Suivi multiobjet à l'aide de l'apprentissage automatique et de points au haut des objets

Le suivi multiobjet est un domaine de recherche scientifique attrayant en raison des ses nombreuses applications académiques et commerciales. Cette tâche consiste à détecter les objets de classes prédéterminées à chaque trame d’une séquence vidéo, puis de faire l’association temporelle des détections afin de créer un tracklet pour chaque objet afin de modéliser son mouvement à travers la séquence vidéo. Le but est donc de concevoir une méthode qui parvient à créer les tracklets les plus fidèles à la réalité que possible. Les récentes avancées en apprentissage automatique ont permis de grandement améliorer les méthodes à l’état de l’art, mais il reste encore place à l’amélioration. En effet, un problème majeur qui doit toujours être surmonté est la gestion des occlusions. Les occlusions peuvent être catégorisées comme étant partielles ou complètes. D’abord, lorsqu’un objet est partiellement caché, il devient plus difficile à détecter à cause de la perte d’information que l’occlusion engendre. Il faut donc que notre méthode soit capable d’extraire des caractéristiques assez robustes afin d’être en mesure de détecter les objets même lorsqu’ils sont partiellement cachés. Puis, lorsqu’un objet est complètement caché, il devient impossible de le détecter avec les outils conventionnels, alors il est nécessaire d’adopter des stratégies spécifiquement conçues pour prédire son mouvement ou pour récupérer son tracklet une fois que l’objet redevient visible si l’on veut réussir à continuer de le suivre.