Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.provenance | Facultad de Ciencias Exactas y Naturales de la UBA | - |
| dc.contributor | Mejail, Marta Estela | - |
| dc.contributor | Ubalde, Sebastián | - |
| dc.creator | Ubalde, Sebastián | - |
| dc.date.accessioned | 2018-05-04T22:07:24Z | - |
| dc.date.accessioned | 2018-05-28T16:57:41Z | - |
| dc.date.available | 2018-05-04T22:07:24Z | - |
| dc.date.available | 2018-05-28T16:57:41Z | - |
| dc.date.issued | 2016-03-22 | - |
| dc.identifier.uri | http://10.0.0.11:8080/jspui/handle/bnmm/75354 | - |
| dc.description | El problema de reconocer automáticamente una acción llevada a cabo en un video está recibiendo mucha atención en la comunidad de visión por computadora, con aplicaciones que van desde el reconocimiento de personas hasta la interacción persona-computador. Podemos pensar al cuerpo humano como un sistema de segmentos rígidos conectados por articulaciones, y al movimiento del cuerpo como una transformación continua de la configuración espacial de dichos segmentos. La llegada de cámaras de profundidad de bajo costo hizo posible el desarrollo de un algoritmo de seguimiento de personas preciso y eficiente, que obtiene la ubicación 3D de varias articulaciones del esqueleto humano en tiempo real. Esta tesis presenta contribuciones al modelado de la evolución temporal de los esqueletos. El modelado de la evolución temporal de descriptores de esqueleto plantea varios desafíos. En primer lugar, la posición 3D estimada para las articulaciones suele ser imprecisa. En segundo lugar, las acciones humanas presentan gran variabilidad intra-clase. Esta variabilidad puede encontrarse no sólo en la configuración de los esqueletos por separado (por ejemplo, la misma acción da lugar a diferentes configuraciones para diestros y para zurdos) sino tambión en la dinámica de la acción: diferentes personas pueden ejecutar una misma acción a distintas velocidades; las acciones que involucran movimientos periódicos (como aplaudir) pueden presentar diferentes cantidades de repeticiones de esos movimientos; dos videos de la misma acción puede estar no-alineados temporalmente; etc. Por último, acciones diferentes pueden involucrar configuraciones de esqueleto y movimientos similares, dando lugar a un escenario de gran similaridad inter-clase. En este trabajo exploramos dos enfoques para hacer frente a estas dificultades. En el primer enfoque presentamos una extensión a Edit Distance on Real sequence (EDR), una medida de similaridad entre series temporales robusta y precisa. Proponemos dos mejoras clave a EDR: una función de costo suave para el alineamiento de puntos y un algoritmo de alineamiento modificado basado en el concepto de Instancia-a-Clase (I2C, por el término en inglés: Instance-to-Class). La función de distancia resultante tiene en cuenta el ordenamiento temporal de las secuencias comparadas, no requiere aprendizaje de parámetros y es altamente tolerante al ruido y al desfasaje temporal. Además, mejora los resultados de métodos no-paramótricos de clasificación de secuencias, sobre todo en casos de alta variabilidad intra-clase y pocos datos de entrenamiento. En el segundo enfoque, reconocemos que la cantidad de esqueletos discriminativos en una secuencia puede ser baja. Los esqueletos restantes pueden ser ruidosos, tener configuraciones comunes a varias acciones (por ejemplo, la configuración correspondiente a un esqueleto sentado e inmóvil) u ocurrir en instantes de tiempo poco comunes para la acción del video. Por lo tanto, el problema puede ser naturalmente encarado como uno de Aprendizaje Multi Instancia (MIL por el término en inglés Multiple Instance Learning). En MIL, las instancias de entrenamiento se organizan en conjuntos o bags. Cada bag de entrenamiento tiene asignada una etiqueta que indica la clase a la que pertenece. Un bag etiquetado con una determinada clase contiene instancias que son características de la clase, pero puede (y generalmente así ocurre) también contener instancias que no lo son. Siguiendo esta idea, representamos los videos como bags de descriptores de esqueleto con marcas de tiempo, y proponemos un framework basado en MIL para el reconocimiento de acciones. Nuestro enfoque resulta muy tolerante al ruido, la variabilidad intra-clase y la similaridad inter-clase. El framework propuesto es simple y provee un mecanismo claro para regular la tolerancia al ruido, a la poca alineación temporal y a la variación en las velocidades de ejecución. Evaluamos los enfoques presentados en cuatro bases de datos públicas capturadas con cámaras de profundidad. En todos los casos, se trata de bases desafiantes. Los resultados muestran una comparación favorable de nuestras propuestas respecto al estado del arte. | - |
