Bonjour,
J'ai le plaisir de vous inviter à la soutenance de ma thèse intitulée
"Intégration d'informations spatiales floues dans un filtre particulaire
pour le suivi mono- et multi-objets dans des séquences d'images 2D" qui se
déroulera le vendredi 26 novembre 2010 à 14h en Amphi Opale, à Télécom
ParisTech, 46 rue Barrault, 75013 Paris devant le jury composé de :
Rapporteurs :
Mylène Masson (Professeur, UTC)
Wojciech Pieczynski (Professeur, Télécom SudParis)
Examinateurs :
Elise Arnaud (Maître de Conférence, Université Joseph Fourier)
Maurice Milgram (Professeur, ISIR)
Invité :
Jacques Blanc-Talon (Ingénieur de recherche, DGA)
Directrices de thèse :
Séverine Dubuisson (Maître de Conférence, LIP6)
Isabelle Bloch (Professeur, Télécom ParisTech)
La soutenance sera suivie d'un pot en salle C48 auquel vous êtes
chaleureusement conviés.
Cordialement,
Nicolas Widynski
***************************
Résumé :
Dans cette thèse, nous nous intéressons au suivi d’objets par filtrage
particulaire dans des séquences d’images 2D.
Dans ce contexte, nous proposons une méthode originale d'intégration
d’informations floues dans le filtre particulaire, afin de guider le suivi
d’objets en ajoutant des informations spatiales, qui peuvent être de type
structurel ou de forme. Cela permet de mieux guider les particules pendant
la phase prédictive, et grâce au modèle hybride défini, d’intégrer au
filtre particulaire une information synthétisée des k dernières
estimations ainsi que la dernière observation.
Nous proposons également d’intégrer des contraintes spatiales floues dans
le filtre particulaire dans le cas multi-objets. Ce type d’information
permet de représenter des contraintes complexes entre plusieurs objets.
A cette contribution, nous ajoutons celle d’un nouveau modèle de filtre
particulaire pour le suivi multi-objets, qui est une amélioration de
l’échantillonnage partitionné.
Enfin, nous proposons de définir des vraisemblances à modèles multiples.
Cette notion est adaptée lorsque l’objet change d’apparence au cours du
temps. En définissant la vraisemblance par une loi de mélange dont les
poids dépendent de l’objet et de l’image, il est ainsi possible de
pondérer les vraisemblances en considérant l’état dans lequel se trouve
l’objet.
Toutes ces contributions ont été évaluées sur des séquences réelles, et
les résultats montrent l’apport des approches proposées par rapport à
d’autres filtres particulaires classiques.
***************************