Direction de recherche : Christophe GONZALES

Co-encadrement : DUBUISSON Séverine

Exploitation de réseaux bayésiens dynamiques et du filtre particulaire pour le suivi d'objets articulés

Le problème de grande dimension de l'espace d'état ou d'observation est difficile à résoudre pour la communauté du suivi d'objet dans les séquences vidéo. Plusieurs approches ont été proposées pour résoudre ce problème. Très souvent, ces approches visent à faire des hypothèses a priori sur les mouvements, le type de l'objet, ou encore sur le contexte du suivi,... de manière à simplier le problème, réduire la dimension des espaces de travail et ainsi rendre ces approches appliquables dans les problèmes réels de suivi d'objets complexes (par exemple des objets articulés ou un ensemble d'objets), ou la dimension de l'espace d'état peut être très grande.
Le filtrage particulaire offre un formalisme probabiliste assez souple pour suivre des objets dans des séquences vidéo. Son principe est d'estimer la distribution de probabilité sur l'état de l'objet à suivre grâce à un échantillon pondéré dont les éléments, réalisations possibles de cet état, sont appelés particules. Il permet le suivi d'objets dans des situations complexes ou les distributions de probabilité à estimer ne sont ni gaussiennes ni même monomodales.
Malheureusement, dans les problèmes où les espaces d'état et d'observation de l'objet sont de grandes tailles, comme c'est le cas pour le suivi d'objets articulés, le nombre de particules nécessaires à une bonne approximation de la densité à estimer peut être prohibitif. Des solutions à ce problème ont toutefois été apportées dans la littérature, en particulier l'utilisation de décompositions des espaces d'état et d'observation permettant de travailler sur des espaces de plus petites tailles.
L'objectif de cette thèse est de proposer des méthodes pour traiter le problème de grande dimensions de l'espace d'état dans le suivi d'objets articulés, et pour cela nous proposons d'exploiter et de faire interagir entre elles des approches récentes et complementaires dans le contexte du suivi vidéo avec des situations complexes : filtrage particulaire pour modéliser le problème de suivi, réeseaux bayésiens pour la mise à jour et l'inference des états du systeme.

Publications 2011-2013