| dc.description | The problem of automatically identifying an action performed in a video is receiving a great deal of attention in the computer vision community, with applications ranging from people recognition to human computer interaction. We can think the human body as an articulated system of rigid segments connected by joints, and human motion as a continuous transformation of the spatial arrangement of those segments. The arrival of low-cost depth cameras has made possible the development of an accurate and efficient human body tracking algorithm, that computes the 3D location of several skeleton joints in real time. This thesis presents contributions concerning the modeling of the skeletons temporal evolution. Modeling the temporal evolution of skeleton descriptors is a challenging task. First, the estimated location of the 3D joints are usually inaccurate. Second, human actions have large intra-class variability. This variability may be found not only in the spatial configuration of individual skeletons (for example, the same action involves different configurations for righthanded and left-handed people) but also on the action dynamics: different people have different execution speeds; actions with periodic movements (like clapping) may involve different numbers of repetitions; two videos of the same action may be temporally misaligned; etc. Finally, different actions may involve similar skeletal configurations, as well as similar movements, effectively yielding large inter-class similarity. We explore two approaches to the problem that aim at tackling this difficulties. In the first approach, we present an extension to the Edit Distance on Real sequence (EDR), a robust and accurate similarity measure between time series. We introduce two key improvements to EDR: a weighted matching scheme for the points in the series and a modified aligning algorithm based on the concept of Instance-to-Class distance. The resulting distance function takes into account temporal ordering, requires no learning of parameters and is highly tolerant to noise and temporal misalignment. Furthermore, it improves the results of non-parametric sequence classification methods, specially in cases of large intra-class variability and small training sets. In the second approach, we explicitly acknowledge that the number of discriminative skeletons in a sequence might be low. The rest of the skeletons might be noisy or too person-specific, have a configuration common to several actions (for example, a sit still configuration), or occur at uncommon frames. Thus, the problem can be naturally treated as a Multiple Instance Learning (MIL) problem. In MIL, training instances are organized into bags. A bag from a given class contains some instances that are characteristic of that class, but might (and most probably will) contain instances that are not. Following this idea, we represent videos as bags of time-stamped skeleton descriptors, and we propose a new MIL framework for action recognition from skeleton sequences. We found that our approach is highly tolerant to noise, intra-class variability and inter-class similarity. The proposed framework is simple and provides a clear way of regulating tolerance to noise, temporal misalignment and variations in execution speed. We evaluate the proposed approaches on four publicly available challenging datasets captured by depth cameras, and we show that they compare favorably against other state-of-the-art methods. | - |
| dc.description | Fil:Ubalde, Sebastián. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. | - |
| dc.format | application/pdf | - |
| dc.language | spa | - |
| dc.publisher | Facultad de Ciencias Exactas y Naturales. Universidad de Buenos Aires | - |
| dc.rights | info:eu-repo/semantics/openAccess | - |
| dc.rights | http://creativecommons.org/licenses/by/2.5/ar | - |
| dc.source.uri | http://digital.bl.fcen.uba.ar/gsdl-282/cgi-bin/library.cgi?a=d&c=tesis&d=Tesis_5922_Ubalde | - |
| dc.subject | DEPTH VIDEO | - |
| dc.subject | MULTIPLE INSTANCE LEARNING | - |
| dc.subject | CITATION-KNN | - |
| dc.subject | EDIT DISTANCE ON REAL SEQUENCE | - |
| dc.subject | INSTANCE-TO-CLASS | - |
| dc.subject | VIDEO DE PROFUNDIDAD | - |
| dc.subject | APRENDIZAJE MULTI INSTANCIA | - |
| dc.subject | CITATION-KNN | - |
| dc.subject | EDIT DISTANCE ON REAL SEQUENCE | - |
| dc.subject | INSTANCIA-A-CLASE | - |
| dc.title | Reconocimiento de acciones en videos de profundidad | - |
| dc.title | Action recognition in depth videos | - |
| dc.type | info:eu-repo/semantics/doctoralThesis | - |
| dc.type | info:ar-repo/semantics/tesis doctoral | - |
| dc.type | info:eu-repo/semantics/publishedVersion | - |
| Aparece en las colecciones: | FCEN - Facultad de Ciencias Exactas y Naturales. UBA | |
Ficheros en este ítem:
No hay ficheros asociados a este ítem.