Luận văn kết hợp thông tin không gian thời gian và áp dụng kĩ thuật chuyển hướng góc nhìn cho bài toán nhận dạng hành động con người sử dụng đa góc nhìn

Luận văn: Nhận dạng hành động người đa góc nhìn. Kết hợp thông tin không gian thời gian, kỹ thuật chuyển hướng góc nhìn nâng cao độ chính xác.

Chuyên ngành

Information System

Tác giả

Ẩn danh

Người đăng

Ẩn danh

Thể loại

Master of Science Thesis

2018

75
0
0

Phí lưu trữ

30 Point

Mục lục chi tiết

ACKNOWLEDGEMENT

TABLE OF CONTENT

LIST OF FIGURES

LIST OF TABLES

LIST OF ABBREVIATIONS AND DEFINITIONS OF TERMS

INTRODUCTION

1. HUMAN ACTION RECOGNITION APPROACHES

1.1. Baseline method: combination of multiple 21D views in the Rag-ol-Words model

2. CHAPTER 2.2 Combination of spatial/lemporal mfortalion and Bag-of-Words model

2.1. Combination of spatial information and Bag-ol-Words model (S-BoW)

2.2. Combination of temporal information and Bag-of-Words model (T-BoW)

2.3. View shilting technique

3. CHAPTER 3, EXPERIMENTS

3.1. Setup

3.2. Westem Virginia University Multi-view Action Recognition Dataset (WVU)

3.3. Northwestem-UCLA Multiview Action 3D (N-UCLA)

CONCLUSION & FUTURE WORK

REFERENCES

APPENDIX

Tóm tắt

I. Luận văn Tổng quan Nhận dạng Hành động Đa Góc nhìn 50 60 ký tự

Luận văn này tập trung vào bài toán nhận dạng hành động con người sử dụng đa góc nhìn, một lĩnh vực quan trọng trong thị giác máy tính. Việc nhận dạng chính xác và hiệu quả các hành động trong video có nhiều ứng dụng thực tiễn như an ninh, giám sát, y tế, và hỗ trợ người cao tuổi. Bài toán này trở nên phức tạp hơn khi dữ liệu được thu thập từ nhiều camera với các góc nhìn khác nhau, do sự thay đổi về hình dạng, kích thước và hướng của đối tượng. Luận văn này đề xuất một phương pháp kết hợp thông tin không gian thời giankỹ thuật chuyển hướng góc nhìn để cải thiện độ chính xác nhận dạng. Các phương pháp truyền thống thường gặp khó khăn trong việc xử lý sự biến đổi lớn về góc nhìn. Luận văn sử dụng Bag-of-Words (BoW) như một nền tảng cơ bản và cải tiến nó bằng cách tích hợp thông tin không gianthời gian, cũng như áp dụng kỹ thuật chuyển hướng góc nhìn để giảm thiểu sự khác biệt giữa các góc nhìn. Phương pháp này được đánh giá trên các bộ dữ liệu chuẩn như WVU Multi-view Action Recognition Dataset và N-UCLA Multi-view Actions 3D, cho thấy kết quả vượt trội so với các phương pháp trước đây. Theo [Tuan Dung LE, 2018], một trong những thách thức lớn nhất là làm sao để mô hình có thể khái quát hóa tốt trên các góc nhìn chưa từng thấy trong quá trình huấn luyện. Độ chính xác nhận dạng hành động là một thước đo quan trọng để đánh giá hiệu quả của các phương pháp. Luận văn này đặt mục tiêu cải thiện độ chính xáctính ổn định của hệ thống nhận dạng hành động trong môi trường đa góc nhìn. Ứng dụng của luận văn có thể được triển khai trong các hệ thống giám sát thông minh, nơi cần theo dõi và nhận dạng hành vi của con người từ nhiều nguồn video khác nhau.

