Reconnaissance d'actions dans des vidéos par caractérisation fréquentielle des trajectoires de points critiques

Cyrille Beaudry (1) , Renaud Péteri (1) , Laurent Mascarilla (1)

1 MIA - Mathématiques, Image et Applications - EA 3165

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 multi-échelles 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 la base KTH 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.

Mots clés: Reconnaissance d'actions dans des vidéos; points critiques; caractérisation fréquentielle de trajectoires.; caractérisation fréquentielle de trajectoires

Domaines: Traitement du signal et de l'image [eess.SP]; Traitement du signal et de l'image [eess.SP]

Cyrille Beaudry, Renaud Péteri, Laurent Mascarilla. Reconnaissance d'actions dans des vidéos par caractérisation fréquentielle des trajectoires de points critiques. Congrès national sur la Reconnaissance de Formes et l'Intelligence Artificielle (RFIA'14), Jun 2014, Rouen, France. p. xx-yy. ⟨hal-00988920⟩