P14AB04 Estimation de l'activité de Saumons par vision » History » Version 27

axel BARRIEUX, 04/06/2021 02:39 PM

1 2 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16081/P1422_title_bandeau_20140412113411_20140412113421.jpg!
2 2 axel BARRIEUX
3 2 axel BARRIEUX
*Projet GE2-GE3 2013* : P14AB04 Estimation de l'activité de Saumons par vision
4 2 axel BARRIEUX
*Entreprise / Client* : Salmoniculture Chanteuge / M. Patrick MARTIN
5 2 axel BARRIEUX
*Auteurs : Amin SOUFARI* / Jordane MALLERET / Yuan XU
6 2 axel BARRIEUX
*Responsable Projet* : M. Jacques LAFFONT
7 2 axel BARRIEUX
*Tuteur industriel* : M. Jean-Yves RIGNAULT
8 2 axel BARRIEUX
9 2 axel BARRIEUX
[[1. Résumé]] 
10 2 axel BARRIEUX
[[2. Abstract]] 
11 2 axel BARRIEUX
[[3. Introduction]] 
12 2 axel BARRIEUX
[[4. Présentation du Sujet]] 
13 2 axel BARRIEUX
[[5. Cahier des Charges]] 
14 2 axel BARRIEUX
[[6. Développement]] 
15 2 axel BARRIEUX
16 2 axel BARRIEUX
p(((. [[1. Problématiques]] 
17 2 axel BARRIEUX
[[2. Faisabilité]] 
18 2 axel BARRIEUX
[[3. Etude Théorique]]
19 2 axel BARRIEUX
[[4. Solutions]] 
20 2 axel BARRIEUX
    
21 2 axel BARRIEUX
[[7. Gestion de Projet]] 
22 2 axel BARRIEUX
        
23 2 axel BARRIEUX
p(((. [[1. W.B.S.]] 
24 2 axel BARRIEUX
[[2. Gantt]] 
25 2 axel BARRIEUX
    
26 2 axel BARRIEUX
[[8. Notes d'application]] 
27 2 axel BARRIEUX
28 2 axel BARRIEUX
p(((. [[1. sujet 1]] 
29 2 axel BARRIEUX
[[2. sujet 2]] 
30 2 axel BARRIEUX
    
31 2 axel BARRIEUX
[[9. Bilan]] 
32 2 axel BARRIEUX
        
33 2 axel BARRIEUX
p(((. [[1. Etat d'avancement]] 
34 2 axel BARRIEUX
[[2. Analyse Critique]]  
35 2 axel BARRIEUX
[[3. Perspectives]] 
36 2 axel BARRIEUX
37 2 axel BARRIEUX
[[10. Bibliographie]] 
38 2 axel BARRIEUX
39 4 axel BARRIEUX
p=. *%{color:red}1. Résumé%*
40 3 axel BARRIEUX
41 1 axel BARRIEUX
42 4 axel BARRIEUX
*Dans le cadre de notre formation d’ingénieur au département Génie Électrique de Polytech’Clermont-Ferrand, nous avons l’opportunité de réaliser le suivi et la réalisation du projet industriel intitulé : Estimation de l’activité de saumons par vision. Ce projet est proposé par le Conservatoire National du Saumon Sauvage (CNSS) de Chateugnes en Haute-Loire (43) dans le cadre du programme de repeuplement de l’Allier en saumons.*
43 4 axel BARRIEUX
44 4 axel BARRIEUX
*Mots clés : Saumon, Traitement d’image, OpenCV, Correction, Vitesse, Orientation, Répartition, Erreur*
45 4 axel BARRIEUX
46 4 axel BARRIEUX
---
47 4 axel BARRIEUX
48 4 axel BARRIEUX
p=. *%{color:red}2. Abstract%*
49 4 axel BARRIEUX
50 4 axel BARRIEUX
*In the context of our engineering electrical engineering at Polytech 'Clermont-Ferrand, we had the opportunity to study the project : "Estimation de l’activité de saumons par vision". This project is proposed by the CNSS (Conservatoire National du Saumon Sauvage) in order to rincrease the number of salmon at the river Allier.
