EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS

L’informatique met à la disposition de plusieurs domaines de la science des outils puis- sants d’analyse pour l’aide à la décision. Le secteur de la vision par ordinateur n’est pas resté en marge de ces révolutions. Un des domaines en fort développement est la mise en place d’ou- tils intelligent...

Full description

Saved in:
Bibliographic Details
Main Author: ATREVI Dieudonné Fabrice
Format: Theses and Dissertations
Language:French
Published: 2016
Subjects:
Online Access:http://repository.vnu.edu.vn/handle/VNU_123/9878
Tags: Add Tag
No Tags, Be the first to tag this record!
Institution: Vietnam National University, Hanoi
Language: French
id oai:112.137.131.14:VNU_123-9878
record_format dspace
spelling oai:112.137.131.14:VNU_123-98782017-04-05T14:15:16Z EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS ATREVI Dieudonné Fabrice Analyse comportementale, reconnaissance de postures, classification d’actions, descripteurs de formes L’informatique met à la disposition de plusieurs domaines de la science des outils puis- sants d’analyse pour l’aide à la décision. Le secteur de la vision par ordinateur n’est pas resté en marge de ces révolutions. Un des domaines en fort développement est la mise en place d’ou- tils intelligents d’analyse du comportement humain. Dans le cadre précis de nos travaux, nous nous sommes attachés à la question de l’estimation de pose 3D à partir d’images 2D obtenues à partir de capteurs classiques ne fournissant pas d’information de profondeurs. Ces informations de profondeurs sont actuellement indispensables pour des analyses plus précises du compor- tement humain dans le cadre de la vidéo surveillance de masse de personnes. L’approche que nous avons proposée au cours de ce stage suit une démarche classique d’apprentissage auto- matique qui consiste à apprendre un ensemble de poses obtenues à partir de données simulées. Les résultats obtenus sont prometteurs en ce sens que nous avons obtenu de bons taux de reconnaissance de pose à partir d’images de personnes inconnues dans la base d’apprentissage. Nos travaux nous ont permis de comparer les différents descripteurs de formes mis en jeux et de montrer ceux qui sont les plus robustes. En nous appuyant sur les résultats de recon- naissance de postures, nous avons proposé une première approche de classification d’actions dans une vidéo. Les résultats obtenus sont prometteurs et peuvent être améliorés pour une plus grande efficacité, notamment en prenant en compte l’information temporelle par la mise en place d’un pistage multi hypothèse des points d’articulation du squelette. 2016-05-17T03:34:09Z 2016-05-17T03:34:09Z 2015 Thesis http://repository.vnu.edu.vn/handle/VNU_123/9878 fr application/pdf
institution Vietnam National University, Hanoi
building VNU Library & Information Center
country Vietnam
collection VNU Digital Repository
language French
topic Analyse comportementale, reconnaissance de postures, classification d’actions, descripteurs de formes
spellingShingle Analyse comportementale, reconnaissance de postures, classification d’actions, descripteurs de formes
ATREVI Dieudonné Fabrice
EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS
description L’informatique met à la disposition de plusieurs domaines de la science des outils puis- sants d’analyse pour l’aide à la décision. Le secteur de la vision par ordinateur n’est pas resté en marge de ces révolutions. Un des domaines en fort développement est la mise en place d’ou- tils intelligents d’analyse du comportement humain. Dans le cadre précis de nos travaux, nous nous sommes attachés à la question de l’estimation de pose 3D à partir d’images 2D obtenues à partir de capteurs classiques ne fournissant pas d’information de profondeurs. Ces informations de profondeurs sont actuellement indispensables pour des analyses plus précises du compor- tement humain dans le cadre de la vidéo surveillance de masse de personnes. L’approche que nous avons proposée au cours de ce stage suit une démarche classique d’apprentissage auto- matique qui consiste à apprendre un ensemble de poses obtenues à partir de données simulées. Les résultats obtenus sont prometteurs en ce sens que nous avons obtenu de bons taux de reconnaissance de pose à partir d’images de personnes inconnues dans la base d’apprentissage. Nos travaux nous ont permis de comparer les différents descripteurs de formes mis en jeux et de montrer ceux qui sont les plus robustes. En nous appuyant sur les résultats de recon- naissance de postures, nous avons proposé une première approche de classification d’actions dans une vidéo. Les résultats obtenus sont prometteurs et peuvent être améliorés pour une plus grande efficacité, notamment en prenant en compte l’information temporelle par la mise en place d’un pistage multi hypothèse des points d’articulation du squelette.
format Theses and Dissertations
author ATREVI Dieudonné Fabrice
author_facet ATREVI Dieudonné Fabrice
author_sort ATREVI Dieudonné Fabrice
title EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS
title_short EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS
title_full EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS
title_fullStr EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS
title_full_unstemmed EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS
title_sort extraction de squelettes 3d a partir d'images de silhouettes humaines : reconnaissance de postures et modelisation d'actions
publishDate 2016
url http://repository.vnu.edu.vn/handle/VNU_123/9878
_version_ 1680966875896348672