Orientador: Hélio Pedrini

Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação

Resumo: Reconhecimento de ações humanas em vídeos é uma área de conhecimento em expansão. Há uma vasta gama de possíveis aplicações, incluindo interface de usuários, vigilância, casas inteligentes e monitoramento de saúde. A maioria delas requer respostas em tempo real. No entanto, há um equilíbrio...

Resumo: Reconhecimento de ações humanas em vídeos é uma área de conhecimento em expansão. Há uma vasta gama de possíveis aplicações, incluindo interface de usuários, vigilância, casas inteligentes e monitoramento de saúde. A maioria delas requer respostas em tempo real. No entanto, há um equilíbrio entre tempo de processamento e eficácia do reconhecimento, sendo que eficácia compreende acurácia e robustez em múltiplas situações. Duas contribuições são apresentadas neste trabalho. A primeira é um método de obtenção de informação relevante de movimento em vídeos, mesmo usando uma subtração de fundo simples, por meio da união de uma janela deslizante de figuras. A segunda é um descritor simples e rápido, baseado em silhuetas ou, genericamente, em figuras de movimento, que alcança o estado da arte na acurácia em tempo real. Ele é construído a partir das posições relativas de pontos de interesse escolhidos como pontos extremos nas figuras de movimento. O método foi testado em três bases de dados públicas e os resultados experimentais são comparados com outros da literatura. Algumas bases possuem disponíveis silhuetas segmentadas manualmente, permitindo a análise de cada contribuição separadamente. Em todos os casos, as características foram extraídas em altas taxas de quadros por segundo

Abstract: Human action recognition in videos is an expanding area of knowledge. There is a wide range of possible applications, including user interface, surveillance, smart homes and health monitoring. Most of them require real time responses, however, there is a trade-off between processing time...

Abstract: Human action recognition in videos is an expanding area of knowledge. There is a wide range of possible applications, including user interface, surveillance, smart homes and health monitoring. Most of them require real time responses, however, there is a trade-off between processing time and effectiveness of the recognition, where effectiveness comprises accuracy and robustness in a number of situations. Two main contributions are presented in this work. The first one is a method for obtaining relevant motion information from videos, even by making use of poorly extracted foreground, by joining a temporal window of shapes. The second one is a simple and fast descriptor, based on silhouettes or, generically, on motion shapes, that achieves state-of-the-art accuracy in real time. It is built from the relative positions of interest points chosen as extreme points on the motion shapes. The method is tested on three public data sets and the experimental results are compared against others from the literature. Some data sets have manually segmented silhouettes available, allowing to analyze each contribution separately. In all cases, the features are extracted at high frame rates