Multiple Object Tracking in Urban Traffic Scenes

Hui Lee Ooi

Thèse de doctorat (2021)

Accéder à ce document
Disponible
Libre accès au texte intégral dans PolyPublie
Texte Texte • 4MB •

Résumé

Le suivi multiobjets (MOT) est un domaine très étudié qui a évolué et changé beaucoup durant les années grâce à ses plusieurs applications potentielles pour améliorer notre qualité de vie. Dans notre projet de recherche, spécifiquement, nous sommes intéressés par le MOT dans les scènes de trafic urbain pour extraire précisément les trajectoires des usagers de la route, afin d'améliorer les systèmes de circulation routière desquels nous bénéficions tous.Notre première contribution est l'introduction d'informations sur les étiquettes de classe dans l'ensemble des caractéristiques qui décrivent les objets pour les associer sur différents trames, afin de bien capturer leur mouvement sous forme de trajectoires dans un environnement réel.Nous capitalisons sur les informations provenant d'un détecteur basé sur l'apprentissage profond qui est utilisé pour l'extraction des objets d'intérêt avant la procédure de suivi, carnous avons été intrigués par leurs popularités croissantes et les bonnes performances qu'ils obtiennent. Cependant, malgré leur potentiel prometteur dans la littérature, nous avons constaté que les résultats étaient décevants dans nos expériences. La qualité des détections,telle que postulée, affecte grandement la qualité des trajectoires finales. Néanmoins, nous avons observé que les informations des étiquettes de classe, ainsi que son score de confiance, sont très utiles pour notre application, où il y a un nombre élevé de variabilité pour les types d'usagers de la route.Ensuite, nous avons concentré nos efforts sur la fusion des entrées de deux sources différentes afin d'obtenir un ensemble d'objets en entrée avec un niveau de précision satisfaisant pour procéder à l'étape de suivi. À ce stade, nous avons travaillé sur l'intégration des boîtes englobantes à partir d'un détecteur multi-classes par apprentissage et d'une méthode basée sur la soustraction d'arrière-plan pour résoudre les problèmes tels que la fragmentation et les représentations redondantes du même objet.

Programme:
Génie informatique
Directeurs ou directrices:
Adresse URL de PolyPublie:
Université/École:
Polytechnique Montréal
OAI:
oai:publications.polymtl.ca:5592
ORCID
Date du dépôt:
05 mai 2021 15:22
Dernière modification:
14 oct. 2026 10:45
Citer en APA 7:
Ooi, H. L. (2021). Multiple Object Tracking in Urban Traffic Scenes [Thèse de doctorat, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/5592/

Statistiques

Total des téléchargements à partir de PolyPublie

Téléchargements par année

Provenance des téléchargements

Actions réservées au personnel

Afficher document
Afficher document