Methodes de filtrage pour du suivi dans des sequences dimages - Application au suivi de points caracteristiquesReport as inadecuate




Methodes de filtrage pour du suivi dans des sequences dimages - Application au suivi de points caracteristiques - Download this document for free, or read online. Document in PDF available to download.

1 VISTA - Vision spatio-temporelle et active IRISA - Institut de Recherche en Informatique et Systèmes Aléatoires, Inria Rennes – Bretagne Atlantique

Abstract : This thesis is concerned with the use of filtering methods for tracking in image sequences. For the algorithms introduced here, the system is represented by a Hidden Markov Chain, described by a dynamic law and a likelihood. In order to construct a general method, the dynamic law is estimated from the images. This choice underlines some limitations of the simple model of Hidden Markov Chains. Indeed, such a modelisation does not describe the dependance of the system-s components to the image sequence.We first propose an original modelisation of the problem where the image data are explicitely taken into account. Such a model allows us to consider algorithms that do not rely on a priori information. Different kinds of filters associated with this new modelisation are derived. Then, a validation of this modelisation is presented. Three feature point trakers are proposed on this basis. They combine a dynamical law relying on an estimated motion, and measurements provided by a matching technique. Finally, this approach is extended to planar objet tracking.

Résumé : Cette etude traite de l-utilisation de methodes de filtrage pour du suivi dans des sequences d-images. Ces algorithmes reposent sur une representation du systeme dynamique par une chaine de Markov cachee, decrite par une loi dynamique et une vraisemblance des donnees. Pour construire une methode generale, une loi dynamique estimee sur les images est consideree. Ce choix met en evidence les limitations du modele simple de chaine de Markov cachee, qui ne decrit pas la dependance des elements du systeme aux images.Nous proposons d-abord une modelisation originale du probleme. Celle-ci rend les images explicites et permet de construire des algorithmes sans information a priori. Les filtres associes a cette nouvelle representation sont derives sur la base des filtres classiques, en considerant un conditionnement par rapport a la sequence. Il est egalement presente comment ce nouveau schema permet de considerer des modeles simples, pour lesquels la fonction d-importance optimale est disponible.Ensuite, nous nous interessons a la validation pratique de la modelisation proposee sur une application de suivi de points caracteristiques. Les systemes mis en oeuvre sont entierement estimes sur la sequence. Ils associent des mesures de similarite a une dynamique definie a partir d-un mouvement instantane estime par une methode differentielle robuste. Afin de controler l-importance des differents elements du systeme, les matrices de covariance de bruit des modeles sont estimees. Trois algorithmes de suivi de points sont ainsi construits et valides sur de nombreuses sequences reelles. Enfin, cette approche est etendue au suivi de motifs plans textures. Le modele considere introduit une information geometrique par homographie et amene a un algorithme robuste aux occultations totales.

Mots-clés : filtre de Kalman filtre particulaire methodes sequentielles de Monte Carlo estimateurs de variance minimale analyse du mouvement methodes de correlation suivi de points caracteristiques





Author: Elise Arnaud -

Source: https://hal.archives-ouvertes.fr/



DOWNLOAD PDF




Related documents