Thèse de Hugo Sbai

Système de vidéosurveillance intelligent et adaptatif, dans un environnement de type FOG/CLOUD

Les systèmes de vidéosurveillance utilisent des caméras sophistiquées (caméras réseau, smart caméras) et des serveurs informatiques pour l’enregistrement vidéo dans un système entièrement numérique. Ces systèmes intègrent parfois des centaines de caméras et génèrent une quantité colossale de données vidéo, dépassant largement les capacités de surveillance des agents humains. Ainsi, l'un des défis modernes les plus importants est de pouvoir faire évoluer un système de surveillance vidéo basé sur le Cloud existant avec plusieurs caméras intelligentes hétérogènes et l'adapter à une architecture de Fog/Cloud afin d’en améliorer les performances. Récemment, les FPGA deviennent de plus en plus présents dans les architectures de plate-forme FCIoT (FoG-Cloud-IoT). Ces composants sont caractérisés par des modes de configuration dynamiques et partiels, permettant ainsi aux plateformes de s'adapter rapidement aux changements survenus lors d'un événement tout en augmentant la puissance de calcul disponible. De telles plates-formes présentent aujourd’hui un certain nombre de sérieux défis scientifiques, notamment en termes de déploiement et de positionnement des FoGs. Cette thèse propose un modèle de vidéosurveillance composé de caméras intelligentes de type plug & play, dotées de FPGAs dynamiquement reconfigurables sur une base hiérarchique FOG/ CLOUD. Dans ce système fortement dynamique et évolutif, à la fois en nombre de caméras intelligentes (ressources) et en nombre de cibles à tracker, nous proposons une approche automatique et optimisée d’authentification des caméras et de leur association dynamique avec les composants FOG du système. L’approche proposée comporte également une méthodologie pour l’affectation optimale des trackers matériels aux ressources électroniques disponibles dans le système pour maximiser les performances et minimiser la consommation d’énergie. Toutes les contributions ont été validées avec un prototype de taille réelle.

Jury

Thèse de l'équipe EAST soutenue le 20 avril 2018

Retour vers les autres thèses