FR2896605A1 - Procede et systeme d'identification et de poursuite automatique d'un objet dans un film pour la videosurveillance et le controle d'acces - Google Patents

Abstract

Ce procédé d'identification et de poursuite automatique d'un objet, défini par une liste finie de points d'intérêt et un contour, dans un film pour la vidéosurveillance et le contrôle d'accès, est caractérisé en ce qu'il comporte les étapes de :a) extraction (30) des points d'intérêt d'une image ;b) recherche (40) d'un appariement possible de ceux-ci avec un des points d'intérêts de l'objet ;c) calcul (50) du pourcentage pondéré des points d'intérêt appariés par rapport au nombre total de points d'intérêt de l'objet ;d) identification (70) de l'objet sur ladite image si ledit pourcentage est supérieur à une valeur de seuil, et alors;e) application (90) au contour de l'objet de la transformation géométrique subie par les points d'intérêts appariés de ladite image par rapport à ceux de ladite structure de données;f) détermination (100) et convergence du contour de l'objet sur ladite image à partir du contour transformé.

Description

1 La présente invention concerne un procédé et un système d'identification

et de poursuite automatique d'un objet dans un film pour la vidéosurveillance et le contrôle d'accès, ainsi qu'un produit programme d'ordinateur associé.

Dans le cadre de la vidéosurveillance et du contrôle d'accès, il est important d'assurer un suivi en temps réel des objets sur l'écran. La méthode la plus utilisée consiste à regrouper les pixels des images qui partagent une même propriété pour former des régions connexes. Cette méthode dite de segmentation utilise principalement deux approches algorithmiques. Dans la première approche, les régions de l'image sont délimitées par les contours des objets qu'elles représentent, la détection du contour étant effectuée par utilisation du gradient ou du laplacien. Dans la seconde approche, les régions sont déterminées en fonction de leurs propriétés intrinsèques, c'est-à-dire que les pixels sont agrégés en fonction d'un critère d'homogénéité. Les propriétés intrinsèques classiquement utilisées font appel à l'homogénéité en couleur, à la conservation du barycentre ou encore à l'uniformité des vecteurs vitesse. D'autres méthodes bien connues de l'homme du métier sont également utilisées pour suivre un objet en déplacement, telles que, par exemple, la méthode des flux optiques , des blobs ou des histogrammes couleurs ,... Quelle que soit la méthode utilisée pour suivre un obje.:, celle-ci ne l'identifie pas en tant que tel : l'objet n'est traité que cornme un ensemble de pixels se déplaçant dans l'image. Une des conséquences en est que si l'objet disparaît quelques instants derrière un obstacle, il ne sera, en général, pas identifié à son retour dans le champ de vision, comme étant l'objet disparu. Dans d'autres applications de vidéosurveillance, il est important d'identifier un objet ou une personne. C'est typiquement le cils dans les applications de biométrie et plus particulièrement de biométrie faciale.

En biométrie faciale, l'approche repose sur une normalisation de l'image du visage en fonction de l'écartement des yeux. Il est ainsi possible de traiter des images à des échelles différentes et de gérer les défauts d'horizontalité. Les points caractéristiques du visage, tels que les commissures des lèvres et des yeux, les narines, la jonction entre le front et les cheveux, sont 2 alors isolés. Des relations géométriques sont établies entre ces points caractéristiques et donnent un modèle stable et normalisé du visage permettant une comparaison entre l'image prise et le(s) modèle(s) contenu(s) dans une base de données.

