Observer et Modélisation de l'activité humaine

Doctorant: 
Nachwa ABOUBAKR
Date de soutenance: 
12 Jun 2020
co-encadrants: 
Nom: 
James CROWLEY
Laboratoire de rattachement: 
INRIA/LIG
Nom: 
Remi RONFARD
Laboratoire de rattachement: 
LJK
Résumé: 

Nous proposons d'étudier les méthodes semi-supervisées ou non pour découvrir les routines quotidiennes de leur observation à long terme du comportement visuel. Notre méthode combine une représentation du comportement visuel qui code l'action temporelle-spatiale avec usercustomization. Nous proposons en outre des paramètres différents pour coder le temps, la durée de l'action pour leur utilisation dans le modèle de classification des activités. Notre méthode sera évaluée sur un ensemble de données à long terme roman enregistré qui contient des enregistrements quotidiens de comportement visuel naturel dans l'environnement de la maison. Nous montrons la capacité de notre méthode pour découvrir toutes les activités avec la performance compétitive avec celle des méthodes de surveillance publiées antérieurement. Nous serons en mesure d'enregistrer les routines quotidiennes à long terme dans l'appartement intelligent Amiqual4Home avec un réseau de caméras et de capteurs embarqués. Cette base de données sera annotée à une vérité au sol et utilisé pour évaluer la méthode proposée. Jusqu'à présent, cependant, on ne sait pas combien d'informations sur les routines quotidiennes est contenue dans le comportement visuel humain à long terme, comment cette information peut être extraite, codé, et modélisé de manière efficace, et comment elle peut être utilisée pour la découverte sans surveillance des activités humaines. Le but de ce travail est de mettre les lumières sur ces questions. Nous présenterons en outre une approche de l'activité non supervisée découverte qui combine une représentation de comportement visuel statistique et / ou structurel avec le modèle sans surveillance.