1.1. Giới thiệu bài toán Nhận dạng Hành vi Đa Góc nhìn

Bài toán nhận dạng hành vi từ đa góc nhìn đặt ra nhiều thách thức. Các hành động có thể xuất hiện khác nhau tùy thuộc vào vị trí của camera. Do đó, cần có các phương pháp hiệu quả để trích xuất và biểu diễn các đặc trưng hành động một cách bất biến với góc nhìn. Các phương pháp học sâu như mạng nơ-ron tích chập (CNN)mạng nơ-ron hồi quy (RNN) đã được áp dụng rộng rãi trong lĩnh vực này, nhưng vẫn còn nhiều vấn đề cần giải quyết, đặc biệt là khi đối mặt với dữ liệu không gian thời gian phức tạp và sự thay đổi lớn về góc nhìn. Việc kết hợp dữ liệu cảm biến cũng là một hướng đi tiềm năng để cải thiện độ tin cậy của hệ thống. Tuy nhiên, cần chú ý đến việc xử lý dữ liệu đa phương tiện một cách hiệu quả và đảm bảo tính khả mở rộng của hệ thống.

1.2. Ứng dụng thực tiễn của Nhận dạng Hành động Con người

Ứng dụng nhận dạng hành động rất đa dạng, từ an ninhgiám sát đến y tếhỗ trợ người cao tuổi. Trong lĩnh vực an ninh, hệ thống có thể phát hiện các hành vi bất thường như xâm nhập trái phép hoặc tấn công. Trong lĩnh vực y tế, hệ thống có thể theo dõi bệnh nhân và phát hiện các dấu hiệu nguy hiểm như ngã hoặc co giật. Trong hỗ trợ người cao tuổi, hệ thống có thể giúp người thân và nhân viên y tế theo dõi sức khỏe và an toàn của người lớn tuổi. Ngoài ra, phân tích video hành động có thể được sử dụng trong các ứng dụng khác như robot tự động, trò chơi thực tế ảo, và phân tích nội dung video.

II. Vấn đề Sai số Nhận dạng Hành vi từ Nhiều Góc nhìn 55 ký tự

Một trong những vấn đề lớn nhất trong nhận dạng hành động con người từ đa góc nhìn là sự biến đổi về hình dạng và kích thước của đối tượng khi quan sát từ các góc nhìn khác nhau. Điều này dẫn đến sai số trong quá trình trích xuất đặc trưng và phân loại hành động. Các phương pháp truyền thống thường dựa trên các đặc trưng cục bộ, có thể không đủ mạnh mẽ để xử lý sự biến đổi lớn về góc nhìn. Hơn nữa, việc xử lý dữ liệu không gian thời gian phức tạp cũng là một thách thức lớn. Các hành động thường diễn ra trong một khoảng thời gian nhất định và có sự tương quan giữa các khung hình liên tiếp. Việc bỏ qua thông tin này có thể dẫn đến giảm độ chính xác của hệ thống. Theo [nghiên cứu khác], các phương pháp dựa trên học sâu có thể học được các biểu diễn đặc trưng mạnh mẽ hơn, nhưng chúng đòi hỏi lượng dữ liệu lớn và có thể gặp khó khăn trong việc khái quát hóa trên các góc nhìn chưa từng thấy. Do đó, cần có các phương pháp hiệu quả để kết hợp thông tin không gianthời gian, cũng như giảm thiểu sự khác biệt giữa các góc nhìn. Độ tin cậy của hệ thống là một yếu tố quan trọng, đặc biệt là trong các ứng dụng nhạy cảm như an ninhy tế. Việc giảm độ trễ cũng là một yêu cầu quan trọng trong các ứng dụng thời gian thực.

2.1. Ảnh hưởng của Góc nhìn đến Độ chính xác Nhận dạng

Góc nhìn có ảnh hưởng lớn đến độ chính xác của hệ thống nhận dạng hành động. Một hành động có thể xuất hiện rất khác nhau khi quan sát từ các góc nhìn khác nhau. Ví dụ, một người vẫy tay có thể xuất hiện như một đường thẳng khi quan sát từ phía sau. Do đó, cần có các phương pháp hiệu quả để xử lý sự biến đổi về góc nhìn. Kỹ thuật chuyển hướng góc nhìn là một hướng đi tiềm năng để giải quyết vấn đề này. Kỹ thuật này giúp chuyển đổi các góc nhìn khác nhau về một góc nhìn chuẩn, từ đó giảm thiểu sự khác biệt giữa các góc nhìn và cải thiện độ chính xác của hệ thống.

