Vers un Feu Tricolore Intelligent basé sur l’Internet des

objets et le traitement d’images

Fatima Zahra Fagroud, El Habib Benlahmar

To cite this version:

Fatima Zahra Fagroud, El Habib Benlahmar. Vers un Feu Tricolore Intelligent basé sur l’Internet des
objets et le traitement d’images. Colloque sur les Objets et systèmes Connectés - COC’2021, IUT
d’Aix-Marseille, Mar 2021, MARSEILLE, France. �hal-03593725�

HAL Id: hal-03593725

https://hal.science/hal-03593725
Submitted on 2 Mar 2022

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
 Vers un Feu Tricolore Intelligent basé sur l'Internet des objets
et le traitement d'images
Fatima Zahra Fagroud1, El Habib Ben Lahmar1
[email protected], [email protected]
(1)Laboratoire de Technologie de l’Information et Modélisation, Faculté des Sciences Ben M’sik, Université
Hassan II of Casablanca, BP 7955 Sidi Othman Casablanca, Maroc

RESUME : Récemment plusieurs villes ont intégrées un nombre important d’applications et services basé sur les tech-
nologies de l’information et communication afin d’émerger vers une ville durable et intelligente. Les systèmes de con-
trôle des feux de circulation peuvent bénéficier de cette évolution, ils sont largement utilisés pour surveiller et contrôler
le flux des automobiles à la jonction de nombreuses routes et visent à permettre un mouvement fluide des véhicules
dans les routes. En traitement d'images, des systèmes de reconnaissance capable d'identifier les types de véhicules tra-
versent un carrefour ainsi que le nombre de véhicules qui sont présents dans le carrefour ont été développé à l’aide des
images et séquences vidéos. Ce type d'informations peut être utile pour déduire si une route est dense ou pas et per-
mettre la gestion des flux variables. Dans ce travail nous proposons un système automatisé qui combine le traitement
d'image et l'internet des objets (IoT) pour contrôler l’état des carrefours à feu, surveiller la densité des routes et réduire
le temps d'attente au cas d'urgence. De plus, notre système est rapide, simple à utiliser et hautement évolutif.
Mots clés : objet connecté, IoT, traitement d’images, Deep Learning

