Suivi multiobjet en situation urbaine à l'aide de la programmation par contraintes

Ce mémoire présente une nouvelle approche pour effectuer le suivi de plusieurs objets utilisant la programmation par contraintes (CP) pour transformer une série de détections d'usagers de la route en un ensemble de trajectoires. Au meilleur de nos connaissances, il s'agit d'une première tentative de combiner le suivi d'objets et la programmation par contraintes. De nombreuses applications pourront bénéficier des avancées concernant la formation de trajectoires par le suivi multiobjet, notamment dans le domaine de la sécurité routière où l'identification de sites potentiellement dangereux permettrait d'éviter de futurs accidents de la route. Sur une note plus technique, exprimer le problème du suivi multiobjet dans un cadre CP demande tout d'abord la formulation d'un modèle exprimé à l'aide d'un ensemble de variables à domaine fini et de contraintes s'appliquant sur ces variables. Pour que la modélisation soit un succès, il faut à la fois que les contraintes correspondent le mieux possible à la définition du problème, soit d'associer chaque détection d'objet à son identité trame après trame en se basant sur des images, mais également que ces contraintes soient suffisamment faciles à propager de telle sorte que la résolution prenne le moins de temps possible. De manière appliquée, les contraintes de notre modèle restreignent les déplacements considérés comme étant acceptables pour un même objet d'une trame à l'autre. Des contraintes préservant l'apparence de chaque objet tout au long de leur trajectoire ont également été ajoutées au modèle. Une grande partie du travail du suivi multiobjet consiste à corriger des erreurs commises lors de l'étape de détection des objets d'intérêt. Certains de ces objets demeurent quelques fois non identifiés alors que d'autres fois, ce sont des parties de l'arrière-plan telles que des panneaux de signalisation qui sont identifiés comme étant d'intérêt. Une méthode de filtrage corrigeant ces anomalies a donc été développée et appliquée sur l'ensemble des détections avant même de commencer la phase d'association. Cette méthode implique l'utilisation de techniques de suivi d'un seul objet (SOT) servant à prédire l'ajout de nouvelles détections.