2.2. Hạn chế của Phương pháp truyền thống trong Nhận dạng Đa góc

Các phương pháp truyền thống thường dựa trên các đặc trưng cục bộ, có thể không đủ mạnh mẽ để xử lý sự biến đổi lớn về góc nhìn. Ví dụ, các đặc trưng như HOGHOF có thể bị ảnh hưởng bởi sự thay đổi về hướng và kích thước của đối tượng. Hơn nữa, các phương pháp truyền thống thường bỏ qua thông tin không gian thời gian, dẫn đến giảm độ chính xác của hệ thống. Các phương pháp học sâu như CNNRNN có thể học được các biểu diễn đặc trưng mạnh mẽ hơn, nhưng chúng đòi hỏi lượng dữ liệu lớn và có thể gặp khó khăn trong việc khái quát hóa trên các góc nhìn chưa từng thấy. Việc kết hợp dữ liệu đa phương tiệnphân tích ngữ cảnh là những hướng đi tiềm năng, nhưng vẫn còn nhiều thách thức cần vượt qua.

III. Phương pháp Chuyển hướng Góc nhìn BoW 50 60 ký tự

Luận văn đề xuất một phương pháp kết hợp kỹ thuật chuyển hướng góc nhìnBag-of-Words (BoW) để cải thiện độ chính xác nhận dạng hành động trong môi trường đa góc nhìn. Kỹ thuật chuyển hướng góc nhìn được sử dụng để chuyển đổi các góc nhìn khác nhau về một góc nhìn chuẩn, từ đó giảm thiểu sự khác biệt giữa các góc nhìn. BoW được sử dụng để biểu diễn các đặc trưng hành động. Phương pháp này bao gồm các bước sau: (1) Trích xuất đặc trưng từ video đầu vào. (2) Áp dụng kỹ thuật chuyển hướng góc nhìn để chuyển đổi các góc nhìn khác nhau về một góc nhìn chuẩn. (3) Sử dụng BoW để biểu diễn các đặc trưng hành động. (4) Huấn luyện một bộ phân loại để nhận dạng hành động. Phương pháp này được đánh giá trên các bộ dữ liệu chuẩn như WVU Multi-view Action Recognition Dataset và N-UCLA Multi-view Actions 3D, cho thấy kết quả vượt trội so với các phương pháp trước đây. Cải thiện hiệu suất là một mục tiêu quan trọng của nghiên cứu. Theo [LE, 2018], việc kết hợp thông tin không gian thời giankỹ thuật chuyển hướng góc nhìn giúp giảm thiểu sai số và cải thiện độ chính xác của hệ thống.

3.1. Ứng dụng Kỹ thuật Chuyển hướng Góc nhìn trong Nhận dạng

Kỹ thuật chuyển hướng góc nhìn đóng vai trò quan trọng trong việc giảm thiểu sự khác biệt giữa các góc nhìn khác nhau. Kỹ thuật này giúp chuyển đổi các góc nhìn khác nhau về một góc nhìn chuẩn, từ đó tạo ra một biểu diễn đặc trưng bất biến với góc nhìn. Có nhiều phương pháp khác nhau để thực hiện chuyển hướng góc nhìn, bao gồm các phương pháp dựa trên hình học và các phương pháp dựa trên học máy. Phương pháp dựa trên hình học sử dụng các thông tin về vị trí và hướng của camera để chuyển đổi các góc nhìn. Phương pháp dựa trên học máy sử dụng các mô hình học máy để học cách chuyển đổi các góc nhìn. Trong luận văn này, phương pháp chuyển hướng góc nhìn cụ thể nào được sử dụng cần được chỉ rõ trong nội dung luận văn.

3.2. Cải tiến Mô hình Bag of Words cho Nhận dạng Hành động

Bag-of-Words (BoW) là một mô hình đơn giản nhưng hiệu quả để biểu diễn các đặc trưng hành động. Trong mô hình BoW, một video được biểu diễn như một tập hợp các từ (visual words). Các từ này được tạo ra bằng cách gom nhóm các đặc trưng cục bộ tương tự lại với nhau. Tuy nhiên, mô hình BoW có một số hạn chế, bao gồm việc bỏ qua thông tin không gian thời gian. Để khắc phục những hạn chế này, luận văn này đề xuất các cải tiến cho mô hình BoW, chẳng hạn như tích hợp thông tin không gian bằng cách chia video thành các vùng không gian và tích hợp thông tin thời gian bằng cách sử dụng các đặc trưng không gian thời gian. Các thuật toán như Spatio-temporal Interest Point (SIP) có thể được dùng để phát hiện các điểm quan trọng trong không gian và thời gian.