gestion de trafic (Feu tricolore) "intelligent". Il s’agit

1 INTRODUCTION
d’un système qui permet une gestion en temps réel des
Villes intelligentes ou Smart City représente une révo- carrefours à feux selon la densité. L’objectif principale
lution qui sert à améliorer à la fois la qualité des ser- est d’offrir un aide dans les cas d'émergence, l'ouver-
vices et le bien-être des citoyens, partager des informa- ture et la fermeture des feux de circulation sont contrô-
tions avec le public ainsi qu’optimiser les coûts. Elle lées, le temps de chaque voie est contrôlé, ce qui signi-
regroupe un ensemble de systèmes avances tel que les fie une réduction de la congestion routière.
systèmes d'énergie intelligents, de réseaux électriques, Cet article va avoir la structure suivante: La section 2
de ports d'accès à une touche. Ces solutions sont base s’intéresse aux concepts de base, où on introduit: inter-
sur divers technologies de l’information et communica- net des objets, deep learning, traitement d’images ainsi
tion tel que l’internet des objets et l’intelligence artifi- que les feux tricolores intelligents. Dans la section 3
cielle. nous présentons le système proposé. Enfin, Conclure et
La gestion et le contrôle du trafic routier est un enjeu présenter les perspectives de la solution proposée dans
qui occupe une important préoccupation spécialement la section 5.
pour les grandes villes. En 1868, le premier système de
feux de signalisation a été installé à Londres pour ré-
pondre à cet enjeu. Il s’agit des dispositifs de signalisa- 2 CONCEPTS DE BASE
tion à cycle fixe placés sur les points d'intersection et
2.1 Internet des objets
se retrouve depuis de nombreuses années dans toutes
les grandes villes du monde. L’Internet des objets (Internet of Things, IoT) est défini
Ces dernières années le nombre de véhicules a augmen- par CERP-IoT (Cluster of European Internet of Things
té d’une manière très rapide, vue le développement de Research Projects): "une infrastructure dynamique d'un
l'industrialisation et la population. Cette évolution a réseau mondial. Ce réseau mondial dispose de capaci-
engendré de nombreux problèmes, incluent les embou- tés d'auto-configuration basées sur des normes et des
teillages, les accidents et la violation des règles de la protocoles de communication interopérables. Dans ce
circulation aux feux de circulation intense. Les sys- réseau, les objets physiques et virtuels ont des identités,
tèmes de gestion du trafic traditionnels ne tiennent pas des attributs physiques, des personnalités virtuelles et
en compte des conditions en temps réel de la route pour des interfaces intelligentes, et ils sont parfaitement
maintenir un agencement de circulation approprié. Ceci intégrés dans le réseau. "
rend la gestion automatisée du trafic une nécessité Selon l'Union internationale des télécommunications,
primordiale et démontre que ces systèmes ne se résu- "l'Internet des objets est une infrastructure mondiale
ment plus à un changement de couleurs selon un temps pour la société de l'information, qui fournit des services
minuté. avancés en interconnectant des objets (physiques ou
L’idée de ce travail est de développer une solution virtuels) grâce aux technologies de l'information et de
basée sur l’internet des objets et les techniques de trai- la communication interopérable existante ou en évolu-
tement d’images, qui permet de rendre les systèmes de tion".
Les auteurs de [6] présentent une étude de l'internet des 2.2 Deep Learning
objets et ont élaboré une étude statistique qui nous a
Deep Learning représente un sous-ensemble de
permis d'avoir une vision claire sur les différentes pro-
l’apprentissage automatique, il incorpore des modèles
blématiques du domaine, ses domaines d'application
de calcul et des algorithmes qui utilise le même con-
ainsi que le progrès des travaux de recherche. D'après
cept des réseaux de neurones biologiques dans le cer-
cette étude, nous pouvons conclure que:
veau. Il est constitué de trois types de couche: la
couche d'entrée, la couche Hidden et la couche de
 Le scénario de l'internet des objets est com-
sortie
posé de 4 phases: collecte de données,
Deep learning fonctionne exceptionnellement bien sur
communication, stockage et analyse des
les données non structurées et a une précision plus
données, enfin visualisation.
élevée que l’apprentissage automatique, mais il néces-
site un énorme volume de données d'entraînement,
ainsi que du matériel et des logiciels coûteux.

 Les réseaux de neurones convolutifs (CNN)

constituent actuellement l'état de l'art dans
spatiaux, et sont employés dans des tâches
pour l'extraction de motifs telles que la
fig 1 : Scenario de l’internet des objets [6] classification d'images ou la détection d'ob-
jets.
 IoT présente une révolution technologique  Les réseaux de neurones récurrents (RNN)
basée sur un ensemble de technologies car sont utilisés pour traiter des données sé-
le développement d'un système où les ob- quentielles, à titre d’exemple les signaux
jets sont identifiables d’une manière audio.
unique, communiquant entre eux et capable
de collecter des données sans aucune inter- 2.3 Traitement d’images
vention humaine n'est possible qu'en inté-
grant différentes technologies [6] De nos jours, le traitement d'image fait partie des tech-
 Il présente une révolution technologique qui nologies à croissance rapide. Il s’agit d’une méthode
cible différents domaines (éducation, santé, qui utilise divers algorithmes pour effectuer certaines
agriculture, défense…), chaque domaine à opérations sur une image, afin d'obtenir une image
un ensemble de défis ce qui amené au déve- améliorée ou d'en extraire des informations utiles.
loppement des différentes approches. L’entrée de ce type de traitement peut être une image,
 IoT a un ensemble de caractéristiques: Hé- une série d'images ou une vidéo.
térogénéité, Connectivité, Intelligence,
Changement dynamique, Interconnectivité, Il comprend essentiellement les trois étapes suivantes:
Échelle énorme, Détection et sécurité.
 Il existe de nombreux défis et domaines  Acquisition des données
d’application de l’IoT qui doivent attirer  Analyse et manipulation des données
plus d’attention  Sortie/ résultat

