Skip to Main content Skip to Navigation
Conference papers

Détection précoce d'actions squelettiques 3D dans un flot non segmenté à base de modèles curvilignes

Résumé : La détection précoce d'actions vise à déterminer au plus tôt la classe d'une action, si elle a lieu, dans un flot non segmenté et en utilisant le moins d'observations possibles. Cette tâche est d'autant plus complexe qu'elle doit considérer à la fois des contraintes de détection, de reconnaissance et celles de précocité. De ce fait, et en dépit de son intérêt pratique certain, cette problématique est rarement abordée dans la littérature. Dans ce papier, nous proposons une approche combinant trois modèles basés sur le concept de segmentation curviligne. Ces modèles permettent de traiter le flot d'entrée à court, moyen et long terme de façon à réduire à la fois le risque d'erreur et la latence. De plus, le fait que ces modèles soient basés sur la notion de segmentation curviligne permet de s'affranchir de difficultés inhérentes à la détection, notamment la variabilité des vitesses de performance. En outre, l'approche proposée est adaptée au cas de la reconnaissance d'actions pré-segmentées afin de permettre une comparaison aux meilleures approches de la littérature, notamment celles à base d'apprentissage profond. Les résultats que nous présentons dans le cadre de la détection précoce et celui de la reconnaissance sont prometteurs vis-à-vis de ce sujet de recherche encore en émergence.
Complete list of metadatas

Cited literature [12 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-01867937
Contributor : Said Yacine Boulahia <>
Submitted on : Tuesday, September 4, 2018 - 5:21:33 PM
Last modification on : Tuesday, April 21, 2020 - 4:18:12 PM
Document(s) archivé(s) le : Wednesday, December 5, 2018 - 5:46:35 PM

File

rfiap2018.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-01867937, version 1

Citation

Said Yacine Boulahia, Eric Anquetil, Franck Multon, Richard Kulpa. Détection précoce d'actions squelettiques 3D dans un flot non segmenté à base de modèles curvilignes. RFIAP 2018 Reconnaissance des Formes, Image, Apprentissage et Perception, Jun 2018, Paris, France. pp.1-8. ⟨hal-01867937⟩

Share

Metrics

Record views

473

Files downloads

137