IV. Thử nghiệm Đánh giá trên WVU và N UCLA 50 60 ký tự

Phương pháp đề xuất được đánh giá trên hai bộ dữ liệu chuẩn: WVU Multi-view Action Recognition Dataset và N-UCLA Multi-view Actions 3D. WVU chứa 12 hành động, trong khi N-UCLA chứa 10 hành động 3D. Các thử nghiệm được thực hiện để so sánh hiệu suất của phương pháp đề xuất với các phương pháp trước đây. Kết quả cho thấy phương pháp đề xuất vượt trội so với các phương pháp trước đây về độ chính xác nhận dạng hành động. Cụ thể, phương pháp đề xuất đạt được độ chính xác cao hơn trên cả hai bộ dữ liệu. Sự cải thiện về độ chính xác là đáng kể, cho thấy hiệu quả của việc kết hợp kỹ thuật chuyển hướng góc nhìnBoW. Các ma trận nhầm lẫn (confusion matrices) cũng được sử dụng để phân tích các loại hành động dễ bị nhầm lẫn. Kết quả cho thấy phương pháp đề xuất giảm thiểu đáng kể số lượng sai sót trong quá trình phân loại. So sánh hiệu năng với các phương pháp khác trên WVU datasetN-UCLA dataset cho thấy ưu thế vượt trội của phương pháp. Việc sử dụng các bộ dữ liệu chuẩn giúp đảm bảo tính khách quan và khả năng so sánh của kết quả nghiên cứu.

4.1. Chi tiết Thiết lập Thử nghiệm Nhận dạng Hành vi Đa góc

Các thử nghiệm được thiết lập một cách cẩn thận để đảm bảo tính công bằng và khách quan. Các tham số của các thuật toán được điều chỉnh để đạt được hiệu suất tốt nhất. Các phép đo độ chính xác được tính toán bằng cách sử dụng phương pháp kiểm tra chéo (cross-validation). Các ma trận nhầm lẫn (confusion matrices) được sử dụng để phân tích các loại hành động dễ bị nhầm lẫn. Cần có sự mô tả chi tiết về cách chia bộ dữ liệu thành các tập huấn luyện và tập kiểm tra, cũng như các thông số của mô hình BoW, chẳng hạn như kích thước từ điển (codebook size). Việc trình bày chi tiết các bước tiền xử lý dữ liệu cũng quan trọng để đảm bảo tính tái lập của nghiên cứu.

4.2. Phân tích Kết quả Thử nghiệm Độ chính xác và So sánh

Kết quả thử nghiệm cho thấy phương pháp đề xuất vượt trội so với các phương pháp trước đây về độ chính xác nhận dạng hành động. Phân tích sâu hơn cho thấy rằng kỹ thuật chuyển hướng góc nhìn giúp giảm thiểu đáng kể ảnh hưởng của góc nhìn đến độ chính xác của hệ thống. So sánh với các phương pháp học sâu khác cho thấy rằng phương pháp đề xuất có thể đạt được hiệu suất tương đương hoặc tốt hơn với ít dữ liệu huấn luyện hơn. Tuy nhiên, cần lưu ý rằng hiệu suất của các phương pháp học sâu có thể cải thiện đáng kể khi có đủ dữ liệu huấn luyện. Cải thiện hiệu suất so với các phương pháp trước đây thể hiện tính hiệu quả của phương pháp tiếp cận mới.

V. Kết luận Tiềm năng Hướng phát triển Nhận dạng 50 60 ký tự

Luận văn này đã trình bày một phương pháp hiệu quả để nhận dạng hành động con người trong môi trường đa góc nhìn. Phương pháp đề xuất kết hợp kỹ thuật chuyển hướng góc nhìnBoW để cải thiện độ chính xáctính ổn định của hệ thống. Kết quả thử nghiệm trên các bộ dữ liệu chuẩn cho thấy phương pháp đề xuất vượt trội so với các phương pháp trước đây. Hướng phát triển trong tương lai có thể tập trung vào việc sử dụng các phương pháp học sâu để học các biểu diễn đặc trưng mạnh mẽ hơn và tích hợp thông tin ngữ cảnh để cải thiện độ tin cậy của hệ thống. Việc mở rộng phương pháp để xử lý các hành động phức tạp hơn và các môi trường thực tế phức tạp hơn cũng là một hướng đi tiềm năng. Tích hợp dữ liệu đa phương tiện từ nhiều nguồn khác nhau, chẳng hạn như dữ liệu cảm biếndữ liệu âm thanh, có thể cung cấp thông tin bổ sung và cải thiện độ chính xác của hệ thống. Nghiên cứu này mở ra nhiều hướng đi mới trong lĩnh vực nhận dạng hành động và có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau.

