Suivi d’objets robuste en utilisant un histogramme conjoint de couleur et de texture

Abstract

Dans le suivi d'objets, l'algorithme Mean Shift est largement utilisé en raison de sa rapidité, l'efficacité et la simplicité. Dans ce travail, nous présentons l'utilisation d'un histogramme conjoint de couleur et texture pour représenter le modèle de l'objet cible puis l'appliquer au cadre de Mean Shift. L'algorithme Mean Shift a été prouvé être robuste à une occlusion partielle, à l'échelle, la rotation et la déformation non-rigide de la cible. Cependant, l'utilisation d'un histogramme de couleur uniquement dans cet algorithme présente certains problèmes. Tout d'abord, l'information spatiale de l'objet cible est perdue. Deuxièmement, il a provoqué un suivi des objets de manière imprécise ou échoué facilement lorsque l'objet cible a apparence similaire à l'arrière-plan ou des autres objets. Pour surmonter ces limitations nous utilisons les caractéristiques de texture LBP qui reflètent la structure spatiale de l'objet combiné avec les caractéristiques de couleur HSV pour créer un histogramme pondéré conjoint HSV couleur - LBP texture de l'objet cible. Cet histogramme permet d'améliorer la précision et la robustesse de cet algorithme. Les algorithmes Mean shift et Mean shift avec LBP sont appliqués à base de données OTB qui contient la vérité terrain et leur comparaison mutuelle par rapport à leurs performances respectives concernant des points de vue qualitatif (visuel) et quantitatif (distance euclidienne et superposition) a été effectuée