Search

International audience; The Generalized Labeled Multi-Bernoulli (GLMB) filter attains remarkable results in Multi-Object Tracking (MOT). Nevertheless, the GLMB filter relies on strong assumptions such as prior knowledge of targets' initial state. Pragmatic scenarios such as satellite video object tracking challenge these assumptions as objects appear at random locations and object detectors output numerous false positives. We present an enhanced version of the GLMB filter that learns from previous trajectories to estimate accurate hypotheses initializations. We keep track of previous target states and use this information to sample the initial velocities of newborn targets. This addition significantly improves the performance of the GLMB in videos with low Frames Per Second (FPS), where the target's initial states are paramount for object tracking. We test this enhanced GLMB filter versus comparable trackers and previous solutions for the GLMB filter and show that our filter obtains better performance. Code is available at https://github.com/Ayana-Inria/GLMB-adaptivebirth-satellite-videos

French version of international patent WO/2011/061123; L'invention concerne un procédé d'estimation du mouvement d'un instrument d'observation (10) embarqué dans un véhicule survolant un corps céleste, l'instrument d'observation (10) comportant au moins deux barrettes (b1, b2) dont les lignes de visée sont différentes, chaque barrette réalisant l'acquisition successive d'images lignes formant une image composée, des parties des images composées représentant sensiblement une même scène du corps céleste. Le mouvement estimé est déterminé par optimisation d'une fonction de ressemblance image associant, à une hypothèse de mouvement donnée, une ressemblance entre des valeurs de pixels mis en correspondance d'au moins une paire d'images composées et, pour chaque hypothèse de mouvement considérée au cours de l'optimisation de la fonction de ressemblance image, le procédé comporte les étapes (200) de détermination, pour au moins une paire d'images composées, d'au moins une transformation spatio-temporelle en fonction de l'hypothèse de mouvement considérée et d'un modèle géométrique de l'instrument d'observation (10), et (201 ) de mise en correspondance des pixels d'au moins une paire d'images composées au moyen d'au moins une transformation spatio-temporelle.

The invention relates to a method for estimating the movement of an observation instrument (10) on-board a vehicle flying over a celestial body, the observation instrument (10) comprising at least two bars (b1, b2) the lines of sight of which are different, each bar acquiring consecutive line images forming a composite image, portions of the composite images representing substantially a single scene of the celestial body. The estimated movement is determined by means of optimizing an image resemblance function which associates a resemblance between matching pixel values of at least one pair of composite images with a given movement hypothesis, and, for each movement hypothesis considered during optimization of the image resemblance function, the method comprises the steps (200) of determining at least one space-time transformation for the at least one pair of composite images on the basis of the movement hypothesis in question and a geometric model of the observation instrument (10), and (201) matching the pixels of at least one pair of composite images by means of the at least one space-time transformation., L'invention concerne un procédé d'estimation du mouvement d'un instrument d'observation (10) embarqué dans un véhicule survolant un corps céleste, l'instrument d'observation (10) comportant au moins deux barrettes (b1, b2) dont les lignes de visée sont différentes, chaque barrette réalisant l'acquisition successive d'images lignes formant une image composée, des parties des images composées représentant sensiblement une même scène du corps céleste. Le mouvement estimé est déterminé par optimisation d'une fonction de ressemblance image associant, à une hypothèse de mouvement donnée, une ressemblance entre des valeurs de pixels mis en correspondance d'au moins une paire d'images composées et, pour chaque hypothèse de mouvement considérée au cours de l'optimisation de la fonction de ressemblance image, le procédé comporte les étapes (200) de détermination, pour au moins une paire d'images composées, d'au moins une transformation spatio-temporelle en fonction de l'hypothèse de mouvement considérée et d'un modèle géométrique de l'instrument d'observation (10), et (201 ) de mise en correspondance des pixels d'au moins une paire d'images composées au moyen d'au moins une transformation spatio-temporelle.

National audience; La plupart des applications d'imagerie satellitaire utilisent des caméras de type pushbroom pour imager une surface observée. Ce capteur linéaire est toujours fixé sur une plateforme mobile, il acquiert une image 1-D à chaque instant de temps et utilise le mouvement rectiligne de la plateforme pour balayer une zone à photographier. lorsqu'elles sont successivement collées entre elles, l'ensemble des images 1-D forment une image 2-D complète. La stabilité du satellite est un point crucial lors de l'acquisition d'une image 2-D complète. Cette acquisition peut prendre plusieurs secondes, et de légères variations de l'attitude du satellite peuvent provoquer des déformations géométriques importantes dans l'image acquise. Dans cet article, nous proposons une méthode de recalage multi-image permettant d'estimer toute variation d'attitude du satellite afin de rectifier les images acquises. Nous utilisons une méthode de type Lucas Kanade associée à un modèle polynomial par morceaux des variations d'attitude. Nous démontrons les performances de notre approche sur deux jeux de données satellitaires.