Le traitement d’images est largement utilisé pour :

classification, reconnaissance des objets et l'extraction
de caractéristiques (informations initiales qui sont
utilisées pour faire d'autres traitement).

2.4 Feu tricolore Intelligent

Depuis leurs apparitions, les systèmes de contrôle des
feux de circulation ont permis de limiter les accidents
en ville et de fluidifier le trafic. Ils ont un cycle fixe
prédéfinis et ne tiennent pas en compte les situations de
fig 2 : Domaines d’application de l’IoT circulation réelles telles que le nombre de véhicules et
de piétons.
La congestion routière est l'un des problèmes majeurs
des villes mobilisées à forte population. Ce problème
est lie à l’augmentation considérable du nombre de
véhicules. Ceci implique que les systèmes de contrôle
des feux de circulation doivent évoluer pour une ges-  Leds : représente les composants des feux
tion plus sûr et plus efficace ainsi qu’améliorer et flui- de circulation
difier la circulation routière et régler le problème des  Microcontrôleur : modifie l’état des feux de
embouteillages. circulation, ainsi que la durée de chaque
Récemment plusieurs projets / travaux de recherche ont état selon la densité
été dédié au développement des nouvelles solutions qui La caméra associée au feu tricolore analyse constam-
permettent une gestion des systèmes de contrôle de ment le mouvement de véhicules et l’envoie sous
feux de circulation en tenant compte les différents forme d’une vidéo pour détecter la densité. Ces images
paramètres. Parmi ces travaux, nous citons : sont traitée et analyse en utilisant Open CV pour détec-
ter le nombre des véhicules présents / détecter la densi-
 Yogheshwaran et al. [7] ont développé un té dans une route. Sur la base de la densité calculée il
système qui permet à ses utilisateurs de libère le passage en actionnant la couleur verte du feu
contrôler la vitesse du véhicule lorsqu'il tricolore dans la route la plus dense et dure plus long-
traverse et afin de s’arrêter lorsqu’il y a un temps si le nombre des véhicules est très élevé.
signal rouge dans la circulation.
 Un nouveau système de feux de signalisa-
3.1 Collecte des images :
tion a été proposé dans [8]. Ce système est
basé sur l'apprentissage automatique avec la Afin de recevoir une vision en temps réel de chaque
détection des objets et l'algorithme évolutif, toute nous avons besoin d’un appareil/ système qui va
sert à réduire le temps d'attente des piétons nous permettre des données relatifs à l’état de la route
et des véhicules ainsi qu’offrir une meil- en temps réel. Evidemment, un tel modèle de fluidifi-
leure expérience de voyage aux usagers de cation de la circulation nécessite d’installer des camé-
la route. ras connectées qui seront installées sur chaque feu
 Un système intelligent et efficace pour le tricolore (figure 4).
contrôle de la circulation en utilisant les
techniques de traitement d’images a été
proposé par Dangi et al. [9]. Ce système est
basé sur deux enjeux majeurs : la densité du
trafic et la sécurité du passage des piétons.

3 SYSTEME PROPOSE

fig 4 : Installation des caméras connectées

3.2 Calcul de densité :

La densité d’un trafic est relatif au nombre de véhicule
présent. Nous calculons le nombre de véhicules dans
une zone en utilisant un rectangle qui est relativement
petit (figure 5), le nombre de véhicules dans la zone
augmente si un nouveau véhicule est rentré dans la
zone si non le nombre de véhicules dans la zone est le
même. Le changement d’état des feux tricolores et la
durée de chaque état dans un carrefour seront liés à la
fig 3 : Diagramme de flux de processus densité calculée.

