par Delagnes et al. [Del95] ou le terme d’erreur de compensation de mouvement utilisé par Pardas et Sayrol [Par01]. Venegas-Martinez introduit dans sa thèse [VM01] une méthode de suivi qui combine les résultats d’une segmentation des images par front de propagation avec les informations relatives à la compensation du mouvement entre deux images successives. Lam et Yuen [Lam98] proposent une modification de la formulation de l’énergie. La méthode de suivi obtenue donne alors de meilleurs résultats que celle basée sur l’algorithme greedy de Williams et Shah [Wil92]. Ronfard [Ron94] intègre dans la définition des forces des attributs de région obtenus par des statistiques locales. Chesneaud [Che00] utilise également des techniques sta-tistiques afin de disposer d’une méthode de suivi robuste, même en l’absence de contour net entre les objets et le fond. Bonnet et al. [Bon95, Bon97] utilisent des statistiques robustes pour définir leur modèle de contour actif (appelé snake robuste). Leur modèle comprend, outre des classiques énergies intra-trames, des énergies inter-trames permettant de prendre en compte les informations spatio-temporelles de la séquence d’images. Rendon Mancha [Ren02] intègre des techniques de morphologie mathématique au modèle de contour actif. Une modélisation radiale du contour a été proposée par Denzler et Nieman dans [Den99] et par Chen et al. dans [Che01a]
afin d’éviter des croisements dans le contour et de réduire le problème de minimisation d’éner-gie depuis le plan image 2-D vers un espace 1-D. Comme de nombreux auteurs ont proposé des énergies basées sur les caractéristiques des objets suivis, Marques [Mar98] a étudié le lien entre ces énergies et les énergies basées sur le contenu de l’image. Il en résulte la possibilité d’estimer des énergies liées à l’image par des énergies liées aux caractéristiques des objets. Finalement, l’ouvrage de Blake et Isard [Bla99] propose différentes méthodes de suivi, notamment en temps réel.
Dans cette section nous avons présenté le modèle de contours actifs utilisé, les différents termes d’énergie employés, ainsi que mentionné quelques méthodes de suivi par contour actif.
Nous allons maintenant décrire les mises en œuvre rapides ainsi que les solutions techniques que nous proposons.
7.3 Méthode de suivi
Le but de la méthode présentée est de suivre des objets non-rigides en temps réel dans des images couleur acquises avec une caméra en mouvement. Afin de minimiser le temps de calcul, nous avons été amené à faire différents choix qui différencient notre contribution des approches de la littérature. Tout d’abord, nous choisissons de n’appliquer aucun prétraitement avant la déformation du contour actif, contrairement à la plupart des méthodes présentées dans la
littéra-7.3. Méthode de suivi 123 ture [Van97]. Ensuite, aucune compensation du mouvemement de la caméra n’est effectuée. De plus, nous n’estimons pas non plus le mouvement des différents objets suivis. Enfin, le calcul du gradient est limité à une zone restreinte autour de la position initiale de l’objet suivi.
L’approche que nous avons proposée [Lef00a, Lef01b] est composée de deux étapes réali-sées successivement sur chaque trame de la séquence vidéo. Tout d’abord le snake est initialisé en utilisant le résultat obtenu à l’image précédente. Il est ensuite déformé en utilisant les éner-gies décrites dans la section 7.2.2. Ces deux étapes sont décrites ci-dessous. Nous donnerons ensuite quelques résultats préliminaires nous permettant d’illustrer les qualités et les limites de l’approche proposée.
7.3.1 Initialisation
La première étape consiste en l’initialisation du snake sur l’image courante. Cette initiali-sation est effectuée là encore en deux étapes. Dans un premier temps, le rectangleR[0]à côtés parallèles aux contours de l’image et circonscrit au snake final obtenu à l’image précédente est créé. La taille de ce rectangle est ensuite augmentée de sorte qu’il englobe a priori le snake final que nous allons obtenir pour l’image courante. Puisque nous utilisons une implémenta-tion discrète et locale du contour actif, nous construisons le snake initial en plaçant les points le composant uniformément sur le contour du rectangle. Le nombre de points utilisé dépend évidemment de la précision souhaitée pour le résultat.
Toutes les images d’un même plan ne sont pas considérées de la même manière. En effet, une initialisation spécifique est nécessaire pour la première trame d’un plan, où aucune information sur le snake n’est disponible a priori. Dans ce cas, l’initialisation est effectuée de manière automatique en utilisant le résultat d’une étape de séparation du fond et des objets, comme celle décrite dans la section 3.3.
7.3.2 Déformation
Une fois le snake initialisé, un processus de déformation intervient jusqu’à convergence en utilisant les forces décrites précédemment. Il va nous permettre de déterminer la position d’un objetOi(t)à l’instantten se basant sur sa position précédenteOi(t−1).
Contrairement à son emploi usuel, la force ballon est ici utilisée pour contracter le snake et non le dilater. Ce choix est justifié lorsque les objets sont caractérisés par des zones hétérogènes (gradients de forte amplitude et couleurs variées) tandis que l’arrière-plan est représenté
princi-7.3. Méthode de suivi 124 palement par des zones homogènes. La déformation d’un contour étant plus facile au travers de zones homogènes qu’au travers de zones hétérogènes, une contraction du contour depuis la zone correspondant à l’arrière-plan est plus efficace qu’un accroissement du contour depuis une zone correspondant à l’intérieur de l’objet suivi. Ce choix nous permet, de plus, d’éviter l’estimation de mouvement de l’objet suivi.
L’approche décrite ci-dessus a fait l’objet d’un ensemble de tests afin d’une part d’être validée, et d’autre part de mettre en évidence ses qualités aussi bien que ses défauts.
7.3.3 Résultats préliminaires
La méthode de suivi décrite ici supporte le cas d’une caméra en mouvement. Néanmoins, la sensibilité à l’environnement de l’objet suivi est importante. Ainsi le suivi peut échouer si plusieurs objets mobiles ont des positions spatiales proches. En effet, on peut se trouver dans le cas où :
∃j / Oj(t)⊂R[Oi(t−1)] (7.12)
c’est-à-dire lorsque l’objet suivi est proche d’un autre objet. Le snake initial englobera alors les deux objets. Lorsque les deux objetsOi etOj s’éloignent l’un de l’autre, le modèle de contour actif décrit précédemment est incapable de se fixer sur un seul des objets suivis et continue à suivre les deux objets comme un seul. De plus, ce modèle est sensible aux fortes valeurs de gradient des pixels pouvant appartenir à l’arrière-plan (comme par exemple les lignes blanches dans des scènes de football). Ces deux problèmes sont illustrés dans la figure 7.1.
FIG. 7.1 – Incapacité du snake à gérer des objets proches ou un arrière-plan contenant des pixels de fort gradient. Le suivi d’objet peut être correct à un instant donné (à gauche) mais échouer après des phénomènes d’occlusion, le joueur B passant ici devant le joueur A (à droite).
Il n’est donc pas possible de traiter des séquences où plusieurs centres d’intérêt d’impor-tance égale sont en mouvement de manière concurrente. Aussi, afin de gérer le cas d’objets multiples dans la séquence vidéo, il est nécessaire d’intégrer au modèle la possibilité d’un
chan-7.4. Extension au cas d’objets multiples 125