Résumé:
Au cours des dernières décennies, la détection et le suivi d’objets en mouvement ont
attiré beaucoup d’attention en raison de leurs diverses applications dans la vie humaine,
en particulier la vidéosurveillance et la robotique. Le suivi d’objet est l’estimation de
l’emplacement d’un objet et de sa trajectoire dans le temps dans une séquence vidéo.
Bien que de nombreux algorithmes de détection et de suivi aient été développés ces dernières
années pour le résoudre, il reste un problème non résolu en raison du grand nombre
de facteurs environnementaux.
Dans cette mémoire, nous nous intéressons particulièrement à l’étude de l’algorithme de
détection GMM (Modèle de mixture gaussien) et comment il a été amélioré par lontropie
2D. Le but est d’obtenir une méthode de détection rapide et efficace, résistante au bruit
et à l’éclairage soudain.Comme pour le suivi de l’objet en mouvement, nous avons proposé
l’étude du filtre de Kalman. Ces algorithmes ont été appliqués à la base de données ... et
à un certain nombre de problèmes pratiques pour voir s’ils nous conduisent à la solution
attendue.
