G. Piriou, N. Peyrard, P. Bouthemy, J-F. Yao. Détection d'événements dans les vidéos à l'aide de modèles probabilistes de mouvement. In Colloque franco-tunisien TAIMA'03, Hammamet, Tunisie, Septembre 2003.
Charger l'article :
Adobe portable document (pdf)
Copyright : Les documents contenus dans ces répertoires sont rendus disponibles par les auteurs qui y ont contribué en vue d'assurer la diffusion à temps de travaux savants et techniques sur une base non-commerciale. Les droits de copie et autres droits sont gardés par les auteurs et par les détenteurs du copyright, en dépit du fait qu'ils présentent ici leurs travaux sous forme électronique. Les personnes copiant ces informations doivent adhérer aux termes et contraintes couverts par le copyright de chaque auteur. Ces travaux ne peuvent pas être rendus disponibles ailleurs sans la permission explicite du détenteur du copyright.
Nous présentons une méthode originale de détection d'événements pertinents dans une vidéo, basée sur l'analyse du contenu dynamique et ne nécessitant pas de segmentation de mouvement préalable. Pour cela, nous exploitons des mesures locales de mouvement de bas niveaux reliées aux vitesses normales et immédiatement calculables pour tout type de vidéo, quels que soient son genre et son contenu. Une originalité de notre approche est d'appréhender séparément le mouvement de la caméra (en fait, le mouvement dominant) et le mouvement de la scène (en fait, le mouvement résiduel) dans une séquence. En effet, ces deux composantes de mouvement apportent des informations différentes, mais complémentaires qu'il est pertinent d'explicitement prendre en compte pour la classification ou la détection d'événements. Par exemple, dans une vidéo de sport, la caméra suit généralement le joueur ou l'athlète en action et par conséquent apporte principalement le mouvement global (souvent une translation globale). Le mouvement résiduel apporte quant à lui l'information sur l'activité réelle de la scène (notamment les gestes du joueur). Le mouvement résiduel est spécifié à partir des mesures locales de mouvement obtenues après compensation du mouvement dominant et directement calculées à partir des dérivées spatio-temporelles des intensités. Ces mesures sont ensuite exploitées dans un cadre statistique et un modèle probabiliste en est alors proposé. Un modèle probabiliste est également introduit pour traiter le mouvement de la caméra. Nous appliquons ce cadre statistique à la détection d'événements pertinents dans une vidéo selon un schéma à deux étapes. La première étape consiste en une présélection de segments candidats parmi les segments successifs de la vidéo traitée, selon deux groupes, représentant respectivement le ``contenu dynamique important'' et le ``contenu dynamique négligeable''. La seconde étape est une étape de classification selon le critère du maximum de vraisemblance pour reconnaître les événements pertinents (en termes de contenu dynamique) parmi les segments retenus lors de la première étape. Un tel procédé en deux temps nous permet de restreindre la phase de reconnaissance à un ensemble approprié et limité de classes afin de rendre la classification plus robuste et plus efficace. Des résultats expérimentaux sur des vidéos de sport sont décrits et montrent le bon niveau de performance de la méthode proposée
Gwenaelle Piriou 
Patrick Bouthemy
@InProceedings{Piriou03a,
Author = {Piriou, G. and Peyrard, N. and Bouthemy, P. and Yao, J-F.},
Title = {Détection d'événements dans les vidéos à l'aide de modèles probabilistes de mouvement},
BookTitle = {Colloque franco-tunisien TAIMA'03},
Address = {Hammamet, Tunisie},
Month = {September},
Year = {2003}
}
Charger la référence EndNote (.ref)
This document was translated automatically from BibTEX by bib2html (Copyright 2003 © Eric Marchand, INRIA, Vista Project).