Abstract : In that article we focus on facade detection in order to improve image/model buildings matching for pose computation in urbain environnement. We use a two-step design. First a cascade of LogitBoost classifiers using features which describe local context selects a few windows from a set of windows drawn on an a priori distribution. These facade candidates are then more internally described using their Haar-Fourier representation. Eventually they are discarded or kept by a strong classifier SVM. Results are computed from a 410-set of urban images.
Résumé : Dans cet article nous nous intéressons à la détection de façades dans le but d'améliorer la mise en correspon-dance image/modèle de bâtiments pour le calcul de pose en milieux urbain. Après une étape de rectification automa-tique, nous employons un schéma en deux étapes. Premiè-rement une cascade de classifieurs LogitBoost basés sur des indices simples faisant intervenir le contexte local sé-lectionne quelques fenêtres parmi un ensemble de fenêtres tirées selon une distribution a priori. Ces façades poten-tielles sont ensuite décrites plus structurellement par leur représentation de Haar-Fourier. Elles sont finalement rete-nues ou écartées par un classifieur fort SVM. Les résultats sont évalués sur une base de test de 410 images urbaines.