Ce type d'application biométrique a l'inconvénient de ne fonctionner que dans un environnement défini, le visage à identifier étant filmé dans une position précise. Ainsi, les procédés et systèmes connus de vidéosurveillance ne sont capables que d'identifier un objet dans un environnement stable ou bien de poursuivre un objet se déplaçant mais sans l'identifier. Le but de l'invention est d'obtenir un procédé et un système capable d'identifier un objet dans un environnement variable et, cet objet étant identifié, de le poursuivre lors de son déplacement filmé. L'objet de l'invention est donc un procédé d'identification et de poursuite automatique d'un objet dans un film pour la vidéosurveillance et le contrôle d'accès, ledit objet étant défini sous forme d'une structure de données comportant une liste finie de points d'intérêt et une représentation du contour dudit objet, caractérisé en ce que ledit procédé comporte les étapes de : a) extraction des points d'intérêt d'au moins une partie d'une première image appartenant au film ; b) pour chaque point d'intérêt extrait, recherche d'un appariement possible avec un des points d'intérêts de l'objet ; c) calcul du pourcentage pondéré des points d'intérêt de l'objet appariés avec des points d'intérêts de l'image par rapport au nombre total de points d'intérêt de l'objet et comparaison dudit pourcentage avec une valeur de seuil prédéterminée, d) identification de l'objet sur ladite première image si ledit pourcentage est supérieur à ladite valeur de seuil prédéterminée, et alors ; e) calcul de la transformation géométrique subie par les points d'intérêts appariés de ladite première image par rapport aux points d'intérêt appariés de ladite structure de données définissant l'objet ; f) application de ladite transformation géométrique au contour contenu dans la structure de données dudit objet ; puis, 3 g) détermination du contour de l'objet sur ladite première image à partir du contour transformé, et h) convergence du contour contenu dans la structure de données dudit objet vers le contour de l'objet sur ladite première image.

D'autres caractéristiques de cet objet sont : - le procédé comporte en outre une étape i) de rnodification de la liste des points d'intérêt de l'objet par ajout des points d'intérêts de ladite première image se trouvant à l'intérieur du contour de l'objet dans ladite première image, ainsi que de l'ajout au contour contenu dans la structure de données dudit objet du contour de l'objet de ladite première image, - les étapes a) à i) sont répétées pour une seconde image du film succédant temporellement à la première image en utilisant le contour et les points d'intérêts de l'objet tels que redéfinis lors des étapes h) et i) respectivement, - dans une étape préalable, une base de données d'objet: est définie, et que, lors de l'étape b), la recherche d'appariement est faite sir les points d'intérêts de l'ensemble des objets de la base de données de sorte que, lors des étapes c) et d), tous les objets de la base ayant un pourcentage de points d'intérêts supérieur audit seuil prédéterminé soient identifiés, - le procédé comporte, après l'étape h), une étape de stockage dans la base de données de la structure de données modifiée de l'objet, - la recherche et l'extraction de contour sont faites en utilisant la méthode des contours actifs, - préalablement à l'étape a) d'extraction des points d'intérêt, le procédé comporte en outre les étapes de : a1) recherche d'un élément caractéristique de l'objet dans ladite première image, a2) sur détection dudit élément caractéristique dans ladite première image, détermination de ladite partie de la première image comme étant une zone de l'image englobant une forme théorique dudit objet, - l'objet à identifier et poursuivre étant un véhicule automobile, l'élément caractéristique recherché lors de l'étape a1) est la plaque minéralogique. 4 Un autre objet est un système d'identification et de poursuite automatique d'un objet dans un film, ledit objet étant défini sous forme d'une structure de données comportant une liste finie de points d'intérêt et la représentation du contour dudit objet, caractérisé en ce que ledit système comporte : a) des moyens d'extraction des points d'intérêt d'au moins une partie d'une première image appartenant au film ; b) des moyens de recherche d'un appariement possible avec un des points d'intérêts de l'objet pour chaque point d'intérêt extrait ; c) des moyens de calcul du pourcentage pondéré des po nts d'intérêt de l'objet appariés avec des points d'intérêts de l'image par rapport au nombre total de points d'intérêt de l'objet et des moyens de comparaison dudit pourcentage avec une valeur de seuil prédéterminée, d) des moyens d'identification de l'objet sur ladite première image lorsque ledit pourcentage est supérieur à ladite valeur de seuil prédéterminée, connectés à, e) des moyens de calcul de la transformation géométrique subie par les points d'intérêts appariés de ladite première image par rapport aux points d'intérêt appariés de ladite structure de données définissant l'objet; cc nnectés à f) des moyens d'application de ladite transformation géométrique au contour contenu dans la structure de données dudit objet, connectés à, g) des moyens de détermination du contour de l'objet sur ladite première image à partir du contour transformé, et connectés à h) des moyens de convergence du contour contenu dans la structure de données dudit objet vers le contour de l'objet sur ladite première image. Un autre objet est un produit programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé ci-dessus lorsque ledit programme est exécuté sur un ordinateur. L'invention sera mieux comprise à la lecture de la description qui va suivre donnée uniquement à titre d'exemple, et faite en se référant aux dessins annexés, sur lesquels : la figure 1 est une vue schématique d'un système de vidéosurveillance, -la figure 2 est un ordinogramme d'un mode de réalisation de procédé selon l'invention, - la figure 3 est un ordinogramme d'une variante de réalisation du procédé selon l'invention ; et 5 - la figure 4 est une vue schématique d'un mode de réalisation d'un système selon l'invention. En référence à la figure 1, un système de vidéosurveillan ~e comporte au moins une caméra vidéo 1 reliée à un poste central 2 par une iaison 3, en général numérique. Le poste central comporte un écran vidéo 4 de surveillance relié à un ordinateur 5. L'ordinateur 5, de type classique, est prog-ammé pour effectuer des traitements sur les images reçues de la caméra 1 avent affichage de ces images sur l'écran vidéo 4. La caméra vidéo 1 est installée sur un site à surveiller. Elle est fixe ou mobile sur un axe afin, par exemple, de permettre à un opérateur situé au poste central de suivre une scène particulière. La caméra vidéo 1 envoie le film de prises de vue sous forme d'un flux vidéo par l'intermédiaire de la liaison 3. Par film, on entend une succession régulière d'images, chaque image étant prise à un bref intervalle de temps de l'image précédente. En effet, dans certaines situations dans lesquelles la liaison 3 a un faible débit, le film peut être constitué d'une succession d'images fixes espacées d'une demi seconde à une seconde. Quand la liaison 3 est de type analogique, l'ordinateur 5 comporte une carte d'acquisition vidéo lui permettant de faire la conversion analogique numérique du flux vidéo reçu.

