Suivi d'objets en imagerie aérienne

Tracking objets from aerial images

• Auteur / Autrice : Aude Jacquot
• Direction : Radu Horaud, Peter Sturm, Olivier Ruch
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2006
• Etablissement(s) : Grenoble INPG

Mots clés

Mots clés contrôlés

Statistique bayésienne

Photographie aérienne

Mots clés libres

Suivi d'objets

Résumé

Cette thèse résulte d'une collaboration CIFRE avec Thales Optronique. Le thème principal est le suivi d'objets à partir d'images aériennes. Nous souhaitons utiliser la faisabilité d'une extraction 30 à partir de séquences vidéo afin d'améliorer les algorithmes de suivi de matériels aéroportés existants. Pour cela, nous nous plaçons dans un cadre bayésien et formulons le suivi de manière probabiliste, au moyen d'un filtre particulaire. Nous avons mis en place trois algorithmes: le premier est un suivi 20 basé sur des histogrammes de couleurs. Le second est basé sur des modèles géométriques (20/30) que l'on combine à un filtrage particulaire. Nous avons introduit une matrice de transition permettant à l'algorithme de changer de modèle lorsqu'il le juge nécessaire. Enfin, le dernier algorithme combine les deux précédents. Un protocole d'évaluation a été mis en place pour évaluer les performances de ces algorithmes, et des résultats illustrent ces performances

This thesis results from a collaboration CIFRE with Thales Optronique. The main theme is the tracking of objects from aerial images. We want to extract some three dimensional information from video sequences in order to improve the existing algorithms. For that purpose we place ourselves in a bayesian framework and formulate the tracking problem by means of a particle filter. We set up three algorithms: the first one is based on color histograms integrated into a particle filter. The second one is based on geometrical models (20/30) that are combined with a particle filter. We add a supplementary stage that allows us to change model when the algorithm juges it necessary. And the last one combines both precedents: it allows to have a more robust tracker and also to take into account the 30 real information of the observed scene. An evaluation protocol has been set up to estimates the performances of these algorithms. Results illustrate the performances of these algorithms.