| Summary: | L’objectif du projet est de décrire le trafic de l’environnement réel d’un utilisateur en
situation de conduite pour qu’un environnement virtuel lui soit plus adapté. Un véhicule
équipé de caméras est confié au futur utilisateur du simulateur pour qu’il effectue plusieurs
sorties dans son milieu. Des algorithmes de détection et de suivi sont ensuite appliqués sur
ces séquences vidéos.
Les détecteurs employés utilisent des caractéristiques Haarlike pour entraîner un système
d’arbre de décision boosted en cascade. Ces détecteurs produisent de bons résultats pour des
objets rigides malgré une grande complexité d’entraînement. Le suivi se fait par l’appariement
de points SIFT. L’emphase du travail fut mise sur le développement du framework de
détection et de suivi et l’évaluation de ses performances. Le système performe relativement
bien lorsqu’il doit détecter et suivre des objets de moyenne ou grande taille, mais présente
des faiblesses sur les petits objets et les changements de pose. === The goal of this project is to describe the traffic present in the real world of a simulator
user so that the virtual environment is more adapted to him. A vehicle equipped with
non-overlapping-view cameras is lent to the simulator’s future user so that he can use it in
his driving environment. These collected data will be analyzed using detecting and tracking
algorithms.
The selected detector uses Haarlike features combined with boosted cascaded decision
trees. Those detectors have a high training complexity, but produce good results for rigid
objects. Tracking is carried out by the matching of SIFT feature points. The research emphasis
was put on the development of the detection and tracking framework. The system performs
relatively well for the detection and the tracking on medium and large objects, but shows
some weakness to detect or track small objects and to track a pose changing object.
|
|---|
