Luận Văn Thạc Sĩ: Chiết Xuất Khung Xương 3D Từ Ảnh 2D Và Nhận Dạng Tư Thế

Luận văn thạc sĩ nghiên cứu vnu extraction de squelettes 3d a partir dimages de silhouettes humaines reconnaissance de postures, khảo sát thực trạng, phân tích nguyên nhân, đề

• Tác giả: Atrevi
• Người hướng dẫn: Dr Damien Vivet, Maître De Conférence
• Trường học: Université Nationale Du Vietnam, Hanoi Institut Francophone International
• Chuyên ngành: Systèmes Intelligents et Multimédia
• Đề tài: Chiết Xuất Khung Xương 3D Từ Ảnh 2D Của Con Người: Nhận Dạng Tư Thế Và Mô Hình Hoá Hành Động
• Loại tài liệu: luận văn
• Năm xuất bản: 2015
• Địa điểm: Hanoi

Mục lục chi tiết

• REMERCIEMENTS
• RÉSUMÉ
• ABSTRACT
• LISTE DES FIGURES
• LISTE DES TABLEAUX
• INTRODUCTION GÉNÉRALE
• 1. CHƯƠNG 1: ÉTAT DE L’ART
• 1.1. Introduction
• 1.2. La capture de mouvement
• 1.2.1. Systèmes mécaniques
• 1.2.2. Systèmes magnétiques
• 2. CHƯƠNG 2: MÉTHODES ET SOLUTIONS PROPOSÉES
• 3. CHƯƠNG 3: IMPLÉMENTATION ET RÉSULTATS
• CONCLUSION GÉNÉRALE
• BIBLIOGRAPHIE
• ANNEXES

Tóm tắt

I. Tổng Quan Về Chiết Xuất Khung Xương 3D Từ Ảnh 2D

Chiết xuất khung xương 3D từ ảnh 2D là một lĩnh vực nghiên cứu quan trọng trong công nghệ máy học và thị giác máy tính. Phương pháp này cho phép chuyển đổi hình ảnh 2D thành mô hình 3D, giúp nhận diện tư thế và mô hình hóa hành động của con người. Việc áp dụng công nghệ này không chỉ mang lại lợi ích trong lĩnh vực y tế mà còn trong nhiều lĩnh vực khác như giải trí và an ninh.

1.1. Khái Niệm Về Chiết Xuất Khung Xương

Chiết xuất khung xương là quá trình tạo ra mô hình 3D từ hình ảnh 2D, sử dụng các thuật toán phức tạp để phân tích và nhận diện các điểm quan trọng trên cơ thể con người.

1.2. Lợi Ích Của Việc Sử Dụng Công Nghệ Này

Công nghệ này giúp cải thiện độ chính xác trong việc nhận diện tư thế, hỗ trợ trong các ứng dụng như phục hồi chức năng, thể thao và an ninh.

II. Vấn Đề Trong Nhận Dạng Tư Thế Từ Ảnh 2D

Nhận dạng tư thế từ ảnh 2D gặp nhiều thách thức, bao gồm độ chính xác của dữ liệu đầu vào và sự phức tạp trong việc phân tích hình ảnh. Các yếu tố như ánh sáng, góc chụp và độ phân giải ảnh có thể ảnh hưởng đến kết quả nhận dạng.

2.1. Thách Thức Về Độ Chính Xác

Độ chính xác trong nhận dạng tư thế phụ thuộc vào chất lượng hình ảnh và các thuật toán được sử dụng. Việc cải thiện độ chính xác là một trong những mục tiêu chính của nghiên cứu.

2.2. Ảnh Hưởng Của Các Yếu Tố Môi Trường

Ánh sáng và góc chụp có thể làm thay đổi hình ảnh, dẫn đến khó khăn trong việc nhận diện chính xác các tư thế.

III. Phương Pháp Chiết Xuất Khung Xương 3D Hiện Nay

Có nhiều phương pháp khác nhau để chiết xuất khung xương 3D từ ảnh 2D, bao gồm các kỹ thuật học sâu và các thuật toán truyền thống. Những phương pháp này giúp cải thiện độ chính xác và tốc độ xử lý.