51 4 axel BARRIEUX
Key Words: Salmon, Image processing, OpenCV, optical flow algorithm, correlation algorithm, Corrector, Error*
52 4 axel BARRIEUX
 
53 4 axel BARRIEUX
p=. *%{color:red}3. Introduction%*
54 4 axel BARRIEUX
55 4 axel BARRIEUX
*L’adaptation des écosystèmes, des plantes, des animaux et des micro-organismes aux changements globaux représente un enjeu stratégique, économique et sociétal important.
56 4 axel BARRIEUX
Une bonne connaissance de ces mécanismes d’adaptation devrait permettre de maintenir la capacité d’évolution des écosystèmes naturels et la productivité des écosystèmes exploités. C’est dans cette thématique que le programme de BIOADAPT se motive.
57 4 axel BARRIEUX
Dans le cadre de ce programme l’ANR, le CNSS, et le museum national d’histoire naturelle se sont rassemblés pour étudier en particularité le projet de << Réchauffement global et l’adaptation à la migration chez le saumon Atlantique de rivière longue, l’axe Loire-Allier >>.
58 4 axel BARRIEUX
Pour parvenir à cet objectif, le CNSS nous propose de créer un algorithme permettant d’estimer l’activité des saumons par vision. Pour cela des expérimentations avec un suivi vidéo sur le comportement des jeunes saumons ont été programmées au sein du CNSS notamment en plaçant ces jeunes saumons face à des situations de stress.*
59 4 axel BARRIEUX
60 4 axel BARRIEUX
---
61 4 axel BARRIEUX
62 4 axel BARRIEUX
p=. *%{color:red}4. Présentation du Sujet%*
63 4 axel BARRIEUX
64 4 axel BARRIEUX
*Dans le cadre du programme de recherche BIOADAPT de l’Agence nationale de la Recherche (ANR), le conservatoire national du saumon sauvage (CNSS) s’est associé avec le CNRS et le Museum national d’histoire naturelle dans un projet commun sur le Réchauffement global et l’adaptation à la migration chez le saumon atlantique de rivière longue, et en particulier sur l’axe Loire-Allier. Nous avons dès alors eu l’opportunité de choisir le sujet : Estimation de l’activité de saumons par vision.*
65 4 axel BARRIEUX
66 4 axel BARRIEUX
*Notre client est dès lors M. Patrick Martin représentant de la salmoniculture de Chanteuges en Haute-Loire (43).*
67 4 axel BARRIEUX
68 4 axel BARRIEUX
---
69 4 axel BARRIEUX
70 4 axel BARRIEUX
p=. *%{color:red}5.Cahier des Charges%*
71 4 axel BARRIEUX
72 4 axel BARRIEUX
*L’objectif global du projet est de pouvoir automatiser le traitement des images enregistrées pour caractériser le comportement de nage des poissons. Ils pourront être classés suivants :*
73 4 axel BARRIEUX
74 4 axel BARRIEUX
p(((. *- L'orientation*
75 4 axel BARRIEUX
76 4 axel BARRIEUX
*Le poisson face au courant sans mouvement (comportement rheotactic positif), le poisson se déplace et nage à contre-courant (comportement rheotactic positif) et, le poisson se déplace dans le sens du courant (comportement rheotactic négatif).*
77 4 axel BARRIEUX
78 4 axel BARRIEUX
p(((. *- La vitesse*
79 4 axel BARRIEUX
80 4 axel BARRIEUX
*Des données sur la vitesse angulaire des poissons devront être fournies pour chaque heure en fonction des moyennes individuelles observées.*
81 4 axel BARRIEUX
82 4 axel BARRIEUX
p(((. *- La répartition*
83 4 axel BARRIEUX
84 4 axel BARRIEUX
*Déterminer la tendance de regroupement des poissons par rapport au bassin entier.*
85 4 axel BARRIEUX
86 4 axel BARRIEUX
*Le sujet du projet de cette année est de qualifier la précision de l’algorithme développé en 2013, de quantifier les erreurs et leur origine et de proposer une structure améliorée du programme. Cet objectif a pour but de pouvoir assurer et démontrer la précision des mesures effectuée sur la vitesse des poissons.*
