Representacion de patrones espacio-temporales para el reconocimiento de acciones

Simple item page
dc.contributor.advisorMartínez Carrillo, Fabio
dc.contributor.authorGarzon Villamizar, Gustavo Adolfo
dc.date.accessioned2023-04-06T20:21:03Z
dc.date.available2023
dc.date.available2023-04-06T20:21:03Z
dc.date.created2019
dc.date.issued2019
dc.description.abstractEl reconocimiento de acciones es una tarea fundamental en diferentes áreas del conocimiento y aplicaciones, tales como: sistemas de realidad virtual, aplicaciones de tele-vigilancia, control de multitudes, videojuegos, entre otros. Esta tarea consiste en etiquetar, identificar o segmentar espacialmente objetos de interés que desarrollan una acción durante un intervalo temporal específico en una secuencia de video. A pesar de los grandes avances reportados en el estado del arte para el reconocimiento autómatico de acciones, existen múltiples limitaciones en cuanto a la caracterización y representación de las acciones debido a la complejidad de los escenarios de captura y la variabilidad del entorno. Además, la variabilidad de la apariencia, la geometría y la cinemática de las acciones humanas representan un desafío hoy en día en la comunidad de visión por computador. El método propuesto presenta dos variaciones para calcular descriptores compactos de ocurrencias orientados a reconocer acciones en secuencias parciales de video. Para ello se obtienen trayectorias de movimiento que representan la actividad en desarrollo. Sobre ellas se aplica un proceso de conteo que se encuentra acotado por una región y se centra en cada trayectoria. En este sentido, se obtienen las ocurrencias de trayectorias vecinas respecto a cada centro, dentro de cada subregión acotada, o se codifican de manera binaria en caso de cumplir con un umbral determinado (Minimal number of trajectories MNT). Se obtiene una representación intermedia al construir un diccionario con 400 valores que luego se mapea a un histograma que codifica las características de la acción que se esté ejecutando. Los dos métodos obtienen resultados prometedores en la clasificación de acciones utilizando un histograma de dimensionalidad reducida.
dc.description.abstractenglishAction recognition is a fundamental task in different areas and applications such as virtual reality systems, surveillance, video games and others. This task consists in labeling, identifying or spatially segmentate objects of interest that perform an action during a specific time interval in video sequences. Despite significant advances in the state of the art for action recognition, there exist multiple limitations regarding characterization and representation of actions due to complex video adquisition scenarios and variability of the environment. Moreover, variability of appearance, geometry and kinematics of human actions represent a challenge for the computer vision community. The proposed method exhibit two variations that are able to calculate compact occurrence descriptors that recognize actions over frame level, partial and full video sequences. Firstly, our methods obtain motion trajectories that represent the performed activity inside a given video file. Then, a counting process is executed over bounded region that is centered on each trajectory. This allows to identify neighboring trajectories inside each bounded subregion or, are codified as binary values if they comply with a given threshold (Minimal number of trajectories MNT). Therefore, a midlevel representation is obtained by calculating a dictionary with 400 values that will be mapped to a histogram that codify the features of the current human action. Both methods obtained promising results on classification and recognition tasks using a reduced size histogram.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería de Sistemas e Informática
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/14011
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programMaestría en Ingeniería de Sistemas e Informática
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectDescriptor Espacio Temporal
dc.subjectReconocimiento De Acciones
dc.subjectReconocimiento De Patrones
dc.subjectDescriptores Compactos
dc.subject.keywordSpatio-Temporal Descriptor
dc.subject.keywordAction Recognition
dc.subject.keywordPattern Recognition
dc.subject.keywordCompact Descriptor.
dc.titleRepresentacion de patrones espacio-temporales para el reconocimiento de acciones
dc.title.englishSpatio-temporal pattern representation for action recognition *
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dspace.entity.type
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
525.52 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
8.48 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
146.66 KB
Format:
Adobe Portable Document Format
Download
Collections
Maestría en Ingeniería de Sistemas e Informática