Cet article pose le problème du suivi automatique de piétons à travers les réseaux de caméras à champs de vue disjoints. Le suivi dans l’image est traité de manière locale par un algorithme de suivi par détections et ré-identification. Avec du filtrage particulaire à état continu et discret, nous introduisons la notion d’identité globale dans un algorithme de suivi multipiste pour caractériser les personnes au niveau du réseau et pallier les discontinuités d’observations. Ceci permet à chaque traqueur d’inclure l’identité de la cible qu’il est en train de suivre dans l’espace de recherche. Ce faisant, chaque traqueur maintient à jour une distribution de probabilité discrète sur l’identité de la piste qu’il est en train de suivre. La décision de ré-identification est renforcée par un schéma décisionnel haut niveau intégrant les hypothèses de chaque traqueur confrontées à la topologie du réseau. La composante suivi multipersonne et ré-identification est d’abord testée en contexte monocaméra. Nous évaluons ensuite notre approche complète sur un réseau de 3 caméras à champs de vue disjoints et un ensemble de 7 personnes. La seule connaissance a priori requise est la carte topologique du réseau....
This article tackles the problem of automatic multi-pedestrian tracking in non overlapping fields of view camera networks, using monocular, uncalibrated cameras. Tracking is locally addressed by a Tracking-by-Detection and reidentification algorithm. We propose here to introduce the concept of global identity into a multi-target tracking algorithm, qualifying people at the network level, to allow us to rebound observation discontinuities. We embed that identity into the tracking loop thanks to the mixed-state particle filter framework, thus including it in the search space. Doing so, each tracker maintains a mutli-modality on the identity in the network of its target. We increase the decision strength introducing a high level decision scheme which integrates all the trackers hypothesis over all the cameras of the network with previous reidentification results and the topology of the network. The tracking and reidentification module is first tested with a single camera. We then evaluate the whole framework on a 3 non-overlapping fields of views network with 7 identities. The only a priori knowledge assumed is a topological map of the network....