87 4 axel BARRIEUX
88 4 axel BARRIEUX
---
89 4 axel BARRIEUX
90 4 axel BARRIEUX
p=. *%{color:#82B6E1}6. Développement%*
91 4 axel BARRIEUX
92 4 axel BARRIEUX
---
93 4 axel BARRIEUX
94 4 axel BARRIEUX
*%{color:#82B6E1}6. 1 Problématiques%*
95 4 axel BARRIEUX
96 4 axel BARRIEUX
*Les problématiques se concentrent principalement sur l’optimisation et la quantification d’erreur du programme en langage C++ avec OpenCV issue de la phase d’étude de faisabilité.*
97 4 axel BARRIEUX
98 4 axel BARRIEUX
*Ce dernier a pour fonction de:*
99 4 axel BARRIEUX
100 4 axel BARRIEUX
p(((. *- Déterminer la vitesse, le sens de nage et la répartition des poissons.
101 4 axel BARRIEUX
- Traiter les vidéos de jour et de nuit.
102 4 axel BARRIEUX
- Être fiable dans toutes les phases de l'évolution du poisson.
103 4 axel BARRIEUX
- Calculer la vitesse sous quatre configurations de bassin différent*
104 4 axel BARRIEUX
105 4 axel BARRIEUX
106 4 axel BARRIEUX
*L’optimisation se porte principalement sur la robustesse du programme et sur la minimisation des erreurs de vitesses mesurées*
107 4 axel BARRIEUX
108 4 axel BARRIEUX
p(((. *- Améliorer la stabilité du programme pour certaines vidéos
109 4 axel BARRIEUX
- Minimiser les erreurs sur les vitesses angulaires
110 4 axel BARRIEUX
- Fournir les relevés de mesures sur un fichier Excel*
111 4 axel BARRIEUX
112 4 axel BARRIEUX
---
113 4 axel BARRIEUX
114 4 axel BARRIEUX
*%{color:#82B6E1}6. 2 Faisabilité%*
115 4 axel BARRIEUX
116 4 axel BARRIEUX
*La faisabilité de ce projet repose sur la possibilité de déterminer l’erreur sur chacune des sources susceptibles de la générer. Il faut donc une référence sur laquelle on va pouvoir comparer les vitesses angulaires réelles des poissons et celles que nous calculons via notre programme.*
117 4 axel BARRIEUX
118 4 axel BARRIEUX
*Cette faisabilité ne peut être validée que si le travail de sous-traitances prévu pour les « nouveaux » GE4 se fait avec minutie.
119 4 axel BARRIEUX
Le projet ne peut arriver à son terme que si la phase de détection des poissons dans les différents bassins est rapide et correcte. La majorité des vidéos étant déjà faite, il faut donc trouver une solution qui permet d’identifier les saumons sans avoir à baliser en amont ces derniers.*
120 4 axel BARRIEUX
121 4 axel BARRIEUX
*La base de données des vidéos est équivalente à près de 3 ans de vidéos filmées 24 h/24 et 7jours sur 7. Le programme ne doit en aucun cas s’arrêter en cas de conflits avec l’une de ces vidéos, elle doit dans l’éventuel cas pouvoir « ignorer » la vidéo problématique et continuer son exécution.*
122 4 axel BARRIEUX
123 4 axel BARRIEUX
---
124 4 axel BARRIEUX
125 4 axel BARRIEUX
*%{color:#82B6E1}6. 3 Etude Théorique%*
126 4 axel BARRIEUX
127 4 axel BARRIEUX
p(((((. *%{color:#82B6E1}1)Indentification des différentes sources d’imprécision%*
128 4 axel BARRIEUX
129 4 axel BARRIEUX
*Les principales sources d’erreur sont issues de :*
130 4 axel BARRIEUX
131 4 axel BARRIEUX
p(((. *- L’erreur de parallaxe et de la profondeur du poisson dans le bassin
132 4 axel BARRIEUX
- L’erreur issue de la corrélation des images
133 4 axel BARRIEUX
- La distance parcourue d’un poisson entre 2 scanlines*
134 4 axel BARRIEUX
135 4 axel BARRIEUX
p(((((. *%{color:#82B6E1}2) Correction de la vidéo déformée%*
136 5 axel BARRIEUX
137 5 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16082/Image1_20150201192756_20150201192815.png!