L'ordinateur 5 comporte des moyens 6 de stockage tels que des disques durs. Ces moyens 6 de stockage contiennent, généralement sous forme de bases de données, une liste d'objets à identifier et poursuivre par le système de vidéosurveillance. Par objet, on entend des entités identifiables en tant que telles sur une image, et qui ont une certaine continuité de formes lors d'un déplacement. Typiquement, les objets sont des personnes, des véhicules automobiles, des bagages,... Chaque objet est défini sous la forme d'une structure de données, par exemple un enregistrement dans une table de base de données. Celte structure 6 de données comporte une liste finie de points d'intérêts ainsi que la représentation du contour de cet objet. Les points d'intérêt d'une image correspondent aux positions de l'image où l'intensité varie beaucoup dans toutes les directions. Ce sont donc, par exemple, les coins, les jonctions, les points de fortes variations de texture,... II est à noter que les points d'intérêts sont actuellement utilisés dans le domaine de la caractérisation d'images dans le cadre de grandes bases de données vidéo. Les points d'intérêt sont les primitives les plus précises et les plus stables d'une image car ils possèdent une grande robustesse face aux transformations géométriques et photométriques telles que la translation, la rotation d'image, le changement d'échelle et le changement d'illumination. Accompagnés de leurs voisinages, ils permettent de caractériser des objets de façon fiable.

Le contour de l'objet est préférentiellement défini en utilisant la méthode des contours actifs ou snakes telle que décrit dans M. Kass, A. Witkin, D. Terzopoulos Workshop on motion of non-rigid and articulate objects, Snakes : active contour models , International Journal of Compulser Version, 321-331 (1987).

Les contours actifs sont des contours déformables représentés par des courbes paramétriques. Ces courbes évoluent au gré de la fonction d'énergie qui leur est associée. Elles se déplacent dans l'image en partant d'une position initiale vers une configuration qui dépend de l'influence des divers éléments qui composent leur énergie totale. Cette énergie dépend de deux termes principaux : - L'énergie interne, aussi appelée énergie de régulation ou énergie de lissage : elle conserve la forme et assure une continuité spatio-temporelle. Elle est influencée par les déformations de sa courbure et par les tensions de la courbe. -L'énergie externe, aussi appelée adéquation aux données : elle guide et tire le contour actif vers les contours de l'objet à entourer. Elle est, dans le cadre de la détection de contour, liée au gradient de l'image. Le fonctionnement du système de vidéosurveillance va maintenant être expliqué en référence à la figure 2. Une première image est prise en 10 par la caméra vidéo 1. 7 Cette image est transmise en 20 à l'ordinateur 5 qui la reçoit sous forme d'un fichier de données numériques. De ce fichier sont extraits en 30 les points d'intérêt de l'image, ou d'une partie de l'image si, par exemple, on a déterminé qu'aucun objet intéressant ne pouvait se trouver dans une zone définie de l'image. La détection des points d'intérêt est, de préférence, précise, stable et rapide à calculer : précise car de sa précision dépend les résultats des étapes postérieures, stable dans le sens où un bruit parasite dans l'image ne change pas la réponse, et rapide à calculer pour permettre une identification et/ou une poursuite en temps réel, c'est-à-dire avec un décalage temporel suffisamment faible pour que l'homme ne le perçoive pas ou peu. Typiquement, ce décalage est inférieur à la seconde. La détection est également, de préférence, fiable, c'est-à-dire qu'elle est capable de détecter tous les vrais points d'intérêt sans en détecter de faux.

