Suivi de plusieurs personnes à l’aide de détections corporelles et articulaires

La plupart des systèmes de suivi de plusieurs personnes reposent sur le paradigme du suivi par détection. Par conséquent, leurs performances dépendent largement de la qualité des détections d'entrée utilisées. Toutefois, malgré les progrès considérables réalisés ces dernières années, les personnes partiellement masquées sont encore fréquemment mal détectées. De plus, de nombreuses détections correctes sont erronément rejetées lors de l’application de la suppression non maximale. Améliorer les performances du suivi exige donc d’enrichir les détections brutes d’entrée. Pour cette tâche, les détections fines des articulations du corps humain s’avèrent particulièrement adaptées, car elles permettent de localiser même des personnes fortement masquées.Dans ce travail, nous analysons la pertinence de l’intégration de détections d’articulations dans le suivi de plusieurs personnes. Nous proposons différentes mesures d’affinité entre les deux types de détections et évaluons leurs performances respectives. Le suivi est ensuite effectué dans un cadre quasi-en temps réel basé sur une formulation de marquage de graphe à coût minimal. En conséquence, notre cadre permet de récupérer efficacement des personnes fortement masquées et de résoudre de manière optimale le problème d’association des données. Nous évaluons notre approche sur les benchmarks MOT16/17. Les résultats expérimentaux démontrent que notre méthode atteint des performances de pointe par rapport aux états de l’art.