4.2.1 Pondération des modules
La figure 4.1 illustre les résultats de suivi de l’algorithme sur une séquence simulée et plus particulièrement l’évolution de la pondération des modules au fil de la séquence. La séquence utilisée présente un rectangle texturé (parsemé de points blancs) de couleur verte se déplaçant le long d’une ellipse et traversant tour à tour trois fonds distincts : un fond uni de couleur violette, un fond uni de couleur verte (identique au vert de l’objet) et enfin un fond texturé de couleur violette (de texture identique à celle de l’objet). Les résultats présentés ont été obtenus en utilisant deux modules : un module de couleur (RVB) et un module de texture (LBP). Les images (a), (b) et (c) correspondent à trois instants clés de la séquence. L’image (d) présente les résultats de suivi à proprement parler sous la forme d’une comparaison entre la trajectoire réelle du centre du rectangle et la trajectoire "détectée" de ce même point. Enfin les courbes de l’image (e) présentent l’évolution de la pondération de chaque module au fil de la séquence.
Durant la première phase de la séquence, l’objet se rapproche de la zone de même couleur. Le nombre de pixels testés appartenant au fond et de même couleur que l’objet ne fait qu’augmenter d’une image à l’autre, diminuant de fait la fiabilité du module de couleur (sans modification de la fiabilité du module de texture). Le filtre, en se basant sur ces fiabilités, diminue donc le poids du module RVB et augmente par conséquent celui du module LBP (somme des poids normalisée) pour atteindre un maximum lors de l’entrée totale du rectangle dans la zone de même couleur (a). Lors du passage de la première zone à la zone de même texture que celle de l’objet mais de couleur différente (seconde zone (b)), la tendance s’inverse. Le module LBP devient non fiable et le module RVB regagne en fiabilité. Ce revirement conduit le filtre à échanger le poids des modules, augmentant le poids du module RVB et diminuant celui du module LBP. Lorsque l’objet s’approche finalement de la bordure entre la seconde zone et le reste de l’image (c), la fiabilité du module LBP augmente de nouveau (sans modification de la fiabilité du module RVB), ce qui
entraine une ré-augmentation progressive de son poids pour atteindre quasiment le même niveau que celui du module de couleur à la fin de la séquence. Cette séquence illustre parfaitement la gestion automatique du poids des modules par le filtre, ce qui permet automatiquement d’éviter que des informations non fiables ne viennent biaiser la prise de décision finale sur la position de l’objet.
(a) (b) (c)
(d) (e)
Figure 4.1 – Pondération automatique des modules. (a), (b) et (c) : résultats de suivi correspondants respectivement aux images 240, 316 et 380 de la séquence (le rectangle solide correspond à l’objet et le rectangle en pointillés à la région d’intérêt). (d) : résultat de suivi sur la séquence. La ligne en pointillés représente la trajectoire réelle du centre de l’objet dans le repère image (vérité terrain) et la ligne solide la trajectoire extraite du suivi dans ce même repère. Les paramètres de l’erreur sont calculés relativement à la distance Euclidienne séparant le centre du rectangle réel du centre observé image par image. (e) : évolution de la pondération (moyennée sur l’ensemble des particules) des modules au fil de la séquence (les images a, b et c sont reportées sur les courbes).
4.2.2 Suivi et mise à l’échelle sur caméras fixes et mobiles
La figure 4.2 (resp. 4.3) illustre la mise à l’échelle automatique de la cible lors d’un suivi par Ensemble Tracking Modulaire sur caméra fixe (resp. sur caméra de centre optique mobile).
La première correspond au suivi d’un piéton sur une séquence de la base de vidéos CAVIAR (2nd set). Au fil de la séquence, le piéton suivi s’éloigne de la caméra. La seconde correspond au suivi d’une voiture en mouvement filmée depuis un autre
Figure 4.2 – Mise à l’échelle sur caméra fixe. Le rectangle en trait plein correspond au rectangle englobant la cible alors que le rectangle en pointillés correspond à la région d’in- térêt.
Figure 4.3 – Mise à l’échelle sur caméra de centre optique mobile. Le rectangle en trait plein correspond au rectangle englobant la cible alors que le rectangle en pointillés correspond à la région d’intérêt.
véhicule, lui aussi en mouvement sur une autoroute. Cette séquence est extraite du cinquième jeu de données de la collection de vidéos PETS2001. Tout au long de la séquence, le véhicule équipé de la caméra roule sur la voie centrale de l’autoroute tandis que la voiture suivie passe de la voie centrale, en début de séquence, à la voie de gauche en fin de séquence, tout en se rapprochant de la caméra.
Le vecteur d’état du filtre particulaire inclut les dimensions de l’objet suivi. Cette définition permet au filtre, durant la phase de propagation, d’explorer l’espace des dimensions possibles et ainsi de gérer les changements d’échelle de l’objet suivi en mettant à jour si nécessaire ses dimensions au sein des particules. Ainsi, lorsque le piéton de la première séquence s’éloigne de la caméra (resp. la voiture de la seconde séquence se rapproche de la caméra), la largeur et la hauteur de l’objet diminuent (resp. augmentent) au sein des particules, ce qui a pour effet de rétrécir (resp. d’agrandir) le rectangle englobant moyen (représenté par un trait continu).
Outre la réduction des dimensions du rectangle englobant due à un éloignement de la cible sur la première séquence, on constate également que ce même rectangle n’englobe pas entièrement la personne suivie. Cette "erreur" de détection est due à la manière dont sont définies les particules du filtre et à la manière dont est calculé le score de chacune d’entre elles. L’explication détaillée de ce phénomène est reprise dans l’analyse de la figure 4.8.
Comme illustré précédemment, l’algorithme Ensemble Tracking Modulaire permet de suivre efficacement un objet sur caméra fixe. Cependant, de par sa définition, il
est également capable de suivre sans difficultés un objet sur caméra mobile (caméra en site-azimut-zoom), comme le montre la figure 4.4.
Figure 4.4 – Suivi sur caméra mobile (site-azimut-zoom). Le rectangle en trait plein cor- respond au rectangle englobant la cible alors que le rectangle en pointillés correspond à la région d’intérêt.
L’Ensemble Tracking Modulaire permet de suivre un objet par (re)détection de ce dernier sur les images successives d’une séquence. L’hypothèse de base de la méthode (induite par la mise en place de l’algorithme d’échantillonnage) est que la position de l’objet varie peu d’une image à l’autre. Il est, par conséquent, tout naturel d’obtenir des résultats de suivi équivalents sur caméras fixes et sur caméras en site-azimut- zoom dont la vitesse de rotation est limitée puisque mouvements de la cible et mouvements de la caméra peuvent alors être confondus.