Reconnaissance d'images par deep learning appliquée dans le contexte de la vidéosurveillance d'oiseaux migrateurs dans leur habitat naturel

- Evaluation de la reconnaissance des images et de la précision du CNN. - Réduction de la complexité des CNNs afin de les implémenter sur des nœuds de capteurs sans fils. - Rédiger un premier article et participation à des conférences internationales. - Identifier un ou plusieurs types d'oiseaux migrateurs de la région el tarf-Annaba pour créer use base de données et tester les résultats.

Codage à faible complexité pour la surveillance des oiseaux dans leur habitats naturels

-Des techniques de compression de faibles complexités vont etre développées -Application à la surveillance des oiseaux dans leur habitats naturels -Cette thèse est inscrite dans le cadre d'un projet franco-algérien TASSILI

Protection des données au niveau source d’un streaming vidéo dans les réseaux sans fils

Développement de techniques de protection de la transmission vidéo en exploitant le multi description coding

Amélioration de la transmission à distance de la vidéo compressée : Application à un système de vidéosurveillance à faible latence

Les progrès de la communication sans fil et des réseaux mobiles permettent à la vidéo d'occuper la plus grande partie du trafic traversant l'internet. Cependant, la communication d'informations en temps réel par le biais d'un support sans fil est sujette à des problèmes de perte de données, surtout lorsqu'il s'agit de transmettre des informations hautement liées comme la vidéo. De plus, cela est dû aux caractéristiques variables dans le temps du canal sans fil. À cette fin, des techniques de résilience aux erreurs doivent être employées pour protéger la vidéo transmise par les réseaux sans fil. En exploitant les nouvelles fonctionnalités avancées des normes de codage vidéo, cette thèse fournit une protection au niveau de la source de l'information vidéo transmise à travers des réseaux sujets aux erreurs pour les applications de vidéosurveillance à faible latence. Les principales contributions de notre thèse sont basées sur le standard HEVC car il offre des capacités de compression supérieures à celles de ses prédécesseurs. Dans un premier temps, et afin de développer des algorithmes résistants aux erreurs, cette thèse fournit une analyse approfondie des caractéristiques de codage HEVC au moyen d'études comparatives dans des environnements sans erreur et avec erreur. Dans un deuxième temps, la thèse propose un algorithme qui évite le référencement à partir d'images erronées précédemment encodées. Ainsi, l'encodeur change ses images de référence en fonction des informations sur l'état des erreurs reçues du décodeur via des mises à jour du canal de rétroaction. En effet, combiné à la première approche, notre travail fait une utilisation intelligente des vecteurs mobiles pour résoudre la limitation de l'algorithme de sélection des images de référence. En outre, il tronque la propagation des erreurs et améliore ainsi la qualité perçue de la vidéo finale. Compte tenu de ce qui précède, cette thèse vise à assurer le meilleur compromis entre la fiabilité, l'interactivité et l'efficacité de la compression. Dans notre thèse, des travaux expérimentaux approfondis ont été menés pour évaluer les performances des méthodes que nous proposons. Les tests incluent des environnements sans erreur et avec erreur avec différentes configurations de réseau. En fait, les résultats obtenus montrent que nos mécanismes améliorent les performances de résilience aux erreurs par rapport aux autres algorithmes. Cependant, les améliorations peuvent être constatées par une évaluation subjective ainsi que par une évaluation objective en termes de YUV-PSNR.

Etude et mise en œuvre d’un encodeur vidéo basé objet pour les systèmes de vidéosurveillance sans fils embarqués

Les systèmes de vidéosurveillance sans fil embarqués gagnent en popularité grâce aux progrès des systèmes Internet des objets (IoT) et des réseaux de capteurs multimédias sans fil. Ces systèmes ont de nombreuses applications, notamment le suivi et la surveillance de cibles militaires, les secours en cas de catastrophe, la surveillance de la santé biomédicale, la détection sismique, la surveillance de l'environnement et les villes intelligentes. La transmission de données multimédias à faible débit tout en maintenant des données transmises de haute qualité est toujours un challenge dans les systèmes alimentés par batterie en raison de l'énergie limitée. Cette thèse relève ce défi en optimisant l'efficacité énergétique dans les réseaux de capteurs multimédias sans fil pour les environnements de surveillance sans fil à ressources limitées. L'accent est mis sur le développement de nouveaux codeurs qui minimisent la consommation d'énergie tout en maintenant une qualité d'expérience (QoE) élevée pour le traitement humain et machine. La thèse introduit des méthodes de faible complexité pour détecter les régions d'intérêt (ROI) dans les images vidéo. Cela améliorera la précision et la robustesse en tirant parti de plusieurs techniques de détection d'objets. Ces techniques de détection sont intégrées en tant que pré-encodeurs dans différentes chaînes d'encodage pour la vidéosurveillance sans fil, permettant d'importantes économies d'énergie et de débit jusqu'à 98% tout en préservant une qualité de service (QoS) et QoE acceptable. Plusieurs tests et expérimentations démontrent la faisabilité et l'efficacité des approches proposées dans cette thèse. Les résultats de cette recherche ouvrent la voie à de futures recherches dans ce domaine.