Abstract FR:

Le suivi du corps humain en monoculaire grâce à la vision par ordinateur se heurte à la difficulté d'explorer des espaces de grande dimension. Les solutions envisagées consistent principalement à utiliser des méthodes déterministes, stochastique ou à base d'apprentissage. Ces dernières peinent à couvrir de manière assez dense l'espace des poses et les méthodes déterministes ont tendance à rester bloquées sur un optimum local du fait des ambiguïtés dues à la vision monoculaire. Les méthodes stochastiques fournissent une approximation de la densité a posteriori très utile pour désambiguïser l'image 2D au cours de la séquence. Parmi elles, le filtre à particules associé à une approche montante qui réduit efficacement la taille de l'espace exploré est la méthode choisie pour cette thèse. Une pose cohérente est trouvée grâce à l'algorithme de propagation des croyances. L'apport majeur de ce travail consiste à mettre au point une fusion d'indices complémentaires pour développer un suivi 2D du haut du corps, puis 3D grâce à des contraintes sur les limites articulaires. Pour résoudre les poses complexes, un nouvel indice basé sur un apprentissage ciblé est mis en œuvre