Pourquoi le suivi des objets semble-t-il moins stable sur les caméras grand angle ?

Le suivi en grand angle semble souvent instable, car la géométrie déformée des bords et la petite taille des sujets rendent leur position et leur apparence moins cohérentes d’une image à l’autre.

Une personne traversant une large allée peut se déplacer de manière fluide dans le monde réel, mais accélérer le long du bord de l’image, s’étirer puis rétrécir en se rapprochant du centre. Un système NVR domestique associe les détections selon leurs coordonnées en pixels, et non dans l’espace physique. Lorsque la géométrie et les détails de l’objet changent simultanément, l’étape d’association dispose de repères moins stables.

Les objectifs grand angle transforment un mouvement constant en mouvement d’image non linéaire

Un large champ de vision projette un angle de scène plus important sur la même largeur de capteur. Près du bord, la distorsion radiale courbe les lignes et modifie la forme apparente des objets ; la perspective fait également croître rapidement les sujets proches. Un système de suivi qui suppose un déplacement et une apparence similaires entre les images peut sous-estimer ces changements.

Une analyse technique de la distorsion grand angle montre comment la géométrie des lignes droites peut servir à estimer et corriger cette distorsion. La nécessité de cette correction révèle pourquoi les coordonnées brutes des bords ne se comportent pas comme celles d’une simple image sténopé.

La trajectoire peut se décaler vers une détection voisine, prendre du retard sur le sujet ou recevoir une nouvelle identité au bord de l’image. Augmenter la sensibilité du détecteur ne corrige pas forcément la géométrie de l’association. Un plus grand nombre de détections peut même fournir davantage de candidats susceptibles d’être confondus par le système de suivi.

Les sujets situés sur les bords disposent de moins de pixels utiles

Une couverture grand angle fait occuper moins de pixels à chaque personne ou véhicule éloigné. Sur les bords, le flou, les ombres et le rééchantillonnage après correction de l’objectif peuvent réduire davantage les textures distinctives. Le détecteur peut toujours trouver une boîte, tandis que le système de suivi ne dispose plus de caractéristiques d’apparence suffisamment stables pour relier cette boîte à celle de l’image précédente.

Le projet TartanCalib indique qu’une calibration grand angle précise améliore la détection des caractéristiques et les tâches géométriques en aval. Ses résultats montrent que la qualité de la calibration modifie les caractéristiques exploitables disponibles dans les régions extrêmes de l’image.

On observe alors un schéma caractéristique : une identité stable près du centre, davantage de tremblements ou de fragmentations dans le quart extérieur, puis une récupération lorsque le sujet revient vers l’intérieur. Si l’instabilité est uniforme dans toute l’image, la résolution, la vitesse d’obturation ou les paramètres du système de suivi sont plus probablement en cause que la seule géométrie de l’objectif.

Quand le grand angle n’est pas la cause principale

Un objectif grand angle peut assurer un bon suivi lorsque le modèle est entraîné pour les vues fisheye, que l’image est correctement redressée et que les sujets restent suffisamment grands. À l’inverse, un objectif normal peut produire un mauvais suivi en présence de flou de mouvement, d’occlusions, d’une faible fréquence d’images ou de scènes très fréquentées. Le champ de vision est un facteur de risque, pas une conclusion.

Une présentation de l’optique explique comment la distorsion des objectifs grand angle modifie les lignes droites et la forme des bords. Elle distingue également la distorsion optique de la perspective, qui ne peut pas être supprimée simplement en appliquant un profil de distorsion en barillet.

Le mécanisme n’est pas en cause lorsque les ruptures de trajectoire coïncident avec des occlusions ou des images perdues plutôt qu’avec la position sur les bords. Il n’est pas non plus en cause si le NVR effectue ses détections sur un flux déjà corrigé, mais superpose les boîtes sur le flux brut ; le saut apparent peut alors provenir d’une incompatibilité de transformation des coordonnées plutôt que d’un véritable échec du suivi.

-15% OFF

ZimaBoard 2 - Mini serveur domestique pour votre grande idée

Single board computer zimaboard2

$339.00 - $519.00

Buy Now

Cartographier la stabilité du suivi dans le champ de la caméra

Tracez les coordonnées du centre de la trajectoire pour un même parcours à pied passant par le bord gauche, le centre et le bord droit. Maintenez autant que possible constants la fréquence d’images, l’obturateur, le modèle et la distance du sujet. Comparez l’inférence brute et l’inférence correctement redressée, tout en enregistrant la taille des boîtes, le niveau de confiance, les changements d’identité et les images perdues.

Utilisez un mini-PC dédié pour l’IA locale afin de garantir la même charge de calcul et la même source vidéo lors des deux essais. Cela évite que des tâches multimédias simultanées se fassent passer pour un effet de l’objectif en provoquant des images d’inférence ignorées.

La géométrie grand angle est une cause directe lorsque les régions périphériques présentent, après contrôle de la taille des objets et des images perdues, un mouvement résiduel plus important ou davantage de ruptures d’identité. Si la correction améliore les superpositions, mais pas les associations, le système de suivi a besoin d’une gestion du mouvement ou de l’apparence tenant compte de la distorsion. Si les échecs suivent des pics de charge, examinez plutôt la cadence d’inférence.