5.3 R´esultats de suivi
5.3.3 Evaluation de l’approche de suivi multipiste
Dans cette partie, nous ´evaluons les approches de suivi multipiste [3] pr´esent´ees dans le chapitre 4, section 4.3 : l’approche uni-descripteur bas´ee sur des pistes NL-JTC et l’approche multidescripteur bas´ee sur des pistes NL-JTC, LBP et HOG. Pour cela, nous faisons une ´etude comparative avec les approches de base que nous avons adapt´ees pour le suivi de nageurs (chapitre 3) : NL-JTC, histogramme de couleurs, LBP et HOG. Notre ´etude porte sur la distance entre les positions des nageurs d´etect´ees en utilisant ces approches automatiques et la v´erit´e terrain issue de l’annotation manuelle.
Nous ´evaluons ces approches par le pourcentage de suivi. Ce dernier est calcul´e en mesurant la distance entre les positions du nageur d´etect´ees, en utilisant les approches de suivi, et la v´erit´e terrain. La d´ecision est prise grˆace `a un seuil calcul´e relativement `a la taille de la r´ef´erence utilis´ee, comme le montre l’´equation suivante :
seuil = 'Ref2
x + Ref2 y
2 (5.4)
avec Refx et Refy les dimensions de la r´ef´erence.
Le seuil choisi est ´egal `a la moiti´e de la diagonale afin d’autoriser, au minimum, un chevauchement d’un quart entre la cible d´etect´ee et celle qui est annot´ee. Finalement, nous utilisons les crit`eres statistiques de moyenne et d’´ecart-type, afin d’´evaluer sa stabilit´e tout au long de la s´equence. Le tableau 5.4 pr´esente les r´esultats des tests effectu´es sur deux s´equences vid´eo d’entraˆınement ayant les caract´eristiques suivantes :
5.3. R´ESULTATS DE SUIVI — Vitesse moyenne : ∼ 1 m/s (Vid´eo 1) et ∼ 1.5 m/s (Vid´eo 2)
— Syst`eme de prise de vue : cam´era IDS — R´esolution : 2048 * 2048 pixels
— Nombre d’images : 150
— Fr´equence : 30 images/seconde
Approches de suivi Vid´eos de test Pourcentage Moyenne Ecart-type (Pixels) (Pixels) (%) NL-JTC Vid´eo 1 88.00 25.7 17.02 Vid´eo 2 76.67 32.3 23.16 LBP Vid´eo 1 81.33 25.5 27.63 Vid´eo 2 83.00 24.62 25.5 HOG Vid´eo 1 84.67 28.63 17.76 Vid´eo 2 60.67 43.21 39.02 Histogramme de couleur Vid´eo 1 88.33 24.21 18.60 Vid´eo 2 86.67 26.06 19 Multipiste NL-JTC Vid´eo 1 94.00 21.70 12.98
Vid´eo 2 93.33 23.00 14.65 Multipiste multidescripteur Vid´eo 1 94.67 19.03 11.18
Vid´eo 2 93.67 20.37 11.18
Optimal Vid´eo 1 98.00 15.8 10.12
Vid´eo 2 97.33 16.34 10.83 Table 5.4 – Comparaison entre les r´esultats de l’approche de suivi multipiste et les diff´erentes approches de suivi de base en termes de distance entre les positions d´etect´ees et la v´erit´e t´errain.
Le tableau 5.4 pr´esente les r´esultats du suivi sous forme d’une ´etude comparative entre les approches multipistes (multipste uni-descritpteur et multidescripteur), les ap-proches de base (NL-JTC, histogramme de couleur, LBP et HOG) et le suivi optimal que nous pouvons obtenir en prenant manuellement la meilleure d´etection entre celles issues des 4 approches classiques pour chaque image.
Les r´esultats montrent que les approches multipistes ont nettement am´elior´e les r´esultats des approches de base. Par exemple, pour la vid´eo 1 o`u le nageur nage len-tement `a une vitesse moyenne de ∼ 1m/s, nous avons obtenu un pourcentage de 94% et 94.67% en appliquant, respectivement, les approches multipistes uni-descripteur et multidescripteur. Ceci est significativement meilleur que les approches de base qui va-rient entre 84.67% et 88.33%. En ce qui concerne la vid´eo 2 o`u le nageur nage plus vite avec une vitesse moyenne de ∼ 1.5%, l’apport des approches multipistes est nettement visible. En effet, le pourcentage de suivi qui varie entre 60.67% et 86.67% pour les ap-proches de base est am´eliorer jusqu’`a 93.33% et 93.67% avec les apap-proches multipistes.
D’autre part, nous constatons la mˆeme tendance pour les deux autres crit`eres. Comme le montrent le tableau 5.4 et la figure 5.10, La moyenne des distances ainsi que l’´ecart-type diminuent significativement en appliquant les approches multipistes. La diminution de la moyenne des distances repr´esente une optimisation de la pr´ecision du suivi tandis que la diminution de l’´ecart-type refl`ete la stabilit´e du suivi.
Ces optimisations apport´ees par les approches multipistes sont expliqu´ees par leur principe de fusion des d´ecisions. Ce dernier consiste `a v´erifier plusieurs pistes de suivi pour ensuite choisir la meilleure en terme de ressemblance de couleur. Concernant l’approche uni-descripteur, les pistes sont repr´esent´ees par les pics de corr´elation les plus ´elev´es dans le plan de corr´elation. Pour l’approche multidescripteur les pistes repr´esentent : deux pics issus de la technique NL-JTC, la meilleure d´etection de la technique LBP et la meilleure d´etection de la technique HOG. Cette approche multi-descripteur donne les meilleurs r´esultats compar´es `a toutes les autres approches de base ainsi qu’`a l’approche uni-descripteur.
Enfin, nous concluons cette partie par une comparaison entre l’approche multi-piste multidescripteur et le multimulti-piste optimal. Ce dernier est con¸cu comme rep`ere afin d’´evaluer les approches multipiste. Il s’agit de choisir manuellement la meilleure des pistes dans chaque it´eration afin d’obtenir un suivi multipiste optimal. Comme le montrent le tableau 5.4 et la figure 5.10, l’approche multipiste multidescripteur reste moins performante que le multipiste optimal. Ceci est expliqu´e par la limitation de la fusion au niveau des d´ecisions ainsi que l’utilisation de l’histogramme de couleur comme crit`ere de choix entre les pistes qui favorise l’information couleur par rapport aux autres descripteurs. Pour pallier ces probl`emes, nous avons propos´e l’approche de fusion dynamique que nous ´evaluons dans la section suivante.
5.3. R´ESULTATS DE SUIVI
(a) (b)
(c) (d)
(e) (f)
(g)
Figure 5.10 – Courbes de distance entre les positions d´etect´ees en utilisant les diff´erentes approches de suivi et la v´erit´e terrain. (a) : NL-JTC (b) : Histogramme de couleur (c) : HOG (d) : LBP uniforme rotation-invariant (e) : Multipiste NL-JTC (f ) : Multipiste multidescripteur (g) : Minimum (optimal).