Méthode robuste à la variation d’apparence des piétons à partir de vidéos fisheye

CONTEXTE Ce stage s’inscrit dans le développement d’un drone autonome équipé d’une caméra fisheye pour la surveillance intelligente. Les piétons présentent des variations d’apparence importantes (vêtements, accessoires, posture, éclairage) qui dégradent les performances des détecteurs classiques. L’objectif est de développer une méthode robuste face à ces changements d’apparence dans les images fisheye. OBJECTIFS DU STAGE • Détection robuste de piétons malgré les variations d’apparence • Re-identification fiable dans les séquences vidéo fisheye • Intégration avec un détecteur temps réel (YOLO) TÂCHES DEMANDÉES • Étude bibliographique sur la robustesse aux variations d’apparence • Développement d’une approche d’attention spatio-temporelle • Implémentation Python/PyTorch • Intégration avec YOLO pour la détection temps réel • Comparaison avec l’état de l’art • Rédaction d’un article scientifique LIVRABLES • Méthode robuste aux variations d’apparence • Intégration avec YOLO validée • Benchmark comparatif avec l’état de l’art • Article scientifique