3.1. Sử Dụng Deep Learning Trong Chiết Xuất

Deep learning đã trở thành một công cụ mạnh mẽ trong việc nhận diện tư thế, cho phép mô hình học từ dữ liệu lớn và cải thiện độ chính xác.

3.2. Các Thuật Toán Truyền Thống

Ngoài deep learning, các thuật toán truyền thống như phân tích hình dạng cũng được sử dụng để chiết xuất khung xương, mặc dù có thể không hiệu quả bằng.

IV. Ứng Dụng Thực Tiễn Của Chiết Xuất Khung Xương 3D

Chiết xuất khung xương 3D từ ảnh 2D có nhiều ứng dụng thực tiễn trong y tế, thể thao và an ninh. Các ứng dụng này không chỉ giúp cải thiện hiệu suất mà còn nâng cao trải nghiệm người dùng.

4.1. Ứng Dụng Trong Y Tế

Trong y tế, công nghệ này hỗ trợ trong việc phục hồi chức năng và theo dõi tiến trình điều trị của bệnh nhân.

4.2. Ứng Dụng Trong Thể Thao

Trong thể thao, việc phân tích tư thế giúp các vận động viên cải thiện kỹ thuật và hiệu suất thi đấu.

V. Kết Luận Và Tương Lai Của Chiết Xuất Khung Xương 3D

Chiết xuất khung xương 3D từ ảnh 2D là một lĩnh vực đang phát triển mạnh mẽ với nhiều tiềm năng ứng dụng. Tương lai của công nghệ này hứa hẹn sẽ mang lại nhiều cải tiến trong nhận diện tư thế và mô hình hóa hành động.

5.1. Tiềm Năng Phát Triển

Với sự phát triển của công nghệ, chiết xuất khung xương 3D sẽ ngày càng chính xác và nhanh chóng hơn, mở ra nhiều cơ hội mới.

5.2. Hướng Nghiên Cứu Tương Lai

Nghiên cứu trong lĩnh vực này sẽ tiếp tục tập trung vào việc cải thiện độ chính xác và khả năng ứng dụng trong các lĩnh vực khác nhau.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên số hóa của thị giác máy tính và giám sát thông minh, việc thu thập thông tin không gian ba chiều của cơ thể người đóng vai trò then chốt trong phân tích hành vi và cảnh báo an ninh. Tuy nhiên, hơn 85% hệ thống camera giám sát công cộng hiện nay vẫn là thiết bị quang học 2D đơn sắc truyền thống, hoàn toàn không cung cấp dữ liệu độ sâu. Các thiết bị đo đạc chuyên dụng như cảm biến RGB-D Kinect hay hệ thống bắt chuyển động quang học đa điểm thường có chi phí lắp đặt lên tới hàng chục nghìn USD và bị giới hạn nghiêm ngặt về không gian hoạt động. Vấn đề cốt lõi được đặt ra là làm thế nào để ước lượng chính xác tư thế 3D và mô hình hóa hành động của con người chỉ từ hình ảnh bóng 2D thu thập qua một camera đơn kênh.

Mục tiêu cụ thể của công trình là thiết lập quy trình học máy tự động nhằm trích xuất mô hình khung xương 3D gồm 19 khớp giải phẫu và nhận dạng chuỗi hành động từ ảnh đơn mục tiêu. Nghiên cứu được thực hiện tại phòng thí nghiệm PRISME thuộc Đại học Orléans phối hợp với Viện Quốc tế Pháp ngữ, triển khai thực nghiệm trên cơ sở dữ liệu mô phỏng tổng hợp với 2.925 hình ảnh cùng bộ dữ liệu thực tế kinh điển Weizmann gồm 90 chuỗi video chuyển động. Đóng góp nổi bật của luận văn là loại bỏ sự phụ thuộc vào các phần cứng đắt đỏ, đạt độ chính xác ước lượng tư thế lên đến 99,17% trên dữ liệu mới và đạt chỉ số F-score phân loại hành động 83,49%, tạo tiền đề vững chắc cho các hệ thống giám sát an ninh quy mô lớn trong thực tế.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên ba trụ cột lý thuyết nền tảng trong xử lý ảnh và nhận dạng mẫu:

Thứ nhất là lý thuyết mô-men trực giao gián đoạn Krawtchouk. Đây là công cụ toán học dựa trên đa thức Krawtchouk với hàm trọng số nhị thức, cho phép trích xuất đặc trưng hình học cục bộ tại các phân vùng cơ thể mà không gặp hiện tượng mất ổn định số học như các mô-men hình học cổ điển.

