Etudiant : TAGNAOUTI MOUMNANI YAZID

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. ELHAOUSI FATIMA

Annèe : 2022

Résumé : Nous vivons à une époque où les gens recherchent constamment le confort en matière de transport, ce qui entraîne une augmentation du nombre de véhicules dans les rues. Malheureusement, cette augmentation s’accompagne d’un manque considérable de respect du code de la route, ce qui entraîne des accidents graves. Cela étant, il est important de trouver un moyen de résoudre ce problème, et l’une des meilleures façons d’y parvenir est d’améliorer le contrôle et la surveillance du trafic. À cet égard, l’une des approches clés consiste à mettre en place un système de surveillance par caméra, qui permettrait aux autorités responsables de suivre les infractions au code de la route. C’est dans ce sens que s’inscrit ce projet qui consiste à mettre en place un système sous Python utilisant deux algorithmes phares : - YOLOV4 : un réseau neuronal convolutif profond (DCNN) qui permet la détection des véhicules et leur catégorisation ; - DeepSORT : un algorithme qui permet le suivi en temps réel des objets détectés. Le projet s’articule, dans un premier temps, autour de l’extraction des données à partir de vidéos de surveillance pour être transformé en image. Par la suite les capacités de YOLOV4 et Deep Sort sont mis en valeur pour permettre la détection et le suivi des véhicules en temps réel. Finalement l’assignation des infractions se fait à travers une fonction développée sous Pyhton qui diffère selon le type d’infraction à détecter. Ce projet sera principalement consacré à la détection des excès de vitesse et permettra par la suite de développer un système plus complet permettant la détection de tout type d’infractions. Mots clés : code de la route, infractions au code de la route, surveillance, contrôle, algorithme, réseaux de neurones, véhicules, CNN, deep learning.