5.1. Tóm tắt đóng góp và Ưu điểm của Phương pháp Nghiên cứu

Đóng góp chính của luận văn là việc đề xuất một phương pháp mới kết hợp kỹ thuật chuyển hướng góc nhìnBoW để cải thiện độ chính xác nhận dạng hành động trong môi trường đa góc nhìn. Ưu điểm của phương pháp này là đơn giản, hiệu quả và có thể dễ dàng tích hợp với các phương pháp khác. Phương pháp này cũng có khả năng khái quát hóa tốt trên các góc nhìn chưa từng thấy trong quá trình huấn luyện. Ngoài ra, phương pháp này có thể được áp dụng cho nhiều loại hành động khác nhau. Việc đưa ra một phương pháp tiếp cận mới giúp giải quyết vấn đề hiện có, tạo ra một bước tiến trong lĩnh vực nghiên cứu.

5.2. Hướng Nghiên cứu Tiếp theo Học sâu và Ứng dụng Thực tế

Hướng nghiên cứu tiếp theo có thể tập trung vào việc sử dụng các phương pháp học sâu để học các biểu diễn đặc trưng mạnh mẽ hơn và tích hợp thông tin ngữ cảnh để cải thiện độ tin cậy của hệ thống. Việc mở rộng phương pháp để xử lý các hành động phức tạp hơn và các môi trường thực tế phức tạp hơn cũng là một hướng đi tiềm năng. Ứng dụng thực tế của nghiên cứu có thể bao gồm các hệ thống giám sát thông minh, các hệ thống hỗ trợ người cao tuổi và các ứng dụng tương tác người máy.

Tóm tắt và mô tả trên trang này được tạo với sự hỗ trợ của AI. Nếu bạn thấy nội dung không chính xác hoặc có vấn đề, vui lòng Báo lỗi nội dung.

11/09/2025
Luận văn kết hợp thông tin không gian thời gian và áp dụng kĩ thuật chuyển hướng góc nhìn cho bài toán nhận dạng hành động con người sử dụng đa góc nhìn

Trích đoạn nội dung tài liệu

MINISTRY OF EDUCATION AND TRAINING HANOI UNIVERSITY OF SCIENCE AND TECHNOLOGY TT ĐNqNV“1L Tuan Dung LE NIL DNQIIL ONOQILL II IMPROVING MULTI-VIEW ITUMAN ACTION RECOGNITION WITII SPATIAL-TEMPORAL POOLING AND VIEW SIIFTING TECIINIQUES MASTER OF SCIENCE THESIS IN INFORMATION SYSTEM 8102-2102 Hanoi 2018 MINISTRY OF EDUCATION AND TRAINING HANOT UNIVERSITY OF SCIENCE AND TECHNOLOGY Tuan Dung LE IMPROVING MULTI-VIEW HUMAN ACTION RECOGNITION WITH SPATIAL-TEMPORAL POOLING AND VIEW SHIFTING TECHNIQUES Speciality: Information System MASTER OF SCIENCE THESIS IN INFORMATION SYSTEM SUPERVISOR 1. Thi Oanh NGUYEN Hanoi 2015 Master aavieni: Tuan Bung LB - CBCI7016 Page 2 ACKNOWLEDGEMENT First of all, I sincerely thank the teachers in the School of Information and Communication Technology as well as all the teachers at the Hanoi University of Technology has taught me the knowledge and valuable experience during the pasl 5 years 1 would like to thank the two supervisors, Dr. Nguyen ‘Thi Oanh - lecturer in Tnformation Systems and = Commmumication, Tustitule of Tnformation and Communication Technology, Hanoi University of Technology and Dr. Tran Thi Thanh Hai, MICA Research Tnslilute has guided me Lo complets this master thesis.

