DUBUISSON Séverine

Habilitação (Livre Docência)
Equipe : PEQUAN
Data de partida : 09/11/2012
https://lip6.fr/Severine.Dubuisson

Le filtrage particulaire pour le suivi dans les séquences complexes : des solutions pour la gestion des grands espaces d'état et d'observation

De nos jour, le suivi mono ou multi-objets dans les séquences vidéo est une des thématiques majeures de la vision par ordinateur. Il a en effet de nombreuses applications pratiques, notamment en interaction homme-machine, en réalité augmentée, en contrôle de trafic, en surveillance, en imagerie médicale ou biomédicale ou encore dans les jeux interactifs. Ces dernières années, les méthodes séquentielles de Monte-Carlo, plus connues sous le nom de filtres particulaires, se sont imposées comme les algorithmes par excellence pour le suivi visuel. Elles ont pour objectif d'estimer la densité de filtrage liant les états des objets à suivre aux observations passées et présentes en l'approchant par un échantillon pondéré. Outre leur simplicité de mise en oeuvre, ces approches sont capables de maintenir au cours du temps des hypothèses multiples, ce qui les rend robustes face aux challenges du suivi visuel. De plus, de par leur nature probabiliste, leur formalisme, très générique, permet d'envisager des modélisations complexes pour les objets et les observations dont on dispose, dont les densités peuvent être non paramétriques et/ou multimodales. Mais si le fait de maintenir de multiples hypothèses au cours du temps est un réel avantage, leur nombre minimal pour assurer le maintien d'une bonne estimation de la densité de filtrage doit être d'autant plus élevé que la modélisation choisie pour les données induit une représentation dans des espaces de grande dimension. Ceci pose de réels problèmes dès lors que l'on souhaite affiner une représentation en intégrant, par exemple, toute la richesse descriptive fournie par les capteurs dont on dispose. L'objectif de nos travaux concerne ainsi la gestion des grands espaces de représentation d'état et d'observation, ce qui nous paraît être un des verrous majeurs du filtrage particulaire. Ils se déclinent selon deux axes :
- Le premier axe concerne le choix de la modélisation des données afin d'en alléger la représentation ainsi que d'accélérer leur extraction. Les travaux de cet axe sont essentiels pour simplifier les calculs relatifs à l'estimation par filtrage particulaire. Nous avons proposé plusieurs solutions théoriques et/ou algorithmiques qui ont permis d'obtenir, soit une diminution significative des temps de calcul des fonctions de vraisemblance, notamment par des extractions optimisées d'histogrammes, soit des modélisations originales de problèmes classiques en suivi, tels que la déformation de l'objet au cours du temps, ses multiples représentations possibles (apparences, modalités et fragments), ou encore la détection d'objets (nouveaux ou pas) entre deux images.
- Le deuxième axe concerne l'exploration de l'espace d'état, qui, lorsqu'il est de grande taille, s'avère difficile puisque son exploration exhaustive nécessite que l'on multiplie significativement le nombre d'hypothèses, ce qui s'avère impossible dans des temps de calcul raisonnables. Ce problème peut être résolu de deux manières différentes. La première consiste à "choisir" les zones de l'espace à explorer, ce que nous appelons "focaliser". Ainsi, on peut maintenir un nombre d'hypothèses raisonnable tout en explorant astucieusement les zones dans lesquelles elles seront propagées, zones supposées à forte vraisemblance. Nous avons proposé plusieurs approches permettant de mieux focaliser dans l'espace d'état et, ainsi, accélérer le processus de suivi par filtrage particulaire. L'intérêt de ces solutions est montré à travers des applications variées, telles que le suivi d'un objet, en gérant des mouvements erratiques, le suivi multi-objets, en traitant le cas des occultations et enfin le suivi multi-formes, en traitant les objets déformables. La deuxième solution consiste à décomposer l'espace d'état en sous-espaces de petites tailles sur lesquels les calculs sont réalisables avec "peu" d'hypothèses. Nous avons dans ce cadre proposé trois solutions, qui ont été appliquées au suivi multi-objets ou d'objets articulés.

Defesas : 09/11/2012

Membros da banca :

Henri Maître, Professeur, Télécom ParisTech - LTCI [Rapporteur]
Jean Meunier, Professeur, Université de Montréal - DIRO [Rapporteur]
Patrick Pérez, Directeur de Recherche, Technicolor [Rapporteur]
Jean-Claude Bajard, Professeur, UPMC - LIP6
Isabelle Bloch, Professeur, Télécom ParisTech - LTCI
Thierry Château, Professeur, Université Blaise Pascal - Institut Pascal
Mohamed Chetouani, Maître de Conférence HDR, UPMC - ISIR
René Alt, Professeur Emérite, UPMC - LIP6

Data de partida : 09/11/2012

5 Doutores em PhD 2008 - 2016

Mentions légales
Mapa do site