Thứ hai là lý thuyết mô-men trực giao liên tục Zernike. Được định nghĩa trên đĩa đơn vị tròn thông qua hệ đa thức trực giao Zernike, phương pháp này mang lại khả năng bất biến tuyệt vời đối với các phép quay, tịnh tiến và biến đổi tỷ lệ của hình bóng con người.

Thứ ba là lý thuyết bối cảnh hình dáng cục bộ (Shape Context) của Belongie. Phương pháp này lượng hóa phân bố không gian của các điểm biên thông qua biểu đồ log-polar chia thành 5 vùng bán kính và 12 vùng góc hướng, tạo ra ma trận 60 chiều mô tả chi tiết đường bao cơ thể.

Các khái niệm then chốt xuyên suốt luận văn bao gồm: Ảnh bóng nhị phân (Silhouette), Khung xương động học 3D (3D Skeletal Kinematics), Vector đặc trưng hình học (Geometric Feature Vector), và Phép chiếu phối cảnh ngược (Inverse Perspective Projection).

Phương pháp nghiên cứu

Phương pháp luận của công trình kết hợp mô phỏng đồ họa 3D hiện đại với quy trình phân lớp học máy hai pha:

Về nguồn dữ liệu và cỡ mẫu: Tác giả xây dựng bộ dữ liệu mô phỏng gồm 2.925 ảnh học phân giải 640 x 320 pixel thuộc 17 lớp cử động, 2.925 ảnh kiểm thử bị làm nhiễu Gauss với độ lệch chuẩn từ 1 đến 3 pixel, và 608 ảnh người có hình thể hoàn toàn mới lạ. Đánh giá hành động thực tế sử dụng 90 video chuẩn Weizmann gồm 5.432 khung hình thuộc 10 nhóm hành động với 9 diễn viên khác nhau.

Phương pháp chọn mẫu: Lựa chọn mẫu phân tầng theo nhóm hành động (như đi bộ, nhảy, leo trèo, đánh bóng) và cấu trúc giải phẫu 19 điểm khớp chuẩn Second Life Bones từ phần mềm MakeHuman kết hợp dữ liệu hoạt hình BVH trong Blender.

Phương pháp phân tích và lý do lựa chọn: Quy trình trích xuất sử dụng thuật toán gom cụm K-Means với 100 cụm từ để xây dựng từ điển thị giác cho Shape Context, kết hợp tính toán vector 48 chiều cho mô-men Krawtchouk và Zernike. Thuật toán k láng giềng gần nhất (k-NN) với độ đo khoảng cách Euclid được áp dụng nhờ tốc độ tính toán thời gian thực và độ phức tạp thấp. Ngưỡng sai số tái chiếu không gian Euclid giữa các khớp được thiết lập chặt chẽ ở mức 6 pixel. Toàn bộ chuỗi giải thuật được lập trình và thực thi trên nền tảng Matlab R2014a trong giai đoạn 2014 - 2015.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối sánh chuyên sâu đã mang lại 4 phát hiện quan trọng:

Thứ nhất, mô-men trực giao Krawtchouk bậc 24 cho vector đặc trưng 48 chiều đạt độ chính xác nhận dạng tư thế 100% trên dữ liệu học và đạt 99,17% trên tập dữ liệu người lạ gồm 600 ảnh kiểm thử. Việc phân chia thân người thành hai nửa (nửa trên với p1 = 0,5; p2 = 0,1 và nửa dưới với p1 = 0,5; p2 = 0,95) giúp nắm bắt triệt để biến dạng chi thể.

Thứ hai, mô-men Zernike bậc 12 đạt tỷ lệ nhận dạng 98,83% và nâng lên 99,50% tại bậc 16. Cấu hình bậc 12 cho vector 48 chiều được xác định là điểm cân bằng tối ưu giữa độ chính xác và thời gian xử lý vi xử lý.

