Intégration de la saillance visuelle dans la reconnaissance d'évènements rares
Résumé
This paper presents a new method for the detection of rares events in video. It is based on the visual saliency and on the detection and local description of points of interest. The point-of-interest filtering is carried out using the saliency score, allowing only those with visual importance to be considered. A model of normal events is learned thanks to the probabilistic generative model "Latent Dirichlet Allocation" (LDA), known for its performance in textual data mining. The detection of an abnormal or rare event is carried out in a probabilistic way via the learned model. This paper proposes to combine a saliency based visual focalization and the use of automatic document classification technic in order to classify images from a video and to detect rare events.
Cet article présente une nouvelle méthode de détection d'événements rares pouvant être qualifier d'anormaux dans une vidéo. Elle s'appuie d'une part sur l'utilisation de la saillance visuelle et d'autre part sur la détection et la description locale des points d'intérêts. Un filtrage des points d'intérêt est effectué grâce au score de saillance permettant ainsi de ne prendre en considération que ceux ayant un impact visuel important. Un modèle d?événements normaux est appris grâce à l'utilisation d'un modèle génératif probabiliste "allocation de Dirichlet latente" (LDA), connu pour sa performance en fouille de données textuelles. La détection d'un événement anormal ou rare est alors effectuée de façon probabiliste via le modèle appris. Nous proposons dans cet article, de combiner une focalisation visuelle par utilisation de la saillance et l'utilisation d'une technique de classification automatique de documents afin de classifier les images d'une vidéo et ainsi détecter les événements rares.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...