Thèse de Adel Benamara


Sujet :
Suivi visuel d’objets dans un réseau de caméras intelligentes : Application aux systèmes de manutention automatisés

Résumé :

Cette thèse se place dans le cadre de l’intralogistique (ou logistique interne), un domaine qui s’intéresse au traitement et à l’optimisation des flux physiques au sein des entrepôts, centres de distribution et usines. Les systèmes de manutention automatisés sont au cœur de la logistique interne de plusieurs industries comme le commerce en ligne, la messagerie postale, la grande distribution, l’industrie manufacturière, le transport aéroportuaire, etc. Ces équipements composés de lignes de convoyage haute cadence permettent un transport sûr et fiable d’un volume considérable de biens et de marchandises tout en réduisant les coûts.

L’automatisation de l’acheminement des flux physiques par les systèmes de manutention repose sur l’identification et le suivi en temps réel des charges transportées. Dans cette thèse, nous explorons une solution de suivi qui emploie un réseau de caméras intelligentes à champs recouvrants. L’objectif final est de fournir l’information de suivi sur les charges transportées pour le pilotage d’un système de manutention.

Le suivi d’objets est un problème fondamental de la vision par ordinateur qui a de nombreuses applications comme la vidéosurveillance, la robotique, les voitures autonomes, etc. Nous avons intégré plusieurs briques de base traditionnellement appliquées aux scènes de surveillance automobile ou de surveillance des activités humaines pour constituer une chaine de suivi de référence. Cette chaine d’analyse vidéo étalon nous a permis de caractériser des hypothèses propres au convoyage d’objets. Nous proposons d’incorporer cette connaissance métier dans la chaine de suivi pour en améliorer les performances. Nous avons notamment pris en compte, dans l’étape de segmentation des images, le fait que les objets doivent pouvoir s’arrêter sans pour autant être intégrés aux modèles d’arrière-plan. Nous avons également exploité la régularité des trajectoires des objets convoyés dans les installations, ce qui nous a permis d’améliorer les modèles prédictifs de la position et de la vitesse des objets, dans les étapes de suivi. Enfin, pour réidentifier les objets dans les situations ambigües, comme par exemple celle des objets proches les uns des autres, nous avons intégré des contraintes de stricte monotonie dans l’ordre des colis sur le convoyeur, contraintes qui n’existent pas dans les scènes généralistes.

Nous nous sommes par ailleurs attelés à un problème pratique d’optimisation des performances sur l’architecture multi-cœurs couplée aux caméras intelligentes. Dans ce cadre, nous avons mis en place un apprentissage dynamique de la zone de l’image contenant le 

convoyeur. Cela nous a permis de limiter la mise à jour du modèle de fond à cette seule zone d’intérêt. Nous avons, par la suite, proposé une stratégie de parallélisation qui partitionne de manière adaptative cette région d’intérêt de l’image, afin d’équilibrer au mieux la charge de travail entre les différents cœurs de l’architecture des caméras intelligentes.

Nous avons également traité la problématique du suivi sur plusieurs caméras. Nous avons proposé une approche basée sur un système de composition d’évènements. Cette approche nous a permis de fusionner les données de suivi local pour former les trajectoires globales des colis, tout en intégrant des informations issues du processus métier, par exemple la saisie de l’information de destination par des opérateurs sur un terminal avant la dépose des colis.

Nous avons validé cette approche sur un système de manutention mis en place dans un centre de tri postal de grande envergure. Le réseau de caméras déployé est composé de 32 caméras qui assurent le suivi de plus de 400.000 colis/jour sur des lignes de dépose. Le taux d’erreur du suivi obtenu est inférieur à 1 colis sur 1000 (0,1%).


Encadrant : Serge Miguet
Co-encadrant : Mihaela Scuturici

Jury :
Jenny Benois-PinneauProfesseur(e)Université de BordeauxRapporteur(e)
Thierry ChateauProfesseur(e)Université de Clermont AuvergneRapporteur(e)
Catherine AchardMaître de conférenceUniversité UPMC Paris 6Examinateur​(trice)
François BrémondDirecteur(trice) de rechercheINRIA Sophia AntipolisPrésident(e)
Serge MiguetProfesseur(e)Université Lumière Lyon 2Directeur(trice) de thèse
Mihaela ScuturiciMaître de conférenceUniversité Lumière Lyon 2Co-directeur (trice)
David ZakIngénieur(e) de rechercheFives CortXInvité(e)
Matthieu MilerIngénieur(e) de rechercheFives IntralogisticsInvité(e)