Thứ ba, về độ bền vững trước nhiễu biên dạng: Mô-men Krawtchouk duy trì độ chính xác trên 90% khi độ lệch chuẩn nhiễu tăng lên mức 3 pixel. Ngược lại, phương pháp Shape Context bị sụt giảm tỷ lệ nhận diện xuống xấp xỉ 50% ở láng giềng k = 1 do tính nhạy cảm cao của thuật toán Canny trước biến dạng biên thô ráp.

Thứ tư, trên tập dữ liệu video hành động Weizmann, mô hình phân lớp đạt độ chính xác Precision là 0,84 (84%), độ nhạy Recall đạt 0,83 (83%) và điểm số tổng hợp F-score đạt 83,49%.

Thảo luận kết quả

Khả năng phân biệt vượt trội của mô-men Krawtchouk bắt nguồn từ tính cục bộ của đa thức nhị thức, cho phép tập trung trọng số vào các vùng khớp cử động mạnh như cổ chân, đầu gối và cánh tay. Kết quả có thể được trực quan hóa rõ nét qua ma trận nhầm lẫn (Confusion Matrix) với các tỷ lệ nhận diện đạt mức tuyệt đối 100% ở các hành động uốn người (bend), nhảy dang tay chân (jack), nhảy tại chỗ (pjump), đi ngang (side) và vẫy hai tay (wave2).

Tuy nhiên, biểu đồ ma trận cũng phản ánh hiện tượng nhầm lẫn đáng kể giữa hai hành động nhảy tiến hai chân (jump) và nhảy lò cò (skip). Nguyên nhân là do phương pháp trích xuất hiện tại mới chỉ khai thác thông tin không gian của từng khung hình đơn lẻ mà chưa tích hợp thông tin động học chuỗi thời gian.

Khi kiểm tra độ lệch quỹ đạo, các đồ thị bám vết khoảng cách Euclid của 4 khớp chủ đạo (khớp đầu, bụng, bàn tay trái và bàn chân trái) trên hai chuyển động nhảy và leo trèo cho thấy đường cong ước lượng màu xanh bám sát gần như trùng khớp với đường cong thực tế màu đỏ. Khi so sánh với công trình kinh điển của tác giả Gorelick và các cộng sự, phương pháp của luận văn cho thấy ưu thế vượt trội ở các hành vi chuyển động thân trên cục bộ, dù tổng thể F-score có phần thấp hơn đôi chút do chưa áp dụng giải phương trình đạo hàm riêng Poisson đa chiều.

Đề xuất và khuyến nghị

Dựa trên các kết luận rút ra từ thực nghiệm, tác giả và nhóm nghiên cứu đề xuất 4 giải pháp chiến lược nhằm tối ưu hóa hệ thống:

Thứ nhất, tích hợp thuật toán lọc bám vết đa giả thiết (Multi-hypothesis Tracking) cho các điểm khớp 3D. Mục tiêu là nâng tỷ lệ phân loại hành động tổng thể lên trên 92% trong vòng 6 tháng tới, do các kỹ sư thị giác máy tính tại các trung tâm R&D chủ trì triển khai.

Thứ hai, thiết lập cơ chế cửa sổ trượt thời gian (Temporal Sliding Window) kết hợp ghép nối vector đặc trưng liên tiếp. Giải pháp này nhằm triệt tiêu sự nhập nhằng giữa các động tác có hình bóng tương tự như nhảy tiến và nhảy lò cò, kéo giảm tỷ lệ nhầm lẫn xuống dưới 5% trong quý vận hành tiếp theo.

Thứ ba, phát triển mô hình lai ghép giữa mô-men Krawtchouk với các mạng nơ-ron tích chập tự động tách nền. Hướng đi này giúp duy trì F-score trên 95% ngay cả trong điều kiện môi trường ánh sáng phức tạp và bóng đổ ngoài trời, do các nhà khoa học dữ liệu và viện nghiên cứu AI đảm trách.

Thứ tư, mở rộng quy mô bộ dữ liệu mô phỏng từ 2.925 hình ảnh hiện tại lên hơn 50.000 mẫu đa dạng về hình thái nhân trắc học, trang phục và góc quay camera 360 độ trong vòng 12 tháng tới, dưới sự điều phối của các chuyên gia đồ họa và phân tích dữ liệu.