138 6 axel BARRIEUX
139 6 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16083/Image2_20150201193018_20150201193043.png!
140 6 axel BARRIEUX
141 6 axel BARRIEUX
p=. Image issue de la camera
142 6 axel BARRIEUX
143 6 axel BARRIEUX
*Dans les vidéos fournies, le rond du bassin n’est pas exactement centré, ce que l’on appelle la déformation de la vidéo. Si nous traitons les problématiques sur les vidéos déformées, on obtiendra les résultats biaisés.*
144 6 axel BARRIEUX
145 6 axel BARRIEUX
*Pour corriger la vidéo déformée, nous développons un programme permettant de corriger les vidéos pour chaque bassin. Dans notre programme, nous considérons cette forme déformée comme une forme ellipse. Notre programme permet tout d’abord de détecter cette ellipse et ensuite de la transformer en cercle.*
146 6 axel BARRIEUX
147 6 axel BARRIEUX
*Pour la détection de l’ellipse, mathématiquement, on doit trouver les paramètres indiqués dans la figure suivante :*
148 7 axel BARRIEUX
149 7 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16084/Image3_20150201193018_20150201193102.png!
150 7 axel BARRIEUX
151 7 axel BARRIEUX
p=. Equation parabolique
152 7 axel BARRIEUX
153 7 axel BARRIEUX
*Mais cela n’est pas facile, surtout lors d’un cas d’une ellipse à droite, donc nous détectons l’ellipse en cliquant sur les 4 extrémités dans les images capturées.*
154 7 axel BARRIEUX
155 7 axel BARRIEUX
*Une fois l’ellipse est détectée, en utilisant une fonction de OpenCV warpPerspective, on transforme l’ellipse en forme cercle pour les 4 bassins selon le nom de la vidéo.*
156 7 axel BARRIEUX
157 7 axel BARRIEUX
*Voici un exemple de la correction pour le bassin 8 :*
158 8 axel BARRIEUX
159 8 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16085/Image4_20150201193018_20150201193119.png!
160 8 axel BARRIEUX
161 8 axel BARRIEUX
p=. Correction d'image
162 8 axel BARRIEUX
163 8 axel BARRIEUX
p(((. *%{color:#82B6E1}3) Calcul des imprécisions%*
164 8 axel BARRIEUX
165 8 axel BARRIEUX
p(((. 3.1) Calcul de l’imprécision liée à la profondeur 
166 8 axel BARRIEUX
167 8 axel BARRIEUX
*Pour ce calcul, nous cherchons dans le pire des cas, sur les 2 extrémités du bassin, le poisson à la surface du bassin et le poisson au fond du bassin.*
168 9 axel BARRIEUX
169 9 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16086/im1_20150202002856_20150202002911.png!
170 9 axel BARRIEUX
171 9 axel BARRIEUX
*Dans la figure au-dessus, le poisson p2 est le poisson à la face du bassin, le poisson p1 est le poisson au fond du bassin, ils ont la même taille réelle L. Et leurs tailles relatives dans image capturée est l2 et l1 qui ne sont pas égales.
172 9 axel BARRIEUX
d est la distance entre la lentille de la caméra et la surface, a est la distance de l’écran à la lentille de la caméra, h est la profondeur entre la surface et le fond.*
173 9 axel BARRIEUX
174 9 axel BARRIEUX
*D’après la relation géométrique, nous avons la relation ci-dessous :*
175 10 axel BARRIEUX
176 10 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16087/im2_20150202002737_20150202002757.png!
