Une approche par hypothèses multiples pour le suivi d'objets

Cet article décrit un cadre probabiliste d'hypothèses multiples pour le suivi d'objets hautement articulés. Dans ce cadre, la densité de probabilité de l'état du suiveur est représentée comme un ensemble de modes avec des gaussiennes par morceaux caractérisant le voisinage autour de ces modes. L'évolution temporelle de la densité de probabilité est réalisée par un échantillonnage à partir de la distribution antérieure, suivi d'une optimisation locale des positions d'échantillon pour obtenir des modes mis à jour. Cette méthode de génération d'hypothèses à partir de la recherche dans l'espace d'état ne nécessite pas l'utilisation de caractéristiques discrètes contrairement au suivi classique par hypothèses multiples. La forme paramétrique du modèle est adaptée aux espaces d'état de haute dimension qui ne peuvent pas être modélisés efficacement à l'aide d'approches non paramétriques. Des résultats sont présentés pour le suivi de Fred Astaire dans une séquence de danse de film.