Đối tượng nên tham khảo luận văn

Công trình luận văn này mang lại giá trị học thuật và ứng dụng thực tiễn cao cho 4 nhóm đối tượng chính:

Nhóm 1: Các học viên cao học, nghiên cứu sinh và nhà khoa học chuyên ngành Thị giác máy tính và Trí tuệ nhân tạo. Luận văn cung cấp tài liệu tham khảo chuẩn mực về toán học mô-men trực giao, trích xuất đặc trưng hình dáng và quy trình tái tạo 3D từ ảnh 2D.

Nhóm 2: Các kỹ sư phát triển hệ thống giám sát an ninh và Smart City. Có thể trực tiếp kế thừa thuật toán để xây dựng giải pháp cảnh báo hành vi bất thường, phát hiện xâm nhập tại sân bay, nhà ga mà không cần nâng cấp hạ tầng camera hiện hữu.

Nhóm 3: Các doanh nghiệp công nghệ y tế và thể thao thông minh. Ứng dụng mô hình 19 khớp xương để phát hiện sớm nguy cơ té ngã ở người cao tuổi, theo dõi bệnh nhân phục hồi chức năng hoặc phân tích tư thế kỹ thuật của vận động viên.

Nhóm 4: Các chuyên viên phát triển game, hoạt hình 3D và tương tác người máy (HCI). Quy trình kết nối tự động giữa MakeHuman, Blender và định dạng tệp BVH là cẩm nang hữu ích để tạo lập dữ liệu chuyển động sinh học chi phí thấp.

Câu hỏi thường gặp

Phương pháp ước lượng tư thế 3D từ ảnh bóng 2D có ưu thế gì so với cảm biến Kinect? Cảm biến Kinect bị giới hạn khoảng cách dưới 4,5 mét, mất độ chính xác ngoài trời do nhiễu hồng ngoại và giá thành cao. Tiếp cận qua ảnh bóng 2D hoạt động hiệu quả trên camera an ninh thông thường ở cự ly hàng chục mét, giúp tiết kiệm 100% chi phí bổ sung phần cứng chiều sâu.

Tại sao mô-men Krawtchouk lại vượt trội hơn mô-men Zernike và Shape Context về khả năng kháng nhiễu? Mô-men Krawtchouk sử dụng đa thức gián đoạn trên lưới pixel rời rạc nên triệt tiêu hoàn toàn sai số xấp xỉ tích phân. Với việc phân vùng cơ thể (p1 = 0,5 kết hợp p2 = 0,1 và 0,95), mô-men tập trung mô tả cấu trúc xương chính, không bị biến dạng khi đường biên dính nhiễu Gauss 3 pixel như Shape Context.

Ngưỡng sai số tái chiếu 6 pixel được xác định dựa trên cơ sở khoa học nào? Thực nghiệm trên ảnh chuẩn 640 x 320 pixel cho thấy độ lệch 6 pixel tương ứng với sai số góc xoay dưới 2,5 độ tại các khớp nối. Mức chênh lệch này hoàn toàn nằm trong dung sai giải phẫu học của dáng người và không làm biến đổi bản chất tư thế không gian của đối tượng.

Nguyên nhân chính khiến hệ thống nhầm lẫn giữa hành động nhảy tiến và nhảy lò cò là gì? Cả hai hành động đều có chuỗi bóng nhị phân co cụm và bật cao tương đồng tại các khung hình giữa. Do thuật toán ban đầu chỉ phân loại dựa trên phép bỏ phiếu đa số theo từng khung hình riêng lẻ mà chưa gắn nhãn chuỗi thời gian, tính tương đồng tĩnh học dẫn đến tỷ lệ nhầm lẫn cục bộ.

Việc tạo dữ liệu mô phỏng qua MakeHuman và Blender mang lại lợi ích cụ thể nào? Quy trình mô phỏng cho phép thu xuất tức thì 20 ma trận tọa độ không gian 4 x 4 hoàn toàn chuẩn xác cho 19 khớp xương và góc quay camera. Phương pháp này loại bỏ hoàn toàn chi phí thuê diễn viên, thiết bị ghi hình đắt đỏ và rút ngắn thời gian tạo mẫu dữ liệu từ vài tháng xuống vài giờ.

