INVESTIGADOR(ES) PRINCIPAL(ES):

Jorge Luis Fernández Ramírez

0 horas

CODIGO CIE

E6-19-2

Andrés Marino Álvarez Meza

Tutor

0 Horas

TIPO DE CONVOCATORIA

2018. Estudiantes De Posgrado

TIPO DE PROYECTO

Investigación Aplicada

OBJETIVO(S)

Desarrollar un sistema prototipo de clasificación de videos utilizando técnicas de caracterización espacio-temporales locales y metodologías de representación basadas en métodos núcleo e inferencia Bayesiana, con el fin de resaltar patrones discriminantes que favorezcan la separabilidad entre clases.

RESUMEN

La vigilancia juega un papel muy importante en el mundo actual, donde la tasa de aumento de la población (1.2\% por año) ha conducido a que la cantidad de crímenes también aumente. La mayoría de estos crímenes se cometen en lugares donde la policía no puede acceder fácilmente, tales como: calles, callejones y zonas con alto tráfico de personas. Al ser el acceso una limitante, surge como una alternativa interesante el uso de cámaras de vigilancia fijas y móviles, que además, puedan ser utilizadas en situaciones peligrosas sin poner en riesgo la vida humana. Delitos como el hurto, secuestro y asesinato pueden ser resueltos fácilmente empleando cámaras en conjunto con visión por computador, al realizar tareas como detección de comportamiento anormal, reconocimiento de rostro, reconocimiento de armas, entre otros. En particular, para realizar detección de comportamiento anormal se requiere que además de afrontar las problemáticas asociadas a la tecnología de adquisición de los videos, se afronten los problemas inherentes a los escenarios reales, que típicamente introducen grandes variaciones intraclase, debido a oclusiones (datos incompletos) y a distintos comportamientos en la misma escena (datos atípicos). Aún más, se deben mitigar los efectos de alta dimensionalidad y baja resolución de los datos en video. En este proyecto se propone desarrollar un sistema prototipo de clasificación de videos, que permita identificar comportamientos anormales empleando cámaras de vigilancia. Se utilizará el esquema básico para reconocimiento de acciones humanas, el cual se compone de: (i) estimación de características, (ii) cuantización de características, y (iii) clasificación de comportamientos. Inicialmente, se estimarán características espacio-temporales basadas en trayectorias densas, que permiten codificar el comportamiento de las personas a través de la representación del movimiento de las mismas mediante descriptores locales. A continuación, y como aporte principal, se extenderá la fase de cuantización hacia una fase de representación de características que permita resaltar patrones discriminantes que favorezcan la separabilidad entre clases. Esta nueva fase se divide en tres partes: (1) submuestreo de características locales a partir de técnicas de conglomerados, (2) cuantización de características empleando modelos probabilísticos de inferencia Bayesiana, y (3) análisis de relevancia de características utilizando métodos núcleo (kernel). Finalmente, se empleará un esquema de clasificación basado en máquinas de vectores de soporte para estimar la membresía de los videos estudiados. Por último, es importante recalcar que la validación se llevará a cabo sobre bases de datos públicas orientadas a la clasificación de secuencias de video.

ESTADO

Concluye Satisfactoriamente

FECHA DE INICIO

28/01/2019

FECHA DE FINALIZACION

28/07/2020

PRODUCTOS

Infinite Gaussian Fisher Vector to support video-based Human Action Recognition

Ponencia en evento especializado

Video-based social behavior recognition based on kernel relevance analysis

Artículos en revista A1 ó A2

URL