualité des données extraites.
Afin d'améliorer la qualité des images exposées à ces facteurs de dégradation, les chercheurs se servent d'algorithmes de machine learning. D'une part, ils permettent d'augmenter la luminosité des images en supprimant les effets de bruit, d'éblouissement, etc. Les images prises dans des conditions nocturnes deviennent ainsi nettement plus claires.
Par ailleurs, une autre étude consistait à utiliser un alignement de trames pour obtenir de meilleures informations visuelles. Cette deuxième méthode s'applique aux images qui présentent des traînées et un voile de pluie.
Estimer la pose humaine en 3D
Outre l'amélioration de la vision des images dégradées, les chercheurs ont également travaillé sur l'estimation de la pose humaine en 3D dans les vidéos. Pour estimer la pose humaine, il existe deux méthodes différentes : la vidéo monoculaire ou les vidéos de plusieurs caméras.
La méthode développée par les chercheurs du Yale-NUS College combine ces deux techniques. De cette manière, l'estimation est plus fiable dans des vidéos qui présentent un chevauchement de plusieurs personnes. Selon eux, leur prochaine tâche consistera à protéger les informations extraites de ces vidéos afin de préserver la confidentialité.
- Partager l'article :
