Sujets de TFE 2004-2005

[ Main ][ TRICTRAC ][ Materials[protected] ][ Publications ][ Personal pages ]

Des liens généraux sur la vision


Utile pour visualisation des vidéos MXF


Suivi d un ballon de football dans une séquence vidéo: Michel Hick (avec Mr Piater)

Le suivi d'un joueur de football dans les séquences vidéo est généralement effectué sur la base d'histogrammes couleur ou de points d'intérêt. Les modèles de mouvement sont définis de façon planaire et comportent en général une dynamique faible. Tel n'est pas le cas du ballon, susceptible d'avoir des changements de direction très brusques, des mouvements 3D complexes, et dont le suivi, vu sa taille faible, ne peut reposer sur les mêmes techniques utilisées pour les joueurs. Aussi, proposons-nous dans ce TFE, lié au projet TRICTRAC, de s'intéresser tout particulièrement au cas du ballon, sous deux angles de vue complémentaires :

A lire:


Reconstruction projective de sites sportifs et génération de points de vue virtuels : David Schreck (avec Mr Piater)

La géométrie multi-vues permet, à partir d'appariements de primitives géométriques simples (points ou droites), d'effectuer une reconstruction dite projective de la scène observée. Cette reconstruction, qui est indépendante des paramètres de la caméra (paramètres intrinsèques et extrinsèques) offre ensuite la possibilité de générer, en fixant des paramètres, des « vues virtuelles » de la scène. Ce TFE vise à l'implémentation de telles fonctionnalités, et en particulier celle, spectaculaire, d'une visite virtuelle du stade avec visualisation stéréo.

A voir :


Fusion de données multi-oculaires dans un contexte de séquences vidéo de sport : Cédric Detry (avec Mr Piater)

Les retransmissions sportives modernes utilisent un nombre croissant de caméras pour assurer le confort des téléspectateurs et donner un maximum d'informations aux fans. Le traitement numérique de ces flux, pour le suivi des joueurs, ainsi que les mesures de distances, doit tenir compte de cette multiplicité : ce TFE, lié au projet TRICTRAC, a pour objectif de mettre en place des outils de fusion de données nécessaires pour gérer de façon robuste les estimées de positionnement des joueurs et des caméras. Son volet le plus important est la modélisation des incertitudes sur les données traitées et à leur propagation.

A voir :