|
| Titre : | Algorithmes de poursuite de cible sous déformation projective | | Type de document : | document électronique | | Auteurs : | BENSOUKEHAL Ali, Auteur | | Année de publication : | 2020-2021 | | Accompagnement : | CD | | Langues : | Français (fre) | | Catégories : | Electronique
| | Mots-clés : | Estimation d’Homography, déformation projective, Poursuite projective filtre de
Kalman projective, filtre particulaire projective
Homography estimation, projective deformation, projective tracking projective
Kalman filter, projective particle filter. | | Résumé : | Depuis quelques années, les algorithmes de poursuite témoignent d’un intérêt croissant de
part le rôle qu’ils occupent dans beaucoup d’applications de vison par ordinateur. Nous nous
sommes intéressé dans cette thèse à la poursuite projective, qui représente l’estimation des
paramètres cinétiques réel d’un objet mobile se déplaçant sur un plan de référence
(généralement, le plan terre de la scène) en utilisant seulement sa position vue à travers la
caméra. La principale problématique réside dans la non-linéarité imposée par la
transformation produite entre le plan de référence et le plan de l’image. Le but est de
développer un filtre projectif bien adapté à cette non-linéarité projective sans que cela
implique une complexité additionnelle. Cela passe tout d’abord par l’estimation de la
transformation projective produite entre le plan de l’image et le monde réel. Cette dernière
est utilisée pour concevoir le modèle projective non-linéaire. Nous avons commencé par
développer une version adaptative du filtre Kalman projectif qui tient compte de
l’incertitude du modèle de mesure. Nous avons aussi proposé d’utiliser la transformation
Unscented, à la place de l’approximation de premier ordre largement utilisée dans la
littérature, conjointement avec le filtre αβ pour assurer une complexité réduite. Enfin nous
avons exploré les filtres Bayésiens et adapté le filtre à particules Unscented (UPF) à la
poursuite projective. Les résultat obtenus sur des simulations montrent que les filtres
proposé permettent un suivi correct avec un convergence rapide et une faible complexité.
Over the past few years, tracking algorithms have become increasingly popular due to
their role in many computer vision applications. In this thesis, we are interested in
projective tracking, which represents the estimation of the real kinetic parameters of
a mobile object moving on a reference plane (usually the ground plane of the scene)
using only its position as seen through the camera. The main problem lies within the
non-linearity imposed by the transformation between reference plane and image
plane. The goal is to develop a projective filter well adapted to this projective
non-linearity without involving additional complexity. First of all, this requires the
estimation of the projective transformation between the image plane and the real
world plan. This is used to design the non-linear projective model. We started by
developing an adaptive version of the projective Kalman filter that takes into account
the uncertainty of the measurement model. We have also proposed to use the
Unscented transformation, instead of the first-order approximation widely used in
the literature, in conjunction with the αβ filter to ensure low complexity. Finally,
we explored Bayesian filters and adapted the Unscented Particle Filter (UPF) to
projective tracking. The results obtained on simulations show that the proposed
filters allow a correct tracking with fast convergence and low complexity.
| | Directeur de thèse : | KECHE Mokhtar |
Algorithmes de poursuite de cible sous déformation projective [document électronique] / BENSOUKEHAL Ali, Auteur . - 2020-2021 . - + CD. Langues : Français ( fre) | Catégories : | Electronique
| | Mots-clés : | Estimation d’Homography, déformation projective, Poursuite projective filtre de
Kalman projective, filtre particulaire projective
Homography estimation, projective deformation, projective tracking projective
Kalman filter, projective particle filter. | | Résumé : | Depuis quelques années, les algorithmes de poursuite témoignent d’un intérêt croissant de
part le rôle qu’ils occupent dans beaucoup d’applications de vison par ordinateur. Nous nous
sommes intéressé dans cette thèse à la poursuite projective, qui représente l’estimation des
paramètres cinétiques réel d’un objet mobile se déplaçant sur un plan de référence
(généralement, le plan terre de la scène) en utilisant seulement sa position vue à travers la
caméra. La principale problématique réside dans la non-linéarité imposée par la
transformation produite entre le plan de référence et le plan de l’image. Le but est de
développer un filtre projectif bien adapté à cette non-linéarité projective sans que cela
implique une complexité additionnelle. Cela passe tout d’abord par l’estimation de la
transformation projective produite entre le plan de l’image et le monde réel. Cette dernière
est utilisée pour concevoir le modèle projective non-linéaire. Nous avons commencé par
développer une version adaptative du filtre Kalman projectif qui tient compte de
l’incertitude du modèle de mesure. Nous avons aussi proposé d’utiliser la transformation
Unscented, à la place de l’approximation de premier ordre largement utilisée dans la
littérature, conjointement avec le filtre αβ pour assurer une complexité réduite. Enfin nous
avons exploré les filtres Bayésiens et adapté le filtre à particules Unscented (UPF) à la
poursuite projective. Les résultat obtenus sur des simulations montrent que les filtres
proposé permettent un suivi correct avec un convergence rapide et une faible complexité.
Over the past few years, tracking algorithms have become increasingly popular due to
their role in many computer vision applications. In this thesis, we are interested in
projective tracking, which represents the estimation of the real kinetic parameters of
a mobile object moving on a reference plane (usually the ground plane of the scene)
using only its position as seen through the camera. The main problem lies within the
non-linearity imposed by the transformation between reference plane and image
plane. The goal is to develop a projective filter well adapted to this projective
non-linearity without involving additional complexity. First of all, this requires the
estimation of the projective transformation between the image plane and the real
world plan. This is used to design the non-linear projective model. We started by
developing an adaptive version of the projective Kalman filter that takes into account
the uncertainty of the measurement model. We have also proposed to use the
Unscented transformation, instead of the first-order approximation widely used in
the literature, in conjunction with the αβ filter to ensure low complexity. Finally,
we explored Bayesian filters and adapted the Unscented Particle Filter (UPF) to
projective tracking. The results obtained on simulations show that the proposed
filters allow a correct tracking with fast convergence and low complexity.
| | Directeur de thèse : | KECHE Mokhtar |
|
> Electronique 
Faire une suggestion Affiner la recherche3 D Pattern Recognition by Fourier Descriptors and Neural Networks / A S T HUSSAIN
Algorithmes de poursuite de cible sous déformation projective / BENSOUKEHAL Ali
