Documents disponibles écrits par cet auteur

Algorithmes de poursuite de cible sous déformation projective / BENSOUKEHAL Ali 

Public ISBD 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

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
1753	02-09-598	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-09-598.pdf Adobe Acrobat PDF