Pistage et estimation du mouvement

L’estimation du mouvement et le pistage sont des opérations essentielles dans de nombreuses applications de Computer Vision comme la reconnaissance d’activité, le contrôle du trafic, la sécurité automobile et la surveillance.

Computer Vision Toolbox™ propose des algorithmes de pistage vidéo tels que CAMShift (Continuously Adaptive Mean Shift) et KLT (Kanade-Lucas-Tomasi). Vous pouvez utiliser ces algorithmes pour pister un seul objet ou comme blocs de base dans un système de pistage plus complexe. La toolbox propose également un framework pour le pistage de plusieurs objets. Celui-ci comprend un filtre de Kalman ainsi que l’utilisation de l’algorithme hongrois pour affecter les détections d’objets à des pistes.

L’estimation du mouvement est le processus consistant à déterminer le mouvement des blocs entre des trames vidéo adjacentes. Cette toolbox propose des algorithmes d’estimation du mouvement tels que le flux optique et la correspondance de bloc et de modèle. Ces algorithmes créent des vecteurs de mouvement se rapportant à l’image entière, à des blocs, à des formes arbitraires ou à des pixels particuliers. Pour la correspondance de blocs et de modèles, les métriques d’évaluation permettant de trouver la meilleure correspondance sont notamment l’erreur quadratique moyenne (MSE), l’écart absolu moyen (MAD), la différence absolue maximale (MaxAD), la somme des différences absolues (SAD) et la somme des carrés des différences (SSD).