Classiquement, la détection des points d'intérêt utilise la dérivée première du signal lumino-chromatique afin de déterminer les points sur lesquels le signal change dans les deux directions simultanément. Les méthodes de détection connues de l'homme du métier se rangent dans deux grandes catégories : - les détecteurs basés sur le signal et ses dérivées, aussi appelés détecteurs iconiques. A titre d'exemple de tels détecteurs, on peut citer le détecteur reposant sur la méthode de Baudet (P.R. Baudet, Rotationaly invariant image operator , Pattern Recognition, Tokyo 1978), le détecteur reposant sur la méthode de Kitche et Rosenfeld (L. Kitche and A. Rosenfeld, Gray level corner detection , Pattern recognition letters, vol. 1, p. 95-102, 1992), le détecteur de Deriche et Girodon (R. Deriche, G. Grodon, A computational approach for corner and vertex detection , International Journal of Computer Vision, 101-124, 1993), le détecteur S.U.S.A.N. (S.M. Smith, J.M. Brady, SUSAN, a new approach to low level image processing , I iternational journal of computer vision , 23, 45-78, 1997) et le détecteur de Cien et Sun basé sur les ondelettes (C.H. Chen, Y. Sun, Wavelet transform for grey level corner detection , Pattern recognition, 1995) ; - les détecteurs basés sur des primitives de haut niveau, aussi appelés détecteurs géométriques.

De manière préférentielle, les détecteurs iconiques sont utilisés dans le procédé décrit car ils présentent avantageusement les qualités requises telles qu'explicitées ci-dessus. Chaque point d'intérêt extrait est caractérisé par un ensemble de 5 valeurs spécifiques, valeurs choisies pour discriminer le point d'intérêt en un minimum de valeurs. Cette caractérisation permet de rendre le peint d'intérêt invariant à tout ou partie des transformations de l'image telles que, par exemple, les translations ou les changements d'échelle. Cette caractérisation permet d'affecter au point d'intérêt une signature robuste et la plus unique possible. 10 De manière préférentielle, cette caractérisation est faite en utilisant les informations photométriques et/ou géométriques locales au point d'intérêt. De manière encore plus préférentielle, cette caractérisation utilise une méthode basée sur les dérivées d'ordre 2 du signal, la méthode dit du Jet local (J. Koenderink, T. Van Doorm, Representation of a local geometry in the 15 visual system, Biological cybernetics, 55, 367-375). Cette méthode ;3 l'avantage d'être bien adaptée aux contraintes de temps réel du procédé. Chaque point d'intérêt extrait est comparé en 40 avec les points d'intérêts contenus dans la base de données des objets afin de trouver un point d'intérêt apparié, c'est-à-dire un point d'intérêt reprenant un maximum des 20 caractéristiques du point d'intérêt extrait en cours de comparaison. Lin score est attaché à chaque appariement. Ce score est, par exemple, égal à 1 en cas d'appariement et à 0 sinon, ou il est une mesure de la qualité de l'appariement trouvé, par exemple, en fonction du nombre de caractéristiques comrnunes entre les deux points d'intérêt appariés. 25 Cette comparaison s'appuie avantageusement sur les caractéristiques des points d'intérêt définies ci-dessus. De manière préférentielle, elle utilise une métrique fine permettant une comparaison discriminante et rapide de deux points d'intérêt. La distance euclidienne ou la distance de Minkowski sont, par exemple, des métriques utilisables par le procédé. 30 Ainsi, pour chaque objet de la base de données, un score global est déterminé en 50 sous forme d'un pourcentage pondéré des points d'intérêt de cet objet qui sont appariés par rapport au nombre total de points d'intérêt de l'objet. La pondération du pourcentage est faite par l'intermédiaire des scores attachés à chaque point d'intérêt apparié. Ce score propre résultant de l'appariement d'un 9 couple de points d'intérêt peut se calculer de différentes manières, et participe de façon différente au score global, en fonction du type d'objet traité. Par exemple, si le score choisi est un décompte unitaire en cas d'appariement, le score global correspond au pourcentage simple de points d'intérêt appariés. Par contre, s'il correspond à une mesure de qualité de l'appariement, cette mesure est introduite dans le décompte de façon à donner un poids plus ou moins grard à chaque point d'intérêt apparié en fonction de la qualité de cet appariement. Ce score global est comparé en 60 à une valez r de seuil prédéterminée.