T have learned a lot. from them, nol only the knowledge of the field of computer vision but alsa working and studying skills such as writing papers, preparing slides and presenting to the crowd Finally, T would like (o send ay thanks to my lamily, friends and people who have always supported me in the process of studying and researching this thesis Hanoi, March 2018 Master student ‘Tuan Dung LE Master steedend: Tuan Bung LB - CBCI7016 Page 3 Fipurc 3. 9 IIlustration of view shifting on N-UCLA dataset.đT Master aavieni: Tuan Bung LB - CBCI7016 Page 7 LIST OF ABBREVIATIONS AND DEFINITIONS OF TERMS Index | Abbreviation Full name 1 MHI ‘Motion History Image 2 MEI Motion Energy Image 3 LMEL Localized Motion Energy Image 4 SIP Spatio-lemporal Interest Point 5 SSM Self-Similarities Matrix 6 HOG Histogram of Oriented Gradient 7 HOF Hislogram of Optical Flow 8 TNMAS INRIA Xmas Acquisition Sequences 9 BoW Bag-ol-Words 10 ROIs Region of Interest Master steedend: Tuan Bung LB - CBCI7016 Page 9 LIST OF FIGURES Figure 1. | a) human body in frame, b) binary silhouttes, c) 3D Human Pose (visual hull), d} motion history volume, e) Motion Context, f) Gaussian blob human body model, g) cylindrical/cHipsoid human body model |1|.

2 Construct HOG-HOF descriptive vector bassd ơn SSM matrix[6]. 3 a) Original video of walking action with viewpoints 0° and 45°, their volumes and silhouettes, b) epipolar geometry in case of extracted actor body silhouettes, o) epipolar geometry in case of dynamic scene with dynamic actor and static background without extracting silhơuettes[9]. 4 MHI (middle row) and MEI (lagt rơø) templats [ISI. 5 Lustration of spatio-temporal interest point detected in a people clapping’s video [16].

6 Three ways lo combine multiple 2D views information in the BoW model ũM. | Proposed framework 24 Figure2. 2 Dividing space domain based on bounding box and eentroid 26 Figure 2. 3 lllustration of T-BoW modeL.

4 Illustration of view shifting in testing phase. t Tlustralion of 12 action classes im the WVU Multi-view actions dalasel - - 31 Figure 3. 2 Cameras setup for capturing WVU dataset - 31 Figure 3. 3 Ilustration of 10 action classes in the N-UCLA Multi-view Actions 3D -- TA.

4 Cameras1 setup for capturing | N-UCLA dataset. 5 IHustration of confusion natrix. 6 Confusion matrix: a) Basic BoW mods! with codebook D3 accuracy 70,83%; b) $-BoW model with 4 spatial parts codebook D3, accuracy 82,41%. 7 Confusion matrices: a) S-BoW model with 6 spatial parts, codebook D3, accuracy 78,24%; b) S-BoW model with 6 spatial parts and view shifting, codebook D3, accuracy 96,6790.

vcsessssssenssnssisseeeseesieeteetsoeetentn sn BB Figure 3. 8 Confusion matrices: a) Basic BOW model, codebook D3, accuracy 59,57%; b) S-BoW mofel with6 spatial parts, codebook 13, accuracy 63,40%.41 Master steedend: Tuan Bung LB - CBCI7016 Page 6 LIST OF TABLES ‘Table 3. 1 Accuracy (%) of basic BoW model on WVL datasel.36 Table 3 2 Accuracy (%) of T-BoW model on WVU dataset 36 Table 3. 3 Accuracy (%) of S-BoW model on WVU dalasel 38 ‘Table 3.

4 Accuracy (%) of 8-BoW model with (w) and without (w/o) view shifting, technique on WVU dataset. 5 Comparison wHhi olters metbiods on WVU DataseL. 6 Accuracy (%) of basic model on N-UCLA dataset.7 Accuracy (%) of T-BoW model on N-UCLA dataset 40 Table 3. 8 Accuracy (%) of the combination of S-BoW model and view shifting on N-UCLA dataset.

seer AL Table 3. 9 Accuracy (%) of 5-BoW model with (w) and without (w/o) view shifting technique on N-UCLA dataset. eeesieeesssieeeiseenicaeriensieane AZ, Master steedend: Tuan Bung LB - CBCI7016 Page 8 TABLE OF CONTENT ACKNOWLEDGEMENT. 3 ‘TABLE OF CONTEN' 4 LIST OF FIGURULS.