177 11 axel BARRIEUX
178 11 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16088/im3_20150202002737_20150202002809.png!
179 11 axel BARRIEUX
180 11 axel BARRIEUX
181 12 axel BARRIEUX
*D’après le calcul, nous trouvons une imprécision maximale au pire des cas, qui est égale à 24%.*
182 11 axel BARRIEUX
183 11 axel BARRIEUX
184 12 axel BARRIEUX
p(((. *3.2) Calcul de l’imprécision de la corrélation*
185 11 axel BARRIEUX
186 12 axel BARRIEUX
*La corrélation consiste donc à compter le nombre d’images au moment où on obtient le maximum de la vraisemblance.*
187 1 axel BARRIEUX
188 12 axel BARRIEUX
*Nous avons plus ou moins une erreur de 2 images au pire des cas.
189 12 axel BARRIEUX
Donc nous avons la relation suivante :*
190 1 axel BARRIEUX
191 12 axel BARRIEUX
p(((. !https://forge.clermont-universite.fr/attachments/download/16089/im4_20150202003253_20150202003510.png!
192 12 axel BARRIEUX
193 27 axel BARRIEUX
*pas : une image*
194 12 axel BARRIEUX
195 12 axel BARRIEUX
*Comme en 1 seconde il y a 15 images, donc nous avons trouves une imprécision maximale en temps : 2/15 = 13,3%*
196 12 axel BARRIEUX
197 12 axel BARRIEUX
p(((. *3.3) Calcul de l’imprécision liée à la distance parcourue d’un poisson entre 2 scanlines*
198 12 axel BARRIEUX
199 12 axel BARRIEUX
*Dans l’algorithme de 2013, nous avons fait une hypothèse que les poissons passent perpendicuilairement par les 2 scanlines, mais en réalité, les poissons peuvent faire un pacrours d’un arc, donc cela est aussi une source d’erruer.*
200 13 axel BARRIEUX
201 13 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16090/im5_20150202003851_20150202003915.png!
202 13 axel BARRIEUX
203 13 axel BARRIEUX
*Dans la figure au dessus, d est le parcours supposé du possion dans l’algorithme de 2013, qui est imposé à 30 pixels. l est le parcours réel du poisson. α est l’angle de l’arc du parcours du poisson. R est le rayon du bassin, r est le rayon du parcours du poisson. a est la distance entre le poisson et la droite passante par le centre du bassin.*
204 13 axel BARRIEUX
205 13 axel BARRIEUX
*D’apès la relation géomérique et mahtématique, nous avons les relations suivantes :*
206 14 axel BARRIEUX
207 14 axel BARRIEUX
p<. !https://forge.clermont-universite.fr/attachments/download/16091/im6_20150202004622_20150202004635.png!
208 15 axel BARRIEUX
209 15 axel BARRIEUX
p<. !https://forge.clermont-universite.fr/attachments/download/16092/im7_20150202004622_20150202004651.png!
210 15 axel BARRIEUX
211 15 axel BARRIEUX
*Enfin l peut s’exprimer en fonction d’a et de d.*
212 16 axel BARRIEUX
213 16 axel BARRIEUX
p<. !https://forge.clermont-universite.fr/attachments/download/16093/im8_20150202004622_20150202004711.png!
214 16 axel BARRIEUX
215 16 axel BARRIEUX
*Quand a = 0, la distance entre le poisson et la droite passante par le centre du bassin est nul, le poisson est autour du rond du bassin. Dans ce cas, le poisson fait une distance maximale, nous trouvon : lmax = (π-0)d/2 = 47 pixels.
216 16 axel BARRIEUX
Nous avons une imprécision maximale de 36% qui est rare d'atteindre.*
217 16 axel BARRIEUX
218 16 axel BARRIEUX
*Quand a = R, la distance entre le poisson et la droite passante par le centre du bassin est égale au rayon du bassin, le poisson est au bord du bassin. Dans ce cas, le poisson fait une distance minimale, son trajet est le plus proche du parcours supposé dans l’algorithme, nous avons : lmin ≈ d =30,009 pixels.