Si le score global est supérieur à ce seuil prédéterminé, alors l'objet est considéré en 70 comme identifié, sinon soit la recherche continue, soit l'objet en question est considéré comme absent de l'image. L'objet ayant été identifié, la transformation géométrique subie par les positions des points d'intérêts appariés de l'image en comparaison das positions des points d'intérêts de l'objet contenus dans la base de données est calculée en 80. En effet, l'objet sur l'image n'est sans doute pas dans la même position que l'objet tel qu'il est caractérisé dans la base de données. Cette position différente se traduit par une modification des positions relatives des points d'intérêt qui se traduit par une transformation géométrique du type rotation, translation, torsion... ou une combinaison de ces mouvements élémentaires. Cette transformation géométrique est appliquée en 90 au contour de l'objet stocké dans la base de données car la position différente de l'objet se traduit, en général, par une modification correspondante du contour.

Ce contour transformé est utilisé comme point de départ pour déterminer en 100 le contour de l'objet sur l'image, de façon à faire converger en 110 le contour de la base de données sur le contour de l'objet dans l'image. Le contour étant décrit préférentiellement sous forme de contours actifs, le contour actif est initialisé grossièrement en partant du contour actif modifié par la transformation géométrique et le procédé de convergence vers l'objet est exécuté. Il est à noter que ce type de procédé a l'inconvénient de consommer beaucoup de ressources informatiques quand le contour actif initial est très éloigné du contour recherché. 10 A contrario, l'utilisation du contour transformé géométriquement comme base de départ de la détermination du contenu dans l'image a l'avantage de réduire fortement le temps de calcul nécessaire pour cette détermination et cette convergence grâce à la réduction de l'écart entre ces deux contaurs.

Le contour de l'objet dans l'image est alors extrait et ajouté en 120 dans les enregistrements de l'objet dans la base de données. De même, la liste des points d'intérêt de l'objet dans cette base de données est mise à jour durant cette même étape 120 en y ajoutant les points d'intérêt de l'image qui se trouvent à l'intérieur de ce contour de l'objet dans l'image. Cette nouvelle liste de points d'intérêt et ce nouveau contour sont alors utilisés en 130 pour l'analyse de l'image suivante du film, permettant ainsi de poursuivre l'objet durant tout son déplacement dans le champs de vision de la caméra.

II est à noter que lors de la recherche de l'objet par appariement du point d'intérêt, étapes 40 à 60, plusieurs objets peuvent être identifiés dans la mesure où l'image peut contenir de nombreuses formes différentes. Par exemple, dans une application d'identification et de poursuite de personnes, la caméra peut être placée de façon à recueillir les images d'une foule. La recherche d'objets consiste alors à identifier toutes les personnes présentes dans la foule qui sont connues de la base de données. Le procédé ainsi décrit, ainsi que ses variantes, est avantageusement robuste aux occultations partielles. Le procédé décrit est capable d'identifier l'objet masqué dès qu'un sous-ensemble significatif de points d'intérêt est retrouvé. Ainsi, l'objet présent dans l'image peut être partiellement masqué, par exemple, par un autre objet, une ombre portée, des reflets,... qui masque de nombreux points d'intérêt présents dans l'objet. Le procédé décrit est également avantageusement robuste aux déformations de l'image. Les objets présents dans l'image ne sont que des projections en deux dimensions des objets qui constituent la scène réelle. La frontière d'un objet sur l'image se déforme donc en fonction des mouvements de translation et de rotation que l'objet réel effectue dans l'espace. Or, la technologie des points d'intérêt peut être rendue robuste face aux principales transformations géométriques et photométriques de l'image. Ainsi, le procédé permet 11 avantageusement de continuer à identifier un objet même si l'angle de prise de vue change ou si cet objet s'éloigne ou se rapproche dans l'image. Dans une variante du procédé, figure 3, préalablement à l'extraction des points d'intérêts de l'image, un élément caractéristique de l'objet est recherché en 200 dans l'image. Par élément caractéristique, on entend une forme, en général simple et peu étendue, qui se différentie fortement de son environnement. Par exemple, dans le cas d'un véhicule automobile, Il s'agit de la plaque minéralogique. Cette recherche utilise des méthodes classiques d'analyse d'images.

