Une approche neuronale pour la classification d’actions de sport par la prise en compte du contenu visuel et du mouvement dominant

Moez Baccouche 1 Franck Mamalet Christian Wolf 1 Christophe Garcia Atilla Baskurt 1
1 imagine - Extraction de Caractéristiques et Identification
LIRIS - Laboratoire d'InfoRmatique en Image et Systèmes d'information
Résumé : Dans cet article, nous proposons une approche de classification automatique de séquences vidéo d’actions de sport. Pour cela, nous extrayons de chaque action des caractéristiques du contenu visuel, en utilisant deux approches, l’une par sac de mots, et l’autre par le mouvement dominant de la scène à chaque instant. La classification de l’évolution temporelle de ces caractéristiques extraites est gérée dynamiquement par un modèle neuronal, basé sur les réseaux de neurones récurrents à large « mémoire court-terme» (LSTM). Les expérimentations faites sur la base « MICCSoccer-Actions-4 » montrent que l’approche neuronale de classification permet d’obtenir des résultats supérieurs à l’état de l’art (76 % de bonne classification), et que la combinaison des caractéristiques (information visuelle et mouvement dominant) permet un taux de bonne classification de 92 %.
Type de document :
Communication dans un congrès
COmpression et REprésentation des Signaux Audiovisuels (CORESA), Oct 2010, Lyon, France. pp.25-30, 2010
Liste complète des métadonnées
https://hal.archives-ouvertes.fr/hal-01381510
Contributeur : Équipe Gestionnaire Des Publications Si Liris <>
Soumis le : vendredi 14 octobre 2016 - 14:47:20
Dernière modification le : jeudi 19 avril 2018 - 14:38:06

Identifiants

  • HAL Id : hal-01381510, version 1

Collections

EC-LYON | UNIV-LYON2 | LIRIS | INSA-LYON | UNIV-LYON1

Citation

Moez Baccouche, Franck Mamalet, Christian Wolf, Christophe Garcia, Atilla Baskurt. Une approche neuronale pour la classification d’actions de sport par la prise en compte du contenu visuel et du mouvement dominant. COmpression et REprésentation des Signaux Audiovisuels (CORESA), Oct 2010, Lyon, France. pp.25-30, 2010. 〈hal-01381510〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

123

Contact

support.ccsd.cnrs.fr
hal.support@ccsd.cnrs.fr
Logo CCSD