Réseaux Complexes pour l’Analyse des Images et des Vidéos

Abstract

L'analyse des données visuelle est toujours une problématique d'intérêt dans différents domaines d'application (surveillance, automobile, sécurité, environnement, médecine,). Dans le cadre du travail réalisé, nous nous sommes intéressés au développement des méthodologies pour analyser les données visuelles, notamment, les images/les vidéos (films). Dans ce travail de thèse on s'adresse à deux problématiques, la segmentation pour les images/l'analyse des histoires pour les vidéos, plus précisément les films. Différentes techniques ont été développées dans la littérature pour l'analyse du contenu visuel, mais qui souffrent de certaines limites selon la nature des données traitées, la précision, la robustesse, la sémantique, etc. En dehors de ces méthodes, il s'est avéré que les approches fondées sur les réseaux complexes sont un très bon outil pour résoudre les deux problématiques mentionnées. Dans ce sens, le travail de cette thèse est divisé en deux parties : La première partie vise à proposer un framework qui est basé sur les approches graphes, notamment les algorithmes de détection des communautés, pour adresser le problème de la segmentation des images. Quant à la seconde partie, elle propose un modèle multi-couches basé sur les graphes pour analyser les histoires des films, ce modèle exploite le script du film pour construire les liens entre les différentes entités qui composent l'histoire film. Une extension de ce modèle a été proposé en utilisant les informations textuelles (script/sous-titres)/les informations visuelles (contenu multimédia, reconnaissance faciale, détection des captions) du film. Ces informations permettent d'extraire une structure plus riche du film. Les propriétés des graphes construits été exploitées par la suite pour analyser l'histoire du film (ex. propriétés topologiques, centralités, la structure communautaire).