A partir de cet élément caractéristique, on détermine en 210 une forme théorique simple de l'objet. Ainsi, à partir de la plaque minéralogique dont l'emplacement dans un véhicule automobile est quasiment toujours le même, on détermine une silhouette de ce véhicule automobile. Cette forme théorique permet de définir en 220 la partie de l'image qui 15 doit être analysée, en général sous forme d'une zone rectangulaire englobant la forme théorique. Ceci permet avantageusement d'accélérer les calculs en limitant l'extraction des points d'intérêt à la zone de l'image dans laquelle l'objet se trouve.

20 Pour mettre en oeuvre ce procédé, l'ordinateur 5 de la figure 1 comporte donc des moyens 300 d'extraction des points d'intérêt d'au moins une partie d'une première image appartenant au film. Ces moyens 300 d'extraction sont connectés à des moyens 310 de recherche d'un appariement possible avec un des points d'intérêts de l'objet pour 25 chaque point d'intérêt extrait. II comporte des moyens 320 de calcul du pourcentage pondéré des points d'intérêt de l'objet appariés avec des points d'intérêts de "image par rapport au nombre total de points d'intérêt de l'objet, connectés à des moyens 330 de comparaison du ce pourcentage avec une valeur de seuil prédéterminée.

30 Connectés aux moyens 330 de comparaison, des moyens 340 d'identification de l'objet sur la première image lorsque le pourcentage est supérieur à la valeur de seuil prédéterminée sont connectés à des moyens 350 de calcul de la transformation géométrique subis par les points d'intérêts 12 appariés de la première image par rapport aux points d'intérêt appariés de la structure de données définissant l'objet. L'ordinateur 5 comporte en outre des moyens 360 d'application de cette transformation géométrique au contour contenu dans la structure de données de l'objet, connectés à des moyens 370 de détermination du contour de l'objet sur cette première image à partir du contour transformé, eux-mêmes connectés à des moyens 380 de convergence du contour contenu dans la structure de données de l'objet vers le contour de l'objet sur la première image. On comprend que le procédé d'identification et de poursuite décrit est exécuté par l'ordinateur 5 sous la commande d'instructions logicielles d'un programme d'ordinateur. Par conséquent, l'invention concerne également un programme d'ordinateur comprenant des instructions logicielles pour faire exécuter le procédé précédemment décrit par l'équipement de routage. Le programme peut être stocké dans ou transmis par un support de données. Celui- ci peut être un support matériel de stockage, par exemple un CD-ROM, une disquette magnétique ou un disque dur, ou bien un support transmissible tel qu'un signal électrique, optique ou radio. L'invention concerne donc également ce support de données. Le procédé et le système décrit sont donc capables d'ident fier un objet dans un environnement variable et, cet objet étant identifié, de le poursuivre lors de son déplacement filmé.

Claims (10)

