Une fois n'est pas coutume, nous allons découvrir et utiliser une alternative à OpenCV, scikit-image communément appelé skimage. Nous implémenterons la reconnaissance d'images avec la méthode des histogrammes de gradients orientés (HOG : Histogram of Oriented Gradients) associée à une machine à vecteurs de support (SVM : Support Vector Machine). Cette méthode est employée dans bien des applications telles que l'automobile, pour la détection de piétons [1].
La reconnaissance d'images est un domaine très actif dans celui de l'intelligence artificielle et a fait l'objet de nombreux articles dans ce même magazine [2][3]. Les systèmes d'aide à la conduite de nos voitures (ADAS: Advanced Driver-Assistance Systems) intègrent déjà ce type de fonctions (par exemple, la détection et reconnaissance de panneaux de signalisation afin d'avertir le conducteur en cas de dépassement de vitesse limite, ou encore le système de freinage d'urgence en cas de traversée inopinée de piéton devant le véhicule, afin d'éviter la collision avec celui-ci). Toutes ces fonctions suivant les actions qu'elles peuvent avoir sur le véhicule requièrent un certain niveau de sécurité, au sens de la sûreté de fonctionnement et de la fiabilité de détection. De plus, celles-ci sont régies par les normes ISO-26262, IEC 61508... Les algorithmes de deep learning, bien qu'ayant des performances prometteuses, sont souvent considérés comme des boîtes...
- Accédez à tous les contenus de Connect en illimité
- Découvrez des listes de lecture et des contenus Premium
- Consultez les nouveaux articles en avant-première
