Representations d'images pour la recherche et la classification d'images

Abstract

La reconnaissance d'actions humaines dans des séquences vidéo est un problème important, actuellement au cœur de nombreux domaines de recherche comme la vidéo surveillance et les interfaces Homme-Machine. Le développement d'algorithmes de reconnaissance d'actions précis et efficaces est une tâche difficile à cause des fortes variabilités des formes humaines, des vêtements et du mouvement. Ce travail vise la reconnaissance de l'action humaine dans la vidéo. Les actions humaines dans la vidéo sont des signaux spatio-temporels tridimensionnels (3D) qui caractérisent à la fois l'apparence visuelle et la dynamique de mouvement des humains. Dans ce travail, nous nous intéresserons principalement à l'information dynamique. Nous utilisons des réseaux de neurones convolutionnels profonds 3D qui prennent des cartes de flot optiques en entrée. Le processus de traitement de notre approche se compose principalement de trois parties : ¢ Calcul des cartes de flot optique; ¢ Filtrage de ces cartes, pour augmenter le taux de classification et de réduire le temps du calcul, qui ne contiennent pas de l'action en utilisant l'entropie pour chaque séquence ; Les réseaux de neurones convolutionnels profonds 3D pour l'extraction de caractéristiques et la classification des actions humaines. Notre méthode est évaluée sur une base de données publique InfAR. En comparaison avec les méthodes existantes dans l'état de l'art, les résultats obtenus montrent l'efficacité de l'approche proposée avec un taux supérieur à 88% sur la même base de données