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

Abstract

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.