Towards robust visual object tracking : proposal selection and occlusion reasoning

Résumé : Cette dissertation traite du problème du suivi d'objets visuels, dont le but est de localiser un objet et de déterminer sa trajectoire au cours du temps. En particulier, nous nous concentrons sur les scénarios difficiles, dans lesquels les objets subissent d'importantes déformations et occlusions, ou quittent le champs de vision. A cette fin, nous proposons deux méthodes robustes qui apprennent un modèle pour l'objet d'intérêt et le mettent à jour, afin de refléter ses changements au cours du temps.Notre première méthode traite du problème du suivi dans le cas où les objets subissent d'importantes transformations géométriques comme une rotation ou un changement d'échelle. Nous présentons un nouvel algorithme de sélection de propositions, qui étend l'approche traditionnelle de ``suivi par détection''. Cette méthode procède en deux étapes: proposition puis sélection. Dans l'étape de proposition, nous construisons un ensemble de candidats qui représente les localisations potentielles de l'objet en estimant de manière robuste les transformations géométriques. La meilleure proposition est ensuite sélectionnée parmi cet ensemble de candidats pour précisément localiser l'objet en utilisant des indices d'apparence et de mouvement.Dans un second temps, nous traitons du problème de la mise à jour de modèles dans le suivi visuel, c'est-à-dire de déterminer quand il est besoin de mettre à jour le modèle de la cible, lequel peut subir une occlusion, ou quitter le champs de vision. Pour résoudre cela, nous utilisons des indices de mouvement pour identifier l'état d'un objet de manière automatique et nous mettons à jour le modèle uniquement lorsque l'objet est entièrement visible. En particulier, nous utilisons des trajectoires à long terme ainsi qu'une technique basée sur la coup de graphes pour estimer les parties de l'objet qui sont visibles.Nous avons évalué nos deux approches de manière étendue sur différents bancs d'essai de suivi, en particulier sur le récent banc d'essai de suivi en ligne et le jeu de donnée du concours de suivi visuel. Nos deux approches se comparent favorablement à l'état de l'art et font montre d'améliorations significatives par rapport à plusieurs autres récents suiveurs. Notre soumission au concours de suivi d'objets visuels de 2015 a par ailleurs remporté l'une de ces compétitions.
Type de document :
Thèse
Computer Vision and Pattern Recognition [cs.CV]. Université Grenoble Alpes, 2016. English. <NNT : 2016GREAM012>
Liste complète des métadonnées


https://tel.archives-ouvertes.fr/tel-01394943
Contributeur : Abes Star <>
Soumis le : jeudi 10 novembre 2016 - 11:00:08
Dernière modification le : mercredi 17 mai 2017 - 03:27:01
Document(s) archivé(s) le : mercredi 15 mars 2017 - 03:51:46

Fichier

HUA_2016_diffusion.pdf
Version validée par le jury (STAR)

Identifiants

  • HAL Id : tel-01394943, version 1

Collections

Citation

Yang Hua. Towards robust visual object tracking : proposal selection and occlusion reasoning. Computer Vision and Pattern Recognition [cs.CV]. Université Grenoble Alpes, 2016. English. <NNT : 2016GREAM012>. <tel-01394943>

Partager

Métriques

Consultations de
la notice

677

Téléchargements du document

5627