Détection et Suivi d’objets Par Vision Omnidirectionnelle

Abstract

Le suivi et la détection des objets constituent la première étape d’applications telles que la vidéosurveillance. L’objectif principal du suivi des objets a été développé pour estimer les paramètres de localisation, de vitesse et de distance des objets en mouvement à l’aide d’une caméra statique. Le suivi des objets nécessite une segmentation précise des objets de l’arrière-plan pour un suivi efficace. La segmentation du mouvement ou le flux optique peut être utilisé pour segmenter les images entrantes. Le flux optique permet de séparer plusieurs cibles mobiles en fonction de leurs vitesses individuelles. Les techniques de flux optique sont sujettes aux erreurs causées par la modification de la foudre et des occlusions, deux phénomènes courants dans l’environnement de surveillance. Dans ce mémoire, nous proposons un algorithme combiné de segmentation de mouvement/flux optique pour le suivi des objets. Le flux optique est calculé à la résolution des pixels et le suivi des vecteurs de flux sont utilisés pour améliorer les performances et détecter les discontinuités, qui peuvent indiquer le lieu des objets.Abstract: Object tracking, and detection is first step in applications such as video surveillance. The main aim of object tracking has been developed to estimate location, velocity, and distance parameters of moving objects with the help of static camera. Object tracking requires an accurate segmentation of objects from the background for effective tracking. Motion segmentation or optical flow can be used to segment incoming images. Optical flow allows multiple moving targets to be separated based on their individual velocities, optical flow techniques are prone to errors caused by changing lightning and occlusions, both common in surveillance environment. In this memoire, we propose a combined motion segmentation/optical flow algorithm for used in object tracking. Optical flow is calculated at pixel resolution and tracking of flow vectors is employed to improve the performance and detect the discontinuities, which can indicate the location of objects.

Le suivi et la détection des objets constituent la première étape d’applications telles que la vidéosurveillance. L’objectif principal du suivi des objets a été développé pour estimer les paramètres de localisation, de vitesse et de distance des objets en mouvement à l’aide d’une caméra statique. Le suivi des objets nécessite une segmentation précise des objets de l’arrière-plan pour un suivi efficace. La segmentation du mouvement ou le flux optique peut être utilisé pour segmenter les images entrantes. Le flux optique permet de séparer plusieurs cibles mobiles en fonction de leurs vitesses individuelles. Les techniques de flux optique sont sujettes aux erreurs causées par la modification de la foudre et des occlusions, deux phénomènes courants dans l’environnement de surveillance. Dans ce mémoire, nous proposons un algorithme combiné de segmentation de mouvement/flux optique pour le suivi des objets. Le flux optique est calculé à la résolution des pixels et le suivi des vecteurs de flux sont utilisés pour améliorer les performances et détecter les discontinuités, qui peuvent indiquer le lieu des objets.

Object tracking, and detection is first step in applications such as video surveillance. The main aim of object tracking has been developed to estimate location, velocity, and distance parameters of moving objects with the help of static camera. Object tracking requires an accurate segmentation of objects from the background for effective tracking. Motion segmentation or optical flow can be used to segment incoming images. Optical flow allows multiple moving targets to be separated based on their individual velocities, optical flow techniques are prone to errors caused by changing lightning and occlusions, both common in surveillance environment. In this memoire, we propose a combined motion segmentation/optical flow algorithm for used in object tracking. Optical flow is calculated at pixel resolution and tracking of flow vectors is employed to improve the performance and detect the discontinuities, which can indicate the location of objects.