Résumé:
Depuis plusieurs décennies, les avions sont des cibles intéressantes pour les terroristes. Si l’on se penche sur l’histoire des attaques contre des avions, les bombes sont l'une des principales préoccupations, c’est-à-dire les engins explosifs improvisés. La base de données mondiale sur le terrorisme en 2017 recense 893 attaques d'aéroports ou d'avions avec des explosifs, dont 247 ont eu lieu après 2001. Face aux risques accrus, en particulier depuis le 11 septembre 2001, les aéroports et les gouvernements ont accru leurs investissements dans la sûreté de l'aviation. Ces dernières années, l’apprentissage en profondeur a été utilisé avec succès dans la reconnaissance d’images et de vidéos. L’objectif de notre équipe est de développer un système de détection utilisant l’apprentissage automatique et l’apprentissage approfondi pour détecter efficacement les objets menaçants (armes blanches, armes à feu, explosifs).Notre contribution décritdes algorithmes très précis pour la détection d’objets menace dans l’imagerie complexe de bagage radiologique. Deux problèmes principaux sont abordés : i) la détection des objets menaces masquées ou chevauchéspar d’autres objets ; et ii) minimiser le taux des fausses alarmes sur les images ne contenant pas des objets menaces qui contiennent souvent des motifs similaires. Cette thèse tente également d'apporter une contribution au domaine de la reconnaissance d'objets dans les tests par rayons X dans le domaine de l'inspection des bagages en évaluant différentes stratégies de vision par ordinateur proposées ces dernières années.
