Um descritor tensorial de movimento baseado em múltiplos estimadores de gradiente

Sad, Dhiego Cristiano Oliveira da Silva

dc.contributor	Vieira, Marcelo Bernardes
dc.contributor	http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4763472P6
dc.contributor	Silva, Rodrigo Luis de Souza da
dc.contributor	http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4769102Z1
dc.contributor	Oliveira, Antônio Alberto Fernandes de
dc.contributor	http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4787816E7
dc.creator	Sad, Dhiego Cristiano Oliveira da Silva
dc.date	2017-06-01T11:37:10Z
dc.date	2017-05-30
dc.date	2017-06-01T11:37:10Z
dc.date	2013-02-22
dc.date.accessioned	2023-09-29T16:37:34Z
dc.date.available	2023-09-29T16:37:34Z
dc.identifier	https://repositorio.ufjf.br/jspui/handle/ufjf/4780
dc.identifier.uri	https://repositorioslatinoamericanos.uchile.cl/handle/2250/9137677
dc.description	This work presents a novel approach for motion description in videos using multiple band-pass ﬁlters that act as ﬁrst order derivative estimators. The ﬁlters response on each frame are coded into individual histograms of gradients to reduce their dimensionality. They are combined using orientation tensors. No local features are extracted and no learning is performed, i.e., the descriptor depends uniquely on the input video. Motion description can be enhanced even using multiple ﬁlters with similar or overlapping fre quency response. For the problem of human action recognition using the KTH database, our descriptor achieved the recognition rate of 93,3% using three Daubechies ﬁlters, one extra ﬁlter designed to correlate them, two-fold protocol and a SVM classiﬁer. It is su perior to most global descriptor approaches and fairly comparable to the state-of-the-art methods.
dc.description	Este trabalho apresenta uma nova abordagem para a descrição de movimento em vídeos usando múltiplos ﬁltros passa-banda que agem como estimadores derivativos de primeira ordem. A resposta dos ﬁltros em cada quadro do vídeo é extraída e codiﬁcada em histogramas de gradientes para reduzir a sua dimensionalidade. Essa combinação é realizada através de tensores de orientação. O grande diferencial deste trabalho em relação à maioria das abordagens encontradas na literatura é que nenhuma característica local é extraída e nenhum método de aprendizagem é realizado previamente, isto é, o descritor depende unicamente do vídeo de entrada. Para o problema de reconhecimento da ação humana utilizando a base de dados KTH, nosso descritor alcançou a taxa de reconhecimento de 93,3% usando três ﬁltros da família Daubechies combinado com mais um ﬁltro extra que é a correlação entre esses três ﬁltros. O descritor resultante é então classiﬁcado através do SVM utilizando um protocolo two-fold. Essa classiﬁcação se mostra superior para a maioria das abordagens que usam descritores globais e pode ser comparável aos métodos do estado-da-arte.
dc.description	CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
dc.format	application/pdf
dc.language	por
dc.publisher	Universidade Federal de Juiz de Fora (UFJF)
dc.publisher	Brasil
dc.publisher	ICE – Instituto de Ciências Exatas
dc.publisher	Programa de Pós-graduação em Ciência da Computação
dc.publisher	UFJF
dc.rights	Acesso Aberto
dc.subject	Múltiplos ﬁltros
dc.subject	Descritor de movimento
dc.subject	Filtros correlacionados
dc.subject	Tensor de orientação
dc.subject	Reconhecimento de ações humanas
dc.subject	Multifilter analysis
dc.subject	Motion descriptor
dc.subject	Correlation filter
dc.subject	Orientation tensor
dc.subject	Human action recognition
dc.subject	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.title	Um descritor tensorial de movimento baseado em múltiplos estimadores de gradiente
dc.type	Dissertação

Este ítem pertenece a la siguiente institución

Universidade Federal de Juiz de Fora (Brasil)