219 16 axel BARRIEUX
Nous trouvons une imprécision minimale de 0.03%.*
220 16 axel BARRIEUX
221 16 axel BARRIEUX
*cette année nous avons develloppé un nouvel algorthme permettant de rendre un meilleur résultat, mais, il existe toujours des erreurs matérielles à cause de la position de la caméra, en revanche, on arrive à réduire les imprécisions dites algoritemiques avec le nouvel algorithme implémenté.*
222 16 axel BARRIEUX
223 16 axel BARRIEUX
---
224 16 axel BARRIEUX
225 16 axel BARRIEUX
*%{color:#82B6E1}6. 4 Solutions%*
226 16 axel BARRIEUX
227 16 axel BARRIEUX
*La faisabilité du projet montre qu’une approche purement locale basée sur la méthode des scanlines est sujette à des erreurs variables et difficilement corrigibles. On propose donc une nouvelle solution basée sur la notion de « poisson à poisson ».*
228 16 axel BARRIEUX
229 16 axel BARRIEUX
p(((. *%{color:#82B6E1}1) Détection des poissons%*
230 16 axel BARRIEUX
231 16 axel BARRIEUX
*La détection des poissons est l’étape clé du programme, car si on ne détecte pas les poissons, il est difficile d’analyser les résultats.*
232 16 axel BARRIEUX
233 16 axel BARRIEUX
*Deux principales méthodes sont ici utilisées, elles apportent chacun sont lots d’avantage et contraintes. Cependant une fois réunis les résultats sont robustes et cohérents.*
234 16 axel BARRIEUX
235 16 axel BARRIEUX
*+Méthode du background substraction (BS)+*
236 16 axel BARRIEUX
237 16 axel BARRIEUX
*Le BS est une technique fréquemment utilisée pour générer dans un premier temps une image de fond des objets statiques présent dans une vidéo ou une scène et en déterminer les éléments différents de l’image de fond. En d’autres termes on cherche les éléments mobiles (current frame) par rapport au fond( background model ). Ceci est fait via des routines OpenCV réalisant une comparaison d’image et un seuillage fixe.
238 16 axel BARRIEUX
Le résultat obtenu est alors une image binarisée (foreground mask).*
239 17 axel BARRIEUX
240 17 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16094/Image5_20150201193018_20150201193134.png!
241 17 axel BARRIEUX
242 17 axel BARRIEUX
p=. Méthode BS OpenCV
243 17 axel BARRIEUX
244 17 axel BARRIEUX
*La méthode est relativement fiable si le modèle du fond est correctement effectué. Cela se traduit par un fond qui est statique dans le temps. Cependant, ce fond nécessite un temps de traitement aussi long que le nombre d’images d’une vidéo comporte des variations.*
245 17 axel BARRIEUX
246 17 axel BARRIEUX
*Les vidéos des bassins présentent le mouvement de nombreux poissons, de vagues, de déplacement de dépôt sur la surface du bassin. Le modèle de background doit donc être construit sur une moyenne dynamique d’image. Cette méthode est relativement couteuse en temps de traitement mais permet de mettre en évidence la présence de poisson.*
247 18 axel BARRIEUX
248 18 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16095/Image6_20150201193018_20150201193152.png!
249 18 axel BARRIEUX
250 18 axel BARRIEUX
p=. Image seuillée obtenue
251 18 axel BARRIEUX
252 18 axel BARRIEUX
*Une fois l’image seuillée déduite, il est alors possible de déduire les contours appartenant aux saumons. Pour cela, il suffit d’estimer les dimensions des contours.*
253 19 axel BARRIEUX
254 19 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16096/Image7_20150201193018_20150201193207.png!
