Suivi Adaptatif d'Objets Non Rigides Basé sur des Histogrammes de Couleur et une Sélection Automatique de Paramètres

National audienceOne of the main difficulties in visual tracking is to take into account appearance changes (not only of the target but also of or due to the scene, illumination for example). The use of a Bayesian framework is very flexible and has proven to be very efficient in visual tracking. Moreover, color or greylevel histograms allow to track an objet with a low computational cost. The recently proposed color-based trackers integrated in a probabilistic framework [7, 5] are efficient for a given application (face tracking for example) but can not be generalized easily, due to the initialization and the adjustment of the different tracker parameters that are dependent on the input sequence. This paper presents a method based on color integrated in a particle filter that allows to cope with some of the usual problems of visual tracking (occlusions, target appearance changes, changes in resolution or in illumination) and to adapt easily to different applications (tracking of structures in aerial imagery as well as football players). The novelty of the tracker is its ability to automatically regulate all the parameters needed for tracking, which makes it flexible and easily usable for different applications.Une des principales difficultés du suivi d'objets dans une séquence vidéo réside dans la prise en compte des changements d'apparence (non seulement ceux de la cible, mais aussi ceux qui proviennent de la scène directement, les changements d'illumination par exemple). Le cadre Bayésien est très flexible et ses performances dans le domaine du suivi d'un ou plusieurs objets ont été prouvées. D'autre part, les histogrammes de niveaux de gris ou de couleurs permettent de suivre un objet avec une complexité calculatoire faible. Les algorithmes de suivi d'objetsreposant sur des histogrammes de couleurs intégrés dans un cadre bayésien [5, 7] se sont montrés performants pour une application donnée (le suivi de visage par exemple), mais ne peuvent pas être généralisés facilement, les paramètres et l'initialisation de l'algorithme étant spécifiques à la séquence d'entrée. Cet article présente une méthode basée sur des histogrammes de niveaux de gris combinés à un filtrage particulaire qui permet de résoudre un certain nombre des problèmes traditionnels du suivi d'objets (occultations, changements d'apparence de l'objet, changements d'échelle ou d'illumination de la scène), et de s'adapter facilement à la séquence d'entrée (suivi de joueur de football, de structures dans des images aériennes, de visages). La nouveauté de l'algorithme réside dans sa capacité à fixer automatiquement tous les paramètres nécessaires au suivi