Suivi et Catégorisation Visuels en Temps Réel d'un Nombre Variable d'Objets : application au suivi de véhicules

Résumé : Ce papier expose un système automatique de suivi et catégorisation en temps réel d'un nombre variable d'objets génériques. La configuration multi-objet est estimée par un Filtre Particulaire par Chaîne de Markov (Markov Chain Monte-Carlo Particle Filter ou MCMC PF). Ce système a précédemment été validé sur du suivi de piétons, et nous présentons ici des applications au suivi de plusieurs classes de véhicules. Comme principale contribution, nous proposons de mener conjointement la catégorisation et le suivi au sein du Filtre Particulaire. Nous présentons également une mesure de distance anisotrope entre véhicules, basée sur leurs modèles géométriques 3D. Les résultats sont présentés et discutés sur des séquences de suivi de véhicules dans le trafic, impliquant différents types d'objets tels que motos, voitures, camionnettes et poids lourds.
Complete list of metadatas

Cited literature [18 references]  Display  Hide  Download

https://hal.inria.fr/inria-00404619
Contributor : Anne Jaigu <>
Submitted on : Thursday, July 16, 2009 - 4:19:58 PM
Last modification on : Thursday, January 11, 2018 - 6:17:20 AM
Long-term archiving on : Monday, October 15, 2012 - 3:26:54 PM

File

34.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : inria-00404619, version 1

Citation

François Bardet, Thierry Chateau, Datta Ramadasan. Suivi et Catégorisation Visuels en Temps Réel d'un Nombre Variable d'Objets : application au suivi de véhicules. ORASIS'09 - Congrès des jeunes chercheurs en vision par ordinateur, 2009, Trégastel, France, France. ⟨inria-00404619⟩

Share

Metrics

Record views

202

Files downloads

103