Nous proposons dans cet article une méthode originale pour rechercher, dans des séquences vidéo, des sous-séquences similaires. En introduisant de la flexibilité temporelle dans la caractérisation des sous-séquences, cette méthode permet d'éviter l'utilisation de mesures de distance flexibles (telles que le Dynamic Time Warping) qui ont l'inconvénient d'être lentes. La méthode proposée permet donc de rechercher, en temps réel, des sous-séquences vidéo similaires parmi plusieurs centaines de milliers d'exemples. La méthode proposée est adaptative ; un algorithme d'apprentissage rapide est présenté. Les performances ont été évaluées avec succès sur un ensemble de 1 707 clips vidéo (> 800 000 sous-séquences). A terme, notre objectif est de proposer un système de génération d'alertes et/ou de préconisations, en temps réel, dans le cadre de l'aide à la chirurgie sous contrôle vidéo....
A novel Content-Based Video Retrieval (CBVR) framework is presented in this paper: its purpose is to find similar video sub-sequences in videos. By introducing temporal flexibility in the description of video sub-sequences, this framework makes the use of flexible, but slow, distance measures (such as Dynamic Time Warping) optional. As a consequence, real-time retrieval of similar video sub-sequences, among hundreds of thousands of examples, is now possible. The proposed method is adaptive; a fast training procedure is presented. Performances have been successfully assessed on a dataset of 1,707 video clips (> 800,000 sub-sequences). Ultimately, we plan to design a real-time alert (and/or recommendation) generation system for computed-aided video-guided surgery....