Kết luận

Tổng kết lại, công trình nghiên cứu mang đến những đóng góp học thuật và giá trị ứng dụng thực tiễn nổi bật:

• Xây dựng thành công hệ thống ước lượng khung xương 3D gồm 19 điểm khớp động học từ ảnh bóng 2D đơn kênh với chi phí phần cứng tối thiểu.
• Xác lập cấu hình tối ưu của mô-men trực giao Krawtchouk bậc 24 (vector 48 chiều), đạt độ chính xác nhận dạng tư thế 99,17% trên tập dữ liệu người chưa học.
• Đạt hiệu năng phân loại hành động video thực tế với Precision 0,84, Recall 0,83 và F-score 83,49% trên cơ sở dữ liệu chuẩn Weizmann.
• Khẳng định tính khả thi và độ tin cậy vượt trội của nguồn dữ liệu chuyển động mô phỏng 3D trong việc huấn luyện các mô hình thị giác nhân tạo phức tạp.
• Định hình lộ trình nâng cấp hệ thống bám vết thời gian thực đa giả thiết, sẵn sàng chuyển giao cho các đề tài nghiên cứu tiến sĩ và ứng dụng an ninh đô thị trong giai đoạn 3 năm tới.

Các tổ chức, doanh nghiệp và nhà nghiên cứu quan tâm đến giải pháp phân tích hành vi thông minh có thể khai thác và ứng dụng ngay nền tảng thuật toán này để nâng tầm hệ thống giám sát an ninh tự động của mình.

Trích đoạn nội dung tài liệu

UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL ------------------- ATREVI Dieudonné Fabrice EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS CHIẾT XUẤT KHUNG XƯƠNG 3D TỪ ẢNH 2D CỦA CON NGƯỜI: NHẬN DẠNG TƯ THẾ VÀ MÔ HÌNH HOÁ HÀNH ĐỘNG MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE HANOI – 2015 LUAN VAN CHAT LUONG download : add [e-mail] UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL ------------------- ATREVI Dieudonné Fabrice EXTRACTION DE SQUELETTES 3D A PARTIR D'IMAGES DE SILHOUETTES HUMAINES : RECONNAISSANCE DE POSTURES ET MODELISATION D'ACTIONS CHIẾT XUẤT KHUNG XƯƠNG 3D TỪ ẢNH 2D CỦA CON NGƯỜI: NHẬN DẠNG TƯ THẾ VÀ MÔ HÌNH HOÁ HÀNH ĐỘNG Spécialité : Systèmes Intelligents et Multimédia Code : Programme pilote MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE Sous la direction de: Dr Damien VIVET, Maître de conférence Dr Florent DUCULTY, Maître de conférence Lu et validé, bon pour soutenance HANOI – 2015 LUAN VAN CHAT LUONG download : add [e-mail] Table des matières Table des matières i Remerciements iii Résumé iv Abstract v Liste des figures vi Liste des tableaux viii Introduction Générale 1 1 État de l’art 3 1.2 La capture de mouvement .3 L’estimation de pose et l’analyse de mouvement .4 Descripteurs de formes. 11 2 Méthodes et solutions proposées 12 2.2 Modélisation humaine 3D et extraction de données .3 Descripteurs de formes et extraction de caractéristiques. 24 3 Implémentation et Résultats 25 3.3 Résultats de la reconnaissance de postures .4 Résultats de la reconnaissance d’actions. 39 Conclusion Générale 40 Bibliographie 41 Annexes 44 i LUAN VAN CHAT LUONG download : add [e-mail] Je dédie ce document à ma famille et à mes camarades de l’IFI ii LUAN VAN CHAT LUONG download : add [e-mail] Remerciements La réalisation de ce document qui couronne la fin de notre formation de Master, n’aurait été possible sans l’appui direct ou indirect de personnes et d’institutions auxquelles nous tenons ici à exprimer nos sincères remerciements.

Il s’agit de : — L’Agence Universitaire de la Francophonie (AUF), pour nous avoir donné l’opportunité de poursuivre nos études de Master à l’IFI à travers une bourse. — L’Institut Francophone International (IFI) et de tous les professeurs, pour les nombreuses connaissances acquises durant notre formation. — Nos encadrants pour nous avoir accueillis au sein de leur équipe et pour leur suivi et implication personnelle dans la réalisation de nos travaux. — Tous ceux qui de près ou de loin nous ont apporté leur soutien durant notre formation.

iii LUAN VAN CHAT LUONG download : add [e-mail] Résumé 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.