Apprentissage de dictionnaire pour un modèle d'apparence parcimonieux en suivi visuel

Sylvain Rousseau (1, 2) , Christelle Garnier (1, 3) , Pierre Chainais (2, 1)

1 CRIStAL - Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189
2 Centrale Lille
3 Institut TELECOM/TELECOM Lille1

This paper presents a novel approach to visual object tracking based on particle filtering. The appearance of the target object is described by a sparse representation provided by dictionary learning, which leads to a model of reduced dimension. The likelihood of a candidate region is built on a similarity measure which can be interpreted as the result of a matched filter in the new representation space formed by the dictionary. Thus it can optimally detect a set of reference patches extracted from the target at known positions in the candidate region. Experimental validation shows the efficiency and the robustness of the proposed approach.

Cet article présente une nouvelle approche pour le suivi visuel par filtrage particulaire. L'apparence de l'objet cible est décrite par une représentation parcimonieuse fournie par apprentissage de dictionnaire, ce qui permet de créer un modèle de dimension réduite. La vraisemblance d'une région candidate est construite à partir d'une mesure de similarité qui s'interprète comme le résultat d'un filtrage adapté dans le nouvel espace de représentation formé par le dictionnaire. Cette approche permet de détecter de manière optimale la présence de l'ensemble des patchs de référence extraits de la cible aux positions considérées dans la région candidate. La validation expérimentale montre l'efficacité et la robustesse de l'approche proposée.

Domaines: Traitement du signal et de l'image [eess.SP]

Sylvain Rousseau, Christelle Garnier, Pierre Chainais. Apprentissage de dictionnaire pour un modèle d'apparence parcimonieux en suivi visuel. GRETSI, Sep 2015, Lyon, France. ⟨hal-01211262⟩