255 19 axel BARRIEUX
256 19 axel BARRIEUX
p=. Detection des poissons
257 19 axel BARRIEUX
258 19 axel BARRIEUX
*+Méthode du seuillage adaptatif+*
259 19 axel BARRIEUX
260 19 axel BARRIEUX
*La méthode proposée, consiste à découper l’image en sous-image de manière judicieuse afin d’adapter le seuil à chacune d’entre elles. Cette méthode se décompose en 2 grandes étapes.*
261 19 axel BARRIEUX
262 19 axel BARRIEUX
*La première étape est le découpage de l’image. Ceci peut se baser sur la méthode de Horowitz et Pavilidis (1972) qui consiste à diviser l’image en plusieurs régions en suivant des tests d’homogénéité.*
263 20 axel BARRIEUX
264 20 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16097/Image8_20150201201006_20150201201430.png!
265 20 axel BARRIEUX
266 20 axel BARRIEUX
p=. Subdivision d'image
267 20 axel BARRIEUX
268 20 axel BARRIEUX
*La seconde étape a pour but de séparer plus finement les pixels de chaque sous-image (en image gris résultante) grâce à un seuillage global tenant compte d’informations locales au voisinage des pixels frontières entre fond et objet.*
269 21 axel BARRIEUX
270 21 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16098/Image9_20150201193018_20150201193239.png!
271 21 axel BARRIEUX
272 21 axel BARRIEUX
p=. Image seuillée resultant de la méthode de seuillage adaptatif
273 21 axel BARRIEUX
274 21 axel BARRIEUX
*Une fois les différents contours identifiés, il est possible de distinguer ceux appartenant aux poissons de ceux appartenant aux différents éléments présents dans le bassin en effectuant des tests de dimensionnements.*
275 21 axel BARRIEUX
276 21 axel BARRIEUX
p(((. *%{color:#82B6E1}2) Calcul de vitesse et d’orientation%*
277 21 axel BARRIEUX
278 21 axel BARRIEUX
*Le calcul de vitesse est basé sur la notion de mémoire de passage.*
279 22 axel BARRIEUX
280 22 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16099/Image10_20150201194045_20150201194102.png!
281 23 axel BARRIEUX
282 23 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16100/Image11_20150201201006_20150201201647.png!
283 23 axel BARRIEUX
284 23 axel BARRIEUX
p=. Image post-traitement vitesse
285 23 axel BARRIEUX
286 23 axel BARRIEUX
p(((. *%{color:#82B6E1}3) Calcul de répartition des poissons dans le bassin%*
287 23 axel BARRIEUX
288 23 axel BARRIEUX
*Le principe consiste à déterminer le ratio d’aire occupée par l’enveloppe convexe regroupant l’ensemble les saumons par rapport à l’aire du bassin complet.*
289 23 axel BARRIEUX
290 23 axel BARRIEUX
*La détermination de l’enveloppe convexe peut se faire par différent moyen. La solution retenue est le parcours de Graham (1972) qui offre un temps de résolution relativement court et une qualité de réponse excellente.*
291 24 axel BARRIEUX
292 24 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16101/Image12_20150201201006_20150201201901.png!
