Étude Expérimentale D’une Plateforme De Vidéosurveillance Intelligente Pour Kinshasa : Mise En Œuvre De La Détection D’Avant-Plan, Du Flux Optique, Du Suivi Chromatique Et De L’Enregistrement Sous Simulink

Maxime KIALANDA MADIENGELE, Joseph Gregorius CIMBELA KABONGO, Blaise LEMA NKWALU, Joachim MBENGI NGOMA, Willy MULUMBA MAYAWIDI, Patrick KONGBO NGOSSE, José DIEKUNSUNGILA, Rémy NSIMBA NKULA, Igor MATA TOMBO

Abstract


La ville de Kinshasa est confrontée à une croissance démographique et automobile soutenue, générant de nouveaux défis liés à la mobilité urbaine, à la sécurité publique et à la fluidité du trafic. L’augmentation des points de congestion et des zones d’insécurité impose la mise en place de solutions technologiques innovantes pour la surveillance et la gestion de la ville. Dans ce contexte, la présente étude propose une approche expérimentale pour le développement d’une plateforme intelligente de vidéosurveillance, reposant sur l’environnement MATLAB/Simulink et la boîte à outils de vision par ordinateur. Cette plateforme est conçue pour fonctionner à la fois en temps réel et en différé, offrant aux décideurs municipaux un outil robuste d’analyse et de gestion de la sécurité urbaine. L’architecture proposée intègre quatre modules complémentaires : (i) l’enregistrement des séquences vidéo, permettant l’archivage et la relecture des événements ; (ii) la détection d’avant-plan, destinée à isoler les objets en mouvement dans des scènes complexes ; (iii) l’analyse de flux optique, utilisée pour évaluer les vitesses et trajectoires des véhicules ; et (iv) le suivi chromatique, facilitant l’identification et la poursuite d’objets spécifiques selon leurs caractéristiques de couleur. Les résultats expérimentaux obtenus démontrent la capacité de cette plateforme à détecter, suivre et archiver efficacement les véhicules ainsi que certaines activités suspectes, avec un niveau de précision satisfaisant. L’intégration de ces méthodes dans un même environnement constitue une avancée significative en matière de vidéosurveillance intelligente appliquée au contexte urbain de Kinshasa. Cette solution ouvre des perspectives concrètes pour la mise en place de politiques de sécurité intégrées, tout en contribuant à la construction d’une ville plus sûre et résiliente.

Keywords


vidéosurveillance intelligente, détection d’avant-plan, flux optique, suivi chromatique, enregistrement vidéo, MATLAB/Simulink, sécurité urbaine.

Full Text:

PDF

References


. Chen, X., Li, Y., & Zhang, H. (2024). Moving Object Detection in Freely Moving Camera via Global Motion Compensation and Local Spatial Information Fusion. MDPI Sensors,

. 24(9), 2859. https://www.mdpi.com/1424-8220/24/9/2859

. Fassold, A., Müller, T., & Schneider, F. (2023). A Real-Time Algorithm for Human Action Recognition in RGB and Thermal Video. arXiv. https://arxiv.org/abs/2304.01567

. Poojashree, R., Kumar, S., & Rao, P. (2025). Real-Time, Low-Latency Surveillance Using Entropy-Based Adaptive Buffering and MobileNetV2 on Edge Devices. arXiv.

. https://arxiv.org/abs/2506.14833

. Repale, D., Shingate, S., & Shah, D. (2023). SIMULINK based Moving Object Detection and Blob Counting Algorithm for Traffic Surveillance. ResearchGate. https://www.researchgate.net/publication/249237372_SIMULINK_based_Moving_Objec t_Detection_and_Blob_Counting_Algorithm_for_Traffic_Surveillance

. Sen, A. (2016). How to use mahalanobis.m to calculate Mahalanobis distance of an image. MATLAB Central. https://it.mathworks.com/matlabcentral/answers/280657-howto-use-mahalanobis-m-to-calculate-mahalanobis-distance-of-an-image

. Pratama, A. (2016). How to use mahalanobis.m to calculate Mahalanobis distance of an image. MATLAB Central. https://it.mathworks.com/matlabcentral/answers/280657-howto-use-mahalanobis-m-to-calculate-mahalanobis-distance-of-an-image

. ONU-Habitat. (2023). Rapport sur l’urbanisation et la population de Kinshasa. Nairobi, Kenya: United Nations Human Settlements Programme. https://unhabitat.org

. MathWorks. (n.d.). vision.ForegroundDetector. MATLAB Documentation. https://www.mathworks.com/help/vision/ref/vision.foregrounddetector-systemobject.html

. MathWorks. (n.d.). Blob Analysis. MATLAB Documentation.

a. https://www.mathworks.com/help/vision/ref/blobanalysis.html

. MathWorks. (n.d.). Tracking Cars Using Optical Flow. MATLAB Documentation.

. https://www.mathworks.com/help/vision/ug/tracking-cars-using-optical-flow.html

. MathWorks. (n.d.). Tracking Based on Color. MATLAB Documentation.

a. https://www.mathworks.com/help/vision/ug/tracking-based-on-color.html

. MathWorks. (n.d.). mahal. MATLAB Documentation.

a. https://www.mathworks.com/help/stats/mahal.html




DOI: http://dx.doi.org/10.52155/ijpsat.v57.1.8101

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Maxime KIALANDA MADIENGELE

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.