Développement Et Intégration D'une Solution de - Marseille, France - Laboratoire LIS, UMR 7020

Description

**Développement et intégration d'une solution de géolocalisation intérieur (indoor) basée sur la vidéo-surveillance dans un système multi-modal**:

- Réf
- **ABG-111291**
- Stage master 2 / Ingénieur- Durée 6 mois- Salaire net mensuel Environ 550 euros- 20/02/2023- Laboratoire LIS, UMR 7020- Lieu de travail- Marseille Provence-Alpes-Côte d'Azur France- Champs scientifiques- Informatique

**Établissement recruteur**:
**Site web**:
L'équipe Images & Modèles du laboratoire LIS est une équipe d'analyse d'images dont les activités ont pour objectif, à partir de données images, d'extraire des connaissances et d'aider à la prise décision.

**Description**:
La généralisation des objets connectés et IoT génère une grande masse de données (big data) pouvant être exploiter dans plusieurs domaines (comportement, robotique,). La première donnée qu'on peut récupérer et exploiter de ces objets est leurs positions. Cette problématique de récupération des positions des objets évoluant à l'intérieur est communément connue comme la géolocalisation. D'une manière générale, la géolocalisation extérieure se fait à l'aide de plusieurs satellites (minimum 4) qui donnent la position GPS de l'objet. Cependant, l'utilisation de GPS en intérieur est beaucoup moins performante du fait des interférences et de la précision nécessaire dans une géolocalisation intérieur [1].

L'objectif de ce stage s'articule autour de la géolocalisation indoor avec un réseau de caméras de surveillance. Il consiste à développer un module de localisation intérieur pour la récupération des trajectoires des personnes en mouvement. Ce module sera basé sur le suivi de personne dans un réseau de caméras pour obtenir les trajectoires des personnes dans la scène étudiée. Cette problématique sera séparée en trois sous problématiques : le suivi mono-caméra de personnes, la ré-identification des personnes et la mise en correspondance entre les positions dans l'image et les positions des personnes dans le plan de sol. Pour ce faire, nous allons nous orienter vers le développement d'approches par apprentissage (deep learn) se basant sur des méthodes existantes comme le YOLO[2] pour le suivi mono-caméra et le aligned re-identification[3] pour la ré-identification. Ces deux premières parties nous permettront d'obtenir les trajectoires des personnes suivies dans le champ de vision de chacune des caméras. Une fois que les positions des personnes sont détectées dans les caméras, nous développeront un module géométrique [4] permettant l'association des positions dans les images avec leurs correspondances dans le plan de sol. En fin, ce module sera intégrer dans un système multi-modal qui est basé sur la géolocalisation Li-Fi.

Tâche à accomplir:

- Implémentation d'un algorithme de suivi mono-caméra (YOLO and DeepSort);
- Implémentation d'un algorithme de ré-identification (aligned re-identification).

Références

[1] C. Rizos, G. Roberts, J. Barnes, and N. Gambale, "Experimental results of Locata: A high accuracy indoor positioning system," in 2010 International Conference on Indoor Positioning and Indoor Navigation, 2010, pp. 1-7.

[2] X. Zhang, X. Hao, S. Liu, J. Wang, J. Xu, and J. Hu, "Multi-target tracking of surveillance video with differential YOLO and DeepSort," in Eleventh International Conference on Digital Image Processing (ICDIP 2019), 2019, p L.

[3] Z. Zhang, C. Lan, W. Zeng, and Z. Chen, "Densely semantically aligned person re-identification," in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2019, pp

[4] M. Sun, L. Zhang, Y. Liu, X. Miao, and X. Ding, "See-your-room: Indoor localization with camera vision," in Proceedings of the ACM Turing Celebration Conference-China, 2019, pp. 1-5.

**Profil**:
Vos atouts:

- Vous êtes étudiant(e) en dernière année d'une école d'ingénieurs ou cursus universitaire niveau Bac+5 avec une spécialisation en traitement et analyse d'images et/ou apprentissage automatique ;
- Vous maitrisez les techniques d'apprentissage profond ;
- Vous maitrisez le langage python et les librairies associées à la vision par ordinateur ;
- Vous êtes autonome, rigoureux(se) et aimez travailler en équipe.

**Prise de fonction**:

- Dès que possible