Résumé:
La diversite de l’environnement naturel tel que les changements d’ ´ eclairage, la dynamique ´
du fond, l’effet de camouflage, l’ombre, etc. pose un grand probleme pour les m ` ethodes de ´
detection des objets en mouvement qui n’arrivent pas ´ a bien g ` erer la multi-modalit ´ e des sc ´ enes `
dans les systemes de vid ` eos de surveillance. ´
Dans ce memoire nous allons pr ´ esenter une nouvelle m ´ ethode qui permet une meilleure d ´ etection ´
des objets en mouvement en combinant la robustesse des systemes immunitaires artificiels `
(AIRS) par rapport aux variations locales et le pouvoir des mixtures de gaussiennes (GMM)
a mod ` eliser les changements au niveau pixel. ´
Le role de l’AIRS est de g ˆ en ´ erer plusieurs mod ´ eles GMM pour chaque pixel. Ces derniers `
sont soumis a un m ` ecanisme de filtrage par le processus de ´ Competition de ressources et ´
developpement de cellule m ´ emoire candidate ´ . Les modeles restants sont fusionn ` es dans un ´
seul modele candidat et introduits comme un nouveau mod ` ele de l’arri ` ere-plan par le processus `
Introduction de cellule memoire ´ .
Une evaluation sur la base de donn ´ ees Wollflower a prouv ´ e la performance de notre syst ´ eme `
par rapport aux autres methodes de l’ ´ etat de l’art.
