Suivi de cible basé sur un modèle de superpixels et points clés

Le projet de recherche présenté dans ce mémoire vise à développer une nouvelle méthode de suivi d'objet sans modèle a priori à travers une séquence vidéo. À partir d'une position de la cible donnée dans la première trame, l'algorithme de suivi doit continuer à localiser cette cible dans chaque nouvelle trame. Cette fonction est requise dans de nombreuses applications : en vidéosurveillance pour déterminer des mouvements suspects, en robotique pour l'auto-localisation, ou encore en interface homme-machine comme la reconnaissance de gestes. Une large gamme de méthodes est proposée dans la littérature mais le suivi visuel d'objet reste un problème non-résolu. En effet, une grande variété de facteurs rend la tâche difficile, dont notamment la déformation de l'objet, le changement de ses couleurs dû aux variations d'illumination de son environnement, ou encore la présence d'éléments perturbateurs cachant l'objet. Dans ce mémoire, nous proposons un algorithme de suivi qui représente la cible grâce à un modèle par parties. Cette représentation est adéquate pour gérer les déformations et les occultations. Si certaines parties de l'objet ne sont pas visibles ou non identifiables, d'autres permettront malgré tout de localiser la cible. Plus spécifiquement, nous définissons ces parties comme étant des superpixels modifiés par des points clés que nous appelons SPiKeS (Superpixel-Keypoints Structure). Nous soutenons que ces deux types de caractéristiques sont complémentaires, le superpixel grâce à sa forme adaptée aux frontières des objets, le point clé grâce à sa discernabilité. En mettant leurs avantages à profit, nous obtenons un algorithme de suivi robuste à diverses situations complexes. L'expérimentation le prouve en montrant que notre méthode atteint des résultats compétitifs à de nombreuses méthodes de l'état de l'art. En outre, la supériorité de notre algorithme par rapport à des méthodes basées sur des superpixels ou des points clés uniquement, confirme l'intérêt de SPiKeS. Notons que ce dernier pourrait être exploité dans d'autres applications demandant une mise en correspondance efficace de régions d'intérêt.