REVENDICATIONS

1. Procédé d'identification et de poursuite automatique d'un objet dans un film pour la vidéosurveillance et le contrôle d'accès, ledit objet étant défini sous forme d'une structure de données comportant une liste fine de points d'intérêt et une représentation du contour dudit objet, caractérisé en ce que ledit procédé comporte les étapes de : a) extraction (30) des points d'intérêt d'au moins une partie d'une première image appartenant au film ; b) pour chaque point d'intérêt extrait, recherche (40) d'un appariement 10 possible avec un des points d'intérêts de l'objet ; c) calcul (50) du pourcentage pondéré des points d'intérêt de l'objet appariés avec des points d'intérêts de l'image par rapport au nombre total de points d'intérêt de l'objet et comparaison (60) dudit pourcentage avec une valeur de seuil prédéterminée, 15 d) identification (70) de l'objet sur ladite première image si ledit pourcentage est supérieur à ladite valeur de seuil prédéterminée, et alors; e) calcul (80) de la transformation géométrique subie par les points d'intérêts appariés de ladite première image par rapport aux points d'intérêt appariés de ladite structure de données définissant l'objet; 20 f) application (90) de ladite transformation géométrique au contour contenu dans la structure de données dudit objet ; puis, g) détermination (100) du contour de l'objet sur ladite première image à partir du contour transformé, et h) convergence (110) du contour contenu dans la structure de 25 données dudit objet vers le contour de l'objet sur ladite première image.

2. Procédé selon la revendication 1, caractérisé en ce que le procédé comporte en outre une étape i) de modification (120) de la liste des points d'intérêt de l'objet par ajout des points d'intérêts de ladite première image se trouvant à l'intérieur du contour de l'objet dans ladite première image, ainsi que 30 de l'ajout (120) au contour contenu dans la structure de données dudit objet du contour de l'objet de ladite première image.

3. Procédé selon la revendication 2, caractérisé en ce que les étapes a) à i) sont répétées pour une seconde image du film succédant temporellementà la première image en utilisant le contour et les points d'intérêts ce l'objet tels que redéfinis lors des étapes h) et i) respectivement.

4. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que dans une étape préalable, une base de données d'objets est définie, et que, lors de l'étape b), la recherche d'appariement est faite sur les points d'intérêts de l'ensemble des objets de la base de données de sorte que, lors des étapes c) et d), tous les objets de la base ayant un pourcentage de points d'intérêts supérieur audit seuil prédéterminé soient identifiés.

5. Procédé selon la revendication 4, caractérisé en ce que le procédé comporte, après l'étape h), une étape de stockage dans la base de données de la structure de données modifiée de l'objet.

6. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que la recherche et l'extraction de contour est faite en utilisant la méthode des contours actifs.

7. Procédé selon l'une quelconque des revendications précédentes, caractérisé en ce que, préalablement à l'étape a) d'extraction des points d'intérêt, le procédé comporte en outre les étapes de : a1) recherche (200) d'un élément caractéristique de l'objet dans ladite première image, a2) sur détection dudit élément caractéristique dans ladite première image, détermination (210, 220) de ladite partie de la première image comme étant une zone de l'image englobant une forme théorique dudit objet.

8. Procédé selon la revendication 7, caractérisé en ce que, l'objet à identifier et poursuivre étant un véhicule automobile, l'élément caractéristique recherché lors de l'étape a1) est la plaque minéralogique.

9. Système d'identification et de poursuite automatique d'un objet dans un film, ledit objet étant défini sous forme d'une structure de données comportant une liste finie de points d'intérêt et la représentation du contour dudit objet, caractérisé en ce que ledit système comporte : a) des moyens (300) d'extraction des points d'intérêt d'au moins une partie d'une première image appartenant au film ; b) des moyens (310) de recherche d'un appariement possible avec un des points d'intérêts de l'objet pour chaque point d'intérêt extrait ; 15 c) des moyens (320) de calcul du pourcentage pondéré des points d'intérêt de l'objet appariés avec des points d'intérêts de l'image par rapport au nombre total de points d'intérêt de l'objet et des moyens (330) de comparaison dudit pourcentage avec une valeur de seuil prédéterminée, d) des moyens (340) d'identification de l'objet sur ladite première image lorsque ledit pourcentage est supérieur à ladite valeur de seuil prédéterminée, connectés à, e) des moyens (350) de calcul de la transformation géométrique subie par les points d'intérêts appariés de ladite première image par rapport aux points d'intérêt appariés de ladite structure de données définissant l'objet; connectés à f) des moyens (360) d'application de ladite transformation géométrique au contour contenu dans la structure de données dudit objet, connectés à, g) des moyens (370) de détermination du contour de l'objet sur ladite première image à partir du contour transformé, et connectés à h) des moyens (380) de convergence du contour contenu dans la structure de données dudit objet vers le contour de l'objet sur ladite première image.

10. Produit programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé selon les revendications 1 à 8 lorsque ledit programme est exécuté sur un ordinateur.