Détection de motifs

L’objectif du TP est de détecter et reconnaître les panneaux de limitation de vitesse sur des images issues de caméras montées sur des véhicules. Deux méthodes seront comparées : le filtre adapté et l’algorithme SIFT.

Filtrage adapté

• Avant de traiter une véritable observation, commencez à mettre au point le filtre en cherchant le motif P90.png sur panneaux.jpg avec la fonction skimage.feature.match_template. Pour observer le résultat, vous pouvez matérialiser l’emplacement du motif détecté sur l’observation en traçant un cadre sur l’image. Inspirez vous pour cela de l’exemple de la documentation de scikit-image.

• Appliquez le filtre adapté sur l’image réelle route1.jpg, toujours avec le motif P90.png.

• Appliquez le filtre adapté sur l’image réelle route6.jpg avec le motif P70.png. Que se passe-t-il ?

• Améliorez la méthode pour qu’elle fonctionne correctement.

• Mesurez le temps de calcul de la méthode (par exemple avec la méthode décrite ici). Cette mesure sera à comparer le temps de calcul de l’algorithme SIFT.

• On souhaite enfin que la méthode puisse non seulement détecter mais aussi reconnaître le panneau de limitation de vitesse. Vous avez pour cela à votre disposition les panneaux P50.png, P70.png, P90.png, P110.png et P130.png. Modifiez la méthode pour qu’elle puisse détecter et reonnaître la limitation appliquée.

Algorithme SIFT

• En partant de l’exemple SIFT feature detector and descriptor extractor, implémentez une méthode qui extrait les caractéristiques sur une observation et un panneau, puis affiche les correspondances.

• Mesurez le temps de calcul de la méthode et comparez-le avec celui du filtre adapté.

• Faites en sorte que la méthode puisse également reconnaître la limitation de vitesse parmi les 5 motifs proposés.