Intégration d'informations spatiales floues dans un filtre particulaire pour le suivi mono- et multi-objets dans des séquences d'images 2D

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.PARIS-BIUSJ-Mathématiques rech (751052111) / SudocSudocFranceF