Séminaire Donnees et APprentissage ArtificielRSS

Filtrage particulaire pour le suivi dans les séquences vidéo multi-modales


07/01/2010
Intervenant(s) : Séverine Dubuisson, LIP6
Le suivi dans les séquences est beaucoup étudié dans la communauté de la vision et ses champs d'application sont très larges. Parmi les méthodes de suivi, nous travaillons principalement sur les filtres particulaires, qui consistent à estimer les lois des objets à suivre conditionnellement aux observations disponibles à l'aide d'un ensemble de particules pondérées. Cette approche méthodologique vise à estimer des lois (ici celles des objets à suivre en deux temps : - une première étape dite de prédiction qui consiste à utiliser une loi de transition (via une fonction de proposition) pour prédire la loi recherchée, - une seconde etape d'estimation, consistant à corriger cette prédiction à l'aide des observations courantes, par le biais d'une fonction de vraisemblance. Bien que le filtrage particulaire soit beaucoup utilisé pour le suivi, certains problèmes inhérents à la méthodologie n'ont pas été résolus encore parfaitement. L'étape de prédiction nécessite l'utilisation d'une fonction de proposition. Le plus souvent, on utilise des connaissances a priori sur la loi que l'on cherche à estimer, provenant par exemple, des événements passés, ou tout simplement d'hypothèses de départ. Nous travaillons sur la définitions de nouvelles fonctions de proposition et lois de transitions pour avoir une prédiction la plus proche des données dont on dispose. Ce raisonnement peut s'étendre également à l'étape de correction, qui demande l'utilisation de fonctions de vraisemblance adaptées au contexte du problème de suivi (séquence, objet). Nous proposons ainsi une modélisation flexible et adaptative en définissant une fonction de proposition qui dépend à la fois d'estimations passées de l'objet et des nouvelles observations. Les résultats de suivis sont améliorés, et cette approche nous permet, en particulier, de pouvoir traiter des données multi-modales (i.e. provenant de différentes sources).
Plus d'informations ici
Thomas.Baerecke (at) nulllip6.fr
 Mentions légales
Carte du site |