Détection d'événements rares par modélisation de la signature du flot optique

Résumé : Nous présentons dans cet article une nouvelle méthode de détection d'événements rares basée sur l'analyse des mouvements saillants dans une scène. La méthode vise à localiser automatiquement toutes les régions d'une scène où se déroulent des événements rares. Un événement rare s'oppose aux événements fréquents en ce sens qu'on y intégre tout événement nouveau dans la scène. Elle exploite les propriétés de la transformée en cosinus discrète (TCD) qui, appliquée à une image, permet d'y détecter des irrégularités spatiales. En appliquant successivement la transformée et son inverse aux données de magnitude et d'orientation du flot optique, notre méthode permet de localiser tous les mouvements irréguliers. Une modélisation de ces mouvements, grâce à la version "one class" de l'algorithme SVM, permet d'identifier sur les événements rares parmi ceux fréquents. La méthode a été testée sur la base publique UCSD [1] et présente des résultats satisfaisants. Abstract-We present, in this paper, a new method for rare events détection based on salient motion analysis. The method aims to automatically locate all regions of a scene where rare events occur. A rare event is an event that not occurs frequently in the scene. It exploits properties of the discrete cosine transform (DCT) that can detect spatial irregularities in images. By performing the DCT and its inverse on the magnitude and orientation of the optical flow, our method makes it possible to locate any salient motion. Modeling of the salient motions thanks to the "one class" version of the support vector machine (SVM) allow the identification of rare events between salient motion. The method has been tested on the UCSD dataset and shows that it's promising.
Document type :
Conference papers
Complete list of metadatas

Cited literature [15 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02277109
Contributor : Dieudonné Atrevi <>
Submitted on : Tuesday, September 3, 2019 - 1:43:36 PM
Last modification on : Saturday, September 14, 2019 - 1:43:23 AM

File

cr_atrevi446.pdf
Files produced by the author(s)

Identifiers

  • HAL Id : hal-02277109, version 1

Citation

Dieudonné Atrevi, Damien Vivet, Bruno Emile. Détection d'événements rares par modélisation de la signature du flot optique. GRETSI, Aug 2019, Lille, France. ⟨hal-02277109⟩

Share

Metrics

Record views

30

Files downloads

22