Nous avons vu la semaine dernière, une méthode pour suivre plusieurs objets tout au long d’une vidéo. Notre implémentation se basait sur l’analyse de la distance entre les centres des objets (à t-1 et à t) afin de permettre l’association. Cette méthode simple nous a permis de comprendre comment fonctionnait un algorithme de suivi par détection. Cependant, comme nous l’évoquions dans la conclusion, nous nous sommes intéressé à un cas relativement simple. Aucun croisement, aucune accélération brusque, aucune occlusion n’a eu lieu. De plus, nos objets étaient de formes et de couleurs différentes, ce qui a facilité le suivi. Cependant, dans une application de suivi, les conditions ne sont pas toujours optimales. Il est donc important de prendre en compte les différents challenges que nous pouvons rencontrer et quelles sont les caractéristiques à prendre en compte pour résoudre les problèmes.

Challenges et solutions

Nous allons aujourd’hui voir différents challenges que nous pouvons rencontrer lors d’une application de suivi. Pour chaque challenge, nous énoncerons différentes pistes permettant d’outrepasser ces challenges.

Croisements

Le premier challenge que nous pouvons rencontrer dans un suivi multi-objet est le cas des croisements d’objets. Deux objets (ou plus) se rencontrent au cours de la vidéo. La problématique est de savoir si les deux objets se sont simplement croisés et ont continué dans la direction qu’il avait avant leurs rencontres. Ou bien s’ils ont eu une interaction ayant changé leurs directions (rebond, évitement, …).

Challenges en suivi multi-objet: croisement de deux objets
croisements de deux objets.

Solutions:

  • Couleur, forme, texture, taille : les informations visuelles peuvent permettre de séparer deux objets se rencontrant. Cependant, ces informations seront pratiquement inutiles dans le cas où les objets sont similaires.
  • Vecteur vitesse: l’orientation et vitesse d’un objet peuvent permettre de séparer deux objets identiques se croisant. Nous connaissons ses positions antérieures, il est alors possible de prédire où devrait se trouver l’objet. Cependant, nous ne pouvons garantir que les objets soient correctement identifiés. Dans le cas d’un suivi de personne, si la vitesse est importante, alors il est difficile de changer de direction (sens opposé) sans passer par un ralentissement (cas de gauche ci-dessous).
Croisements de deux objets

Accélérations

La méthode étant basée sur la distance entre un objet et une détection, il est possible qu’une accélération brusque vienne perturber le suivi : l’objet s’écarte rapidement du voisinage proche.

Solutions :

  • Utiliser l’apparence pour lier les objets.
  • Utiliser la vitesse et la direction afin de prédire où se trouvera l’objet.

Modification de l’apparence

Une des problématiques des méthodes se basant sur l’apparence est les changements de l’apparence d’un objet. Une rotation, un changement de luminosité, une déformation de l’objet peuvent mettre à mal un algorithme de tracking.

Solutions :

  • Prendre en compte les changements d’apparence : mise à jour régulier d’un modèle, recherche de l’objet ayant tourné, …
  • Utiliser des méthodes invariantes aux changements d’apparences: distance, vitesse, …

Occlusions

L’une des problématiques les plus récurrentes lors d’un suivi d’objet : le fait qu’un objet disparaisse pendant un certain temps derrière un autre objet ou derrière un élément de la scène.

Occlusion

La problématique est d’autant plus difficile à traiter lorsque plusieurs objets disparaissent derrière le même objet.

Occlusions de plusieurs objets

Solutions :

Il n’existe pas de solutions infaillibles à ce genre de problème. Un ensemble de caractéristiques peut permettre de lever ces ambiguïtés. Si les objets sont visuellement différents, il est possible de les séparer. Encore faut-il qu’un nouvel objet n’apparaisse pas durant cette occlusion.

Conclusions

Nous avons vu dans cet article un certain nombre de challenges qui sont récurrents dans les problématiques de suivi. En fonction des contextes, certains de ces challenges peuvent être facilement résolu en sélectionnant les caractéristiques adéquates. Les techniques actuelles de suivi fonctionnent souvent avec des ensembles de caractéristiques et non sur une caractéristique seule.

De plus, nous avons abordé ces challenges uniquement d’un point de vue 2D. L’utilisation d’un angle de vue supplémentaire peut permettre de lever certaines ambiguïtés (croisements, occlusions).

Bien sûr, cette liste de challenges et de solutions n’est pas exhaustive. N’hésitez pas à partager vos problèmes et solutions dans la section commentaire ci-dessous.


0 commentaire

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.