293 24 axel BARRIEUX
294 24 axel BARRIEUX
p=. Enveloppe convexe trouvée
295 24 axel BARRIEUX
296 24 axel BARRIEUX
*Une fois l’enveloppe déterminée, le calcul de son aire, aire d’un polygone peut être réalisé en le subdivisant en plusieurs triangles. La formule d’Héron permet en effet de calculer l’aire d’un triangle à partir des longueurs de chacune de ses arrêtes.*
297 24 axel BARRIEUX
298 24 axel BARRIEUX
p(((. *%{color:#82B6E1}4) Qualité des résultats%*
299 24 axel BARRIEUX
300 24 axel BARRIEUX
*Les résultats obtenus par le programme ont été comparés par rapport aux résultats réalisés à l’œil humain par nos sous-traitants.*
301 24 axel BARRIEUX
302 24 axel BARRIEUX
*La procédure de sous-traitance consistait à sélectionner les poissons et les suivre sur une série d’images dans plusieurs vidéos différentes.*
303 24 axel BARRIEUX
304 24 axel BARRIEUX
*Dans des conditions optimales, la vitesse moyenne des poissons est estimée avec une précision de 23 % pour un temps de traitement équivalent à 35 % de celle de la vidéo.*
305 24 axel BARRIEUX
306 24 axel BARRIEUX
*Toujours dans les mêmes conditions, la répartition des poissons affiche un écart type maximum de 10 % pour un temps de traitement de 1 seconde par vidéo.*
307 24 axel BARRIEUX
308 24 axel BARRIEUX
*Ce haut degré d’erreur n’est pas problématique puisqu’il est globalement constant dans les diverses configurations de bassin. Le programme affiche alors une tendance de courbe cohérente à l’activité des poissons.*
309 24 axel BARRIEUX
310 24 axel BARRIEUX
---
311 24 axel BARRIEUX
312 24 axel BARRIEUX
p=. *%{color:red}7. Gestion de Projet%*
313 24 axel BARRIEUX
314 24 axel BARRIEUX
---
315 24 axel BARRIEUX
316 24 axel BARRIEUX
*%{color:#82B6E1}7. 1 W.B.S.%*
317 25 axel BARRIEUX
318 25 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16102/WBS_20140415142544_20140415144355.png!
319 25 axel BARRIEUX
320 25 axel BARRIEUX
---
321 25 axel BARRIEUX
322 25 axel BARRIEUX
*%{color:#82B6E1}7. 2 Gantt%*
323 26 axel BARRIEUX
324 26 axel BARRIEUX
p=. !https://forge.clermont-universite.fr/attachments/download/16103/GANTT_20150201202105_20150201202122.png!
325 26 axel BARRIEUX
326 26 axel BARRIEUX
---
327 26 axel BARRIEUX
328 26 axel BARRIEUX
p=. *%{color:red}8. Notes d'application%*
329 26 axel BARRIEUX
330 27 axel BARRIEUX
"Note_application_Deploiement_application_OpenCV.pdf":https://forge.clermont-universite.fr/attachments/download/16104/Note_application_Deploiement_application_OpenCV.pdf
331 26 axel BARRIEUX
332 27 axel BARRIEUX
"Note d'application _Identification modélisation et correction d'imprécisions.pdf?"
333 1 axel BARRIEUX
334 1 axel BARRIEUX
sujet 3
335 27 axel BARRIEUX
336 27 axel BARRIEUX
---
337 27 axel BARRIEUX
338 27 axel BARRIEUX
p=. *%{color:red}9. Bilan%*
339 27 axel BARRIEUX
340 27 axel BARRIEUX
Etat d'avancement
341 27 axel BARRIEUX
342 27 axel BARRIEUX
---
343 27 axel BARRIEUX
344 27 axel BARRIEUX
Analyse Critique
345 27 axel BARRIEUX
346 27 axel BARRIEUX
---
347 27 axel BARRIEUX
348 27 axel BARRIEUX
Perspectives
349 27 axel BARRIEUX
*+Optimisation du temps de traitement :+* *Au vu de la masse de donnée, plus de 3 ans de vidéos, il est primordiale d'economiser la moindre seconde, cela permet en effet de reduire jusqu'a des mois de traitement. Une piste possible est de traiter un nombre restreint d'image dans une vidéo.*
350 27 axel BARRIEUX
351 27 axel BARRIEUX
*+Estimation du degrés de turbidité du bassin :+* *Suivant ce degré, certain traitement de vidéo est inutile puisqu'interprétable pour l'oeil humain.* 
352 27 axel BARRIEUX
353 27 axel BARRIEUX
---
354 27 axel BARRIEUX
355 27 axel BARRIEUX
p=. *%{color:red}10. Bibliographie%*
356 27 axel BARRIEUX
*+Site de la bibliothèque OpenCV :+* *http://opencv.org/
357 27 axel BARRIEUX
Le site permet de télécharger la bibliothèque ainsi que de nombreux exemples de base.*