Vers une modélisation de foules très denses pour assister la gestion et la sécurité – MOHICANS

En vision, un des sujets de recherche en pleine expansion récemment est l'analyse d'espaces piétonniers congestionnés. L’intérêt peut s'expliquer d'abord en termes d’applicabilité. Lorsque la surveillance de zones publiques ou à risque a bénéficié des avancées technologiques, l'exploitation de ces systèmes est actuellement limitée au niveau du traitement des données. En effet, la supervision humaine est une tâche laborieuse qui requiert parfois des opérateurs expérimentés. Les événements de grande échelle (événements sportifs, manifestations sociales), caractérisés par des densités élevées (au moins localement) et par un risque important de congestion ont également contribué à l'essor du besoin de l'analyse de foules. D'un point de vue purement scientifique, la détection de personnes en différentes circonstances, et également l’interprétation de leurs actions, font appel à de nombreux sous-domaines de la vision par ordinateur et de l'apprentissage.

Analyse par une seule camera
L'analyse par une seule camera représente le cas typique pour de nombreuses applications liées à la prévention et la détection de risques. Malgré le fait que certains réseaux de cameras contiennent des milliers de capteurs, il est assez habituel d'effecteur des tâches d'analyse indépendamment. Néanmoins, ce type d'analyse est limité par le champ de vue de chaque capteur et par la structure spatiale de la scène; de même, les occultations, fréquentes dans les scènes denses, diminuent les performances des algorithmes de détection et complexifient le suivi temporel.

Analyse multi-camera
Cette approche a le potentiel de surmonter les problèmes liés aux scènes fortement occultées, aux suivis de trajectoire de longue durée et à la couverture de surfaces étendues. Parmi les défis scientifiques, on peut rappeler le besoin de recaler les différentes vues dans le même système de coordonnées; de plus, la résolution des problèmes spécifiques liés aux systèmes multi-caméra (détection dans des foules très denses, association et suivi d'objets, re-identification) ne peut pas se faire simplement en adaptant des stratégies utilisées pour les systèmes à une seule
camera.

Le cadre applicatif de notre étude est l'analyse de la dynamique d'une foule très dense. L'objectif est de détecter et de suivre en tant que particules des milliers de participants qui forment une foule très dense, et à partir des observations, d'avancer dans la direction de la proposition et de la validation d'un modèle d'interaction entre personnes. Notre projet est original en ce qui concerne les aspects focalisation et analyse au niveau de particules, ainsi que par l'importance qu'on donne à l'analyse à grande échelle. La stratégie prospective est basée sur un bouclage entre la détection et le suivi temporel, qui devrait nous permettre de gérer le problème fondamental de cette application - l'incertitude des associations. L’intérêt de cette étude est fondé sur le besoin de disposer des outils pour comprendre la dynamique des foules très denses, et ainsi de pouvoir proposer de meilleures solutions pour le design des environnements urbains et des infrastructures de transport qui soit optimal du point de vue de l’efficacité des flots impliqués, mais aussi par rapport à l'amélioration de la qualité de vie des citoyens. Un autre intérêt majeur de cette recherche est le potentiel pour la prévention des tragédies dans les événements sociaux de grande échelle.

Au terme de ce projet, nous souhaitons proposer une méthodologie pour l'analyse de foules très denses qui bénéficie des dernières avancées des algorithmes de suivi mono camera, et qui propose également des solutions pour l'association multi-camera. En outre, notre intention est de soutenir la communauté de recherche par la mise en place d'une base de données multi-camera qui devrait permettre une implication plus forte de la part d'autres communautés connexes impliquées dans l’étude des foules (physique, contrôle, simulations, sociologie).