Une info à nous transmettre? Une histoire à nous raconter? Ecrivez-nous à
web@20minutes.ch 
Détection de mouvements
21 décembre 2010 14:51; Act: 21.12.2010 16:57 Print
Le Kinect détourné à l’EPFL
Un doctorant de l’Ecole polytechnique a intégré son propre algorithme dans la caméra du périphérique de Microsoft permettant une détection en temps réel sous tous les angles.
Dès son lancement, le Kinect, le système de détection de mouvements de Microsoft pour la console de jeux Xbox 360, aura créé une saine émulation au sein de la communauté des hackers. Ainsi, se sont succédés de nombreux détournements. La dernière en date nous vient de l’Ecole Polytechnique de Lausanne, où le doctorant Alexandre Alahi a intégré son propre algorithme dans la nouvelle caméra de Microsoft. Il est ainsi parvenu à coupler plusieurs caméras pour une détection en temps réel sous tous les angles et indépendante des conditions de lumière.
Kinect bientôt plus précis?Le système de reconnaissance de mouvements pourrait évoluer avec un capteur plus précis. La résolution de l'écran passerait de 320x240 à 640x480, permettant un contrôle plus précis et une meilleure prise en charge des mouvements. Ne rien manquer
La rubrique Hi-tech de 20 minutes est aussi présente sur Twitter et Facebook. Suivez-nous et ne ratez plus aucune nouvelle concernant le domaine du multimédia.
«J’ai été fasciné par les premières vidéos sur YouTube du détournement du Kinect, j’ai voulu aller plus loin en «mergeant» plusieurs caméras», a expliqué Alexandre Alahi. «J’ai réussi à faire tourner mon algorithme sur un laptop, et les caméras sont simplement connectées via les ports USB».
Détection en temps réel
Grâce à l’algorithme patenté par le doctorant, il est possible de détecter en temps réel plusieurs personnes, comme une foule très dense, explique-t-on sur le site de l’EPFL, sans que des informations parasites soient prises en compte, telles que des personnes figées ou des ombres par exemple. Le protocole est également en mesure de différencier les formes et de séparer une voiture ou un vélo d’un être humain.
De plus, l’algorithme est capable de diminuer le «bruit» généré par le rassemblement de plusieurs caméras 3D, à savoir d’améliorer la qualité des images en réduisant le flou de profondeur ou les pixels noirs.
Le doctorant voit de nombreuses applications possibles pour son algorithme, comme par exemple l’optimisation du flux de personnes par le biais de statistiques précises ou la détection de piétons dans le domaine de la sécurité routière. Il pourrait aussi servir à traquer de nombreux sportifs sur un terrain de sport afin de fournir des données statistiques sur leurs mouvements.
(man)