6 LIST OF TAILIES. kheierireooiỂ LIST OF ABBREVIATIONS AND DEFINITIONS OF TERMS. HUMAN ACTION RECOGNITION APPROACHES .2 Baseline method: combination of multiple 21D views in the Rag-ol-Words model - - - 20 CHAPTER 2.2 Combination of spatial/lemporal mfortalion and Bag-of-Words model 25 2.1 Combination of spatial information and Bag-ol-Words model (S-BoW).2 Combination of temporal information and Bag-of-Words model (T-BoW) 26 2.3 View shilting technique - - 27 CHAPTER 3, EXPERIMENTS.2 Setup XE rrrrerierariierrrrrererearo.1 Westem Virginia University Multi-view Action Recognition Dataset (WVU).2 Northwestem-UCLA Multiview Action 3D (N-UCLA). cseesscesseseessessteesitesinesinstesomvstestinssies eet BS 3.

- - - - 40 CONCLUSION & FUTURE WORK - - 43 REFERENCES. - 44 Master aavieni: Tuan Bung LB - CBCI7016 Page 4 LIST OF ABBREVIATIONS AND DEFINITIONS OF TERMS Index | Abbreviation Full name 1 MHI ‘Motion History Image 2 MEI Motion Energy Image 3 LMEL Localized Motion Energy Image 4 SIP Spatio-lemporal Interest Point 5 SSM Self-Similarities Matrix 6 HOG Histogram of Oriented Gradient 7 HOF Hislogram of Optical Flow 8 TNMAS INRIA Xmas Acquisition Sequences 9 BoW Bag-ol-Words 10 ROIs Region of Interest Master steedend: Tuan Bung LB - CBCI7016 Page 9 LIST OF TABLES ‘Table 3. 1 Accuracy (%) of basic BoW model on WVL datasel.36 Table 3 2 Accuracy (%) of T-BoW model on WVU dataset 36 Table 3. 3 Accuracy (%) of S-BoW model on WVU dalasel 38 ‘Table 3.

4 Accuracy (%) of 8-BoW model with (w) and without (w/o) view shifting, technique on WVU dataset. 5 Comparison wHhi olters metbiods on WVU DataseL. 6 Accuracy (%) of basic model on N-UCLA dataset.7 Accuracy (%) of T-BoW model on N-UCLA dataset 40 Table 3. 8 Accuracy (%) of the combination of S-BoW model and view shifting on N-UCLA dataset.

seer AL Table 3. 9 Accuracy (%) of 5-BoW model with (w) and without (w/o) view shifting technique on N-UCLA dataset. eeesieeesssieeeiseenicaeriensieane AZ, Master steedend: Tuan Bung LB - CBCI7016 Page 8 Fipurc 3. 9 IIlustration of view shifting on N-UCLA dataset.đT Master aavieni: Tuan Bung LB - CBCI7016 Page 7 LIST OF FIGURES Figure 1.

| a) human body in frame, b) binary silhouttes, c) 3D Human Pose (visual hull), d} motion history volume, e) Motion Context, f) Gaussian blob human body model, g) cylindrical/cHipsoid human body model |1|. 2 Construct HOG-HOF descriptive vector bassd ơn SSM matrix[6]. 3 a) Original video of walking action with viewpoints 0° and 45°, their volumes and silhouettes, b) epipolar geometry in case of extracted actor body silhouettes, o) epipolar geometry in case of dynamic scene with dynamic actor and static background without extracting silhơuettes[9]. 4 MHI (middle row) and MEI (lagt rơø) templats [ISI.

5 Lustration of spatio-temporal interest point detected in a people clapping’s video [16]. 6 Three ways lo combine multiple 2D views information in the BoW model ũM. | Proposed framework 24 Figure2. 2 Dividing space domain based on bounding box and eentroid 26 Figure 2.

3 lllustration of T-BoW modeL. 4 Illustration of view shifting in testing phase. t Tlustralion of 12 action classes im the WVU Multi-view actions dalasel - - 31 Figure 3. 2 Cameras setup for capturing WVU dataset - 31 Figure 3.