L'idée principale de ce système est de combiner les

concepts de techniques de traitement d'image et d'In-
ternet des objets pour obtenir les résultats souhaités.

Ce système est composé de :

 Caméras : pour mesurer la densité du trafic.
 fig 8 : page d'archive
fig 5 : détection du nombre de véhicule dans une
route
3.3 Visualisation des données : 4 CONCLUSION
Cette phase consiste à offrir une interface simple et Dans cet article nous avons présenté un feu tricolore
ergonomique qui permettra aux responsables des routes intelligent basé sur l’internet des objets et le traitement
de visualiser les données en temps réel d’une manière d’images. L’objectif principal de ce travail était de
compréhensible. permettre un contrôle et gestion à distance des carre-
Selon son besoin, l’utilisateur peut choisir de consulter fours à feux, en utilisant des objets connectés (camera)
l’état des feux tricolores intelligents en temps réel, ou qui permettraient la collecte des séquences vidéo en
bien l’archive des états des feux tricolores (figure 6). temps réel. Ces vidéos seront analysé par la suite en se
basant sur des techniques de traitement d’images afin
d’interagir selon la situation réel du carrefour.
Cependant, nous souhaitons ajouter d’autres fonction-
nalités et d’effectuer quelque modifications à ce sys-
tème afin d’améliorer ces résultats et permettre une
meilleure gestion des carrefours à feux.

Bibliographie
[1] Lakshmi, K., & Gayathri, S. (2017). Implementation of
IoT with image processing in plant growth monitoring
system. J. Sci. Innov. Res, 6(2), 80-83.
fig 6 : page d’accueil [2] Ciaparrone, G., Sánchez, F. L., Tabik, S., Troiano, L.,
Tagliaferri, R., & Herrera, F. (2020). Deep learning in
video multi-object tracking: A sur-
En mode temps réel : les informations de l’état de vey. Neurocomputing, 381, 61-88.
l’ensemble des feux tricolores intelligents présent dans [3] Sharma, A., Singh, P. K., & Kumar, Y. (2020). An
le carrefour sont affichées (figure 7). integrated fire detection system using IoT and image
processing technique for smart cities. Sustainable Cities
and Society, 61, 102332.
[4] Minaee, S., Boykov, Y., Porikli, F., Plaza, A.,
Kehtarnavaz, N., & Terzopoulos, D. (2020). Image seg-
mentation using deep learning: A survey. arXiv preprint
arXiv:2001.05566.
[5] Wang, X., Zhao, Y., & Pourpanah, F. (2020). Recent
advances in deep learning.
[6] Fagroud, F.Z., Ben Lahmar, E.L., El Filali, S. (2019).
Internet of Things: Statistical Study on Research Evolu-
tion. International Journal of Advances in Electronics
and Computer Science , 6(5), 4-13.
[7] Yogheshwaran, M., Praveenkumar, D., Pravin, S.,
Manikandan, P. M., & Saravanan, D. S. (2020). IoT
fig 7 : page de l'état actuel Based Intelligent Traffic Control System. International
Journal of Engineering Technology Research & Man-
agement, 4(4), 59-63.
En mode archive : les informations archivée de l’état [8] Ng, S. C., & Kwok, C. P. (2020). An intelligent traffic
de chaque feux tricolores intelligents sont affichées light system using object detection and evolutionary al-
(figure 8). gorithm for alleviating traffic congestion in hong
 kong. International Journal of Computational Intelli-
gence Systems, 13(1), 802-809.
[9] Dangi, K., Kushwaha, M. S., & Bakthula, R. (2020). An
Intelligent Traffic Light Control System Based on Den-
sity of Traffic. In Emerging Technology in Modelling
and Graphics (pp. 741-752). Springer, Singapore.