Abstract FR:

Cette these presente une implementation temps reel d'une chaine algorithmique de detection de mouvement et de suivi d'objets. La detection de mouvement est realisee par une difference d'images qui est relaxee par un processus markovien afin d'obtenir une detection robuste. Deux modeles markoviens sont presentes : l'un monoresolution, l'autre multiresolution. Les pixels detectes en mouvement sont regroupes en region grace a un nouvel algorithme d'etiquetage en composantes connexes. Cet algorithme base sur un codage rlc a la propriete d'etre optimum vis-a-vis du nombre d'etiquettes creees. Il est de plus tres rapide et sa complexite est quasi independante des donnees. Deux techniques de suivi sont developpees. La premiere implemente un parcours d'arbre minimisant la distance entre les bords des regions, pour mettre en correspondance ces regions. Cette technique est simple et tres rapide. La seconde est basee sur une approche cinematique et utilise des filtres predictifs pour les associations. Une procedure d'estimation - verification des choix permet de rendre ces choix tres robustes. Pour respecter la cadence video, il est necessaire d'optimiser l'execution des differents algorithmes. Nous presentons des techniques logicielles issues du calcul scientifique pour accelerer leur vitesse d'execution sur les processeurs risc et les dsp vliw. Le deroulage de boucle et le pipeline logiciel optimisent les nids de boucles et le blocage de cache, la localite des donnees. Ces techniques sont presentees a travers l'exemple des filtres recursifs de detection de contours qui permettent d'evaluer les performances, aussi bien des architectures que des techniques d'optimisations. Ces techniques d'optimisation sont ensuite appliquees a la relaxation markovienne et a l'etiquetage. Le facteur d'acceleration ainsi obtenu est superieur a 2. De plus nous estimons que la relaxation et l'etiquetage se parallelisent facilement et efficacement.