3 Ilustration of 10 action classes in the N-UCLA Multi-view Actions 3D -- TA. 4 Cameras1 setup for capturing | N-UCLA dataset. 5 IHustration of confusion natrix. 6 Confusion matrix: a) Basic BoW mods! with codebook D3 accuracy 70,83%; b) $-BoW model with 4 spatial parts codebook D3, accuracy 82,41%.

7 Confusion matrices: a) S-BoW model with 6 spatial parts, codebook D3, accuracy 78,24%; b) S-BoW model with 6 spatial parts and view shifting, codebook D3, accuracy 96,6790. vcsessssssenssnssisseeeseesieeteetsoeetentn sn BB Figure 3. 8 Confusion matrices: a) Basic BOW model, codebook D3, accuracy 59,57%; b) S-BoW mofel with6 spatial parts, codebook 13, accuracy 63,40%.41 Master steedend: Tuan Bung LB - CBCI7016 Page 6 Fipurc 3. 9 IIlustration of view shifting on N-UCLA dataset.đT Master aavieni: Tuan Bung LB - CBCI7016 Page 7 LIST OF FIGURES Figure 1.

| a) human body in frame, b) binary silhouttes, c) 3D Human Pose (visual hull), d} motion history volume, e) Motion Context, f) Gaussian blob human body model, g) cylindrical/cHipsoid human body model |1|. 2 Construct HOG-HOF descriptive vector bassd ơn SSM matrix[6]. 3 a) Original video of walking action with viewpoints 0° and 45°, their volumes and silhouettes, b) epipolar geometry in case of extracted actor body silhouettes, o) epipolar geometry in case of dynamic scene with dynamic actor and static background without extracting silhơuettes[9]. 4 MHI (middle row) and MEI (lagt rơø) templats [ISI.

5 Lustration of spatio-temporal interest point detected in a people clapping’s video [16]. 6 Three ways lo combine multiple 2D views information in the BoW model ũM. | Proposed framework 24 Figure2. 2 Dividing space domain based on bounding box and eentroid 26 Figure 2.

3 lllustration of T-BoW modeL. 4 Illustration of view shifting in testing phase. t Tlustralion of 12 action classes im the WVU Multi-view actions dalasel - - 31 Figure 3. 2 Cameras setup for capturing WVU dataset - 31 Figure 3.

3 Ilustration of 10 action classes in the N-UCLA Multi-view Actions 3D -- TA. 4 Cameras1 setup for capturing | N-UCLA dataset. 5 IHustration of confusion natrix. 6 Confusion matrix: a) Basic BoW mods! with codebook D3 accuracy 70,83%; b) $-BoW model with 4 spatial parts codebook D3, accuracy 82,41%.

7 Confusion matrices: a) S-BoW model with 6 spatial parts, codebook D3, accuracy 78,24%; b) S-BoW model with 6 spatial parts and view shifting, codebook D3, accuracy 96,6790. vcsessssssenssnssisseeeseesieeteetsoeetentn sn BB Figure 3. 8 Confusion matrices: a) Basic BOW model, codebook D3, accuracy 59,57%; b) S-BoW mofel with6 spatial parts, codebook 13, accuracy 63,40%.41 Master steedend: Tuan Bung LB - CBCI7016 Page 6 APPENDIX 1. Master steedend: Tuan Bung LB - CBCI7016 Page 5 INTRODUCTION In the growing social scene from the 3.0 era (automation of information technology and electronic production) to the new 4.0 (a new convergence of technologies such as the Internet ‘Things - Intemet, collaboration robots, 31) printing and cloud computing, and the emergence of new business models), automatically collecting and processing information by the compuler is very necessary.

This leads to highor demands on the interaction between humans and machines both in precision and speed. Thus, the problems of object recognition, motion recognition, speech yTecogmition. are now allracling a lot of interest of scientists and comparies around the world. Nowadays, video data is easily generated by devices such as digital cameras, laptops, mobile phones, and video-sharing websites.

Human action yeeogtition in the video, contributing to the automtaled exploitation of the resources of this rich data source. Applications related to human action recognition problems such as: Security and traditional monitoring systems include networks of cameras and are monitored by humans. With the increase in the number of cameras as well as these systems being deployed in multiple locations, the supervisor's efficiency and accuracy issues are required ta cover the entire system. The task of computer vision is to find a solution that can replace or assist the supervisor.

Aulomatic recognition of abmormalilics from surveillance systems is a matter that attracts a lot of research.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