Analyse multi-échelle de trajectoires de points critiques pour la reconnaissance d’actions humaines

Show simple item record

dc.contributor.author Beaudry, Cyrille -
dc.contributor.author Péteri, Renaud -
dc.contributor.author Mascarilla, Laurent -
dc.date.accessioned 2019-06-27T13:46:30Z
dc.date.available 2019-06-27T13:46:30Z
dc.date.issued 2015 -
dc.identifier.citation Beaudry, Cyrille ; Péteri, Renaud ; Mascarilla, Laurent. Analyse multi-échelle de trajectoires de points critiques pour la reconnaissance d’actions humaines. Traitement du signal, 2015, 32, 2, p. 265-286, https://doi.org/10.3166/TS.32.265-286 -
dc.identifier.issn 0765-0019 -
dc.identifier.uri http://hdl.handle.net/2042/70275
dc.description.abstract Cet article porte sur la reconnaissance d’actions humaines dans des vidéos. La méthode présentée est basée sur l’estimation du flot optique dans chaque séquence afin d’en extraire des points critiques caractéristiques du mouvement. Des trajectoires d’intérêt multiéchelles sont ensuite générées à partir de ces points puis caractérisées fréquentiellement. Le descripteur final de la vidéo est obtenu en fusionnant ces caractéristiques de trajectoire avec des informations supplémentaires d’orientation de mouvements et de contours. Les résultats expérimentaux montrent que la méthode proposée permet d’atteindre, sur différentes bases de vidéos, des taux de classification parmi les plus élevés de la littérature. Contrairement aux récentes stratégies nécessitant des grilles denses de points d’intérêt, la méthode a l’avantage de ne considérer que les points critiques du mouvement, ce qui permet une baisse du coût de calcul ainsi qu’une caractérisation plus qualitative de chaque séquence. Les perspectives de ce travail sont finalement discutées, notamment celle portant sur la reconnaissance d’actions dites complexes. fr
dc.description.abstract This paper focuses on human action recognition in video sequences. A method based on optical flow estimation is presented, where critical points of this flow field are extracted. Multi-scale trajectories are generated from those points and are frequentially characterized. Finally, a sequence is described by fusing this frequency information with motion orientation and shape information. Experiments on video datasets show that this method achieves recognition rates among the highest in the state of the art. Contrary to recent dense sampling strategies, the proposed method only requires critical points of motion flow field, thus permitting a lower computational cost and a better sequence description. Results, comparison and perspectives on complex actions recognition are then discussed. en
dc.language.iso fr -
dc.publisher Lavoisier -
dc.relation.ispartofseries Traitement du signal -
dc.rights Accès libre - Licence d'utilisation : http://irevues.inist.fr/utilisation -
dc.source Traitement du signal [Trait. Signal], ISSN 0765-0019, 2015, 32, 2, p. 265-286 -
dc.subject reconnaissance d’actions fr
dc.subject points critiques fr
dc.subject caractérisation fréquentielle de trajectoires fr
dc.subject action recognition en
dc.subject critical points en
dc.subject frequential characterization of trajectories en
dc.title Analyse multi-échelle de trajectoires de points critiques pour la reconnaissance d’actions humaines fr
dc.title.alternative Multi-scale analysis of critical point trajectories for human actions recognition en
dc.type Article -
dc.contributor.affiliation Laboratoire MIA, Univ. La Rochelle Avenue Michel Crépeau F-17042 La Rochelle CEDEX -
dc.identifier.doi https://doi.org/10.3166/TS.32.265-286


Files in this item

PDF TraitSignal_2015_32_2_265_Beaudry.pdf 1.981Mb

This item appears in the following Collection(s)

Show simple item record





Advanced Search