[Vision IA] Détection de franchissement de voie & ANPR Super-Résolution : Pipeline complet en 6 étapes & Contraintes temps réel (#1)

📌 Points clés (TL;DR)

• Le problème : Les vidéos de dashcam à haute vitesse souffrent de vibrations, de contre-jours et de flous de mouvement sévères, rendant la reconnaissance directe des plaques et des lignes très instable.
• La solution : Un pipeline modulaire en 6 étapes respectant une contrainte stricte de 30 FPS, associant vision géométrique, réseaux de neurones YOLO, super-résolution EDSR et vote temporel.

---

1. Vue d'ensemble des 6 étapes du pipeline

flowchart LR
    A[1. Flux vidéo 30 FPS] --> B[2. Détection dynamique des voies]
    B --> C[3. Détection hiérarchique véhicule & plaque]
    C --> D[4. Calcul géométrique d'intrusion IoU]
    D --> E[5. Super-Résolution profonde EDSR]
    E --> F[6. EasyOCR & Vote majoritaire temporel]

---

📌 Synthèse Exécutive (3–5 lignes)

1. Conception modulaire : Chaque défi de vision (détection, suivi, amélioration, lecture) est résolu par un module dédié.
2. Performances temps réel : La pipeline maintient 30 images par seconde de manière stable.
3. Résilience au flou : Le réseau résiduel EDSR restaure les contours de caractères fortement pixelisés.
4. Fiabilité accrue : Le calcul d'intrusion par polygone IoU évite les faux positifs sur les aspérités de la route.