Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Motion analysis by nonlinear feature extraction = Análisis de movimiento basado en técnicas de extracción no lineal de características

Valencia Aguirre, Juliana (2011) Motion analysis by nonlinear feature extraction = Análisis de movimiento basado en técnicas de extracción no lineal de características. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales.

Texto completo

[img]
Vista previa
PDF (Tesis - Parte 1) - Versión Enviada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

526kB
[img]
Vista previa
PDF (Tesis - Parte 2) - Versión Enviada
Available under License Creative Commons Attribution No Derivatives.

1MB
[img]
Vista previa
PDF (Tesis - Parte 3) - Versión Enviada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

9MB
[img]
Vista previa
PDF (Tesis - Parte 4) - Versión Enviada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

2MB
[img]
Vista previa
PDF (Tesis - parte 5) - Versión Enviada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

573kB
[img]
Vista previa
PDF (Tesis - Parte 6) - Versión Enviada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

51kB

Resumen

En este trabajo se realiza un análisis comparativo entre técnicas de extracción no lineal de características, con el fin de determinar cuál de ellas es la más apropiada para realizar análisis de movimiento a partir de secuencias de imágenes y video. Cada método fue evaluado experimentalmente en bases de datos artificiales y reales, las cuales permiten confirmar visual y cuantitativamente si las inmersiones fueron calculadas correctamente. Por otra parte, se propone una metodología para calcular un espacio de baja dimensión común para datos que provienen de variedades múltiples, lo cual es usual en aplicaciones de la vida real relacionadas con análisis de imágenes y vídeo. Dicha propuesta está basada en el algoritmo de extracción no lineal de características Laplacian Eigenmaps - LEM, y consiste en calcular las relaciones entre observaciones de diferentes conjuntos de datos a partir de una comparación con las relaciones entre los puntos que pertenecen a la misma variedad. La principal ventaja de la metodología propuesta es que permite encontrar un espacio de baja dimensión para datos heterogéneos, por ejemplo, vídeos que presenten diferente número de de frames y/o diferente resolución de entrada. Finalmente, se presenta una metodología para reconocimiento automático de acciones humanas a partir de secuencias de video, la cual esta basada en una novedosa técnica supervisada de extracción no lineal de características que incluye la información de clase en el proceso de reducción de dimensión, mejorando tanto la representación de los datos como el margen de separabilidad entre clases. La metodología propuesta tiene la capacidad de reconocer acciones humanas en una base de datos reconocida en el estado de arte, y es lo suficientemente rápida para ser utilizada en aplicaciones en línea / Abstract: In this work a comparative analysis of nonlinear feature extraction techniques is performed, in order to determine which method is suitable for motion analysis from image and video sequences. Each method is experimentally assessed on artificial and real-world data sets that allow us to visually and quantitatively confirm whether the embedding results were correctly calculated. Then, we propose a framework to find a low-dimensional embedding for data lying on multiple manifolds, which is a common situation in real-world applications such as video and image analysis. This approach is inspired on the Laplacian Eigenmaps - LEM algorithm, computing the relationships among samples of different datasets based on an intra manifold comparison to properly unfold the underlying data structure. The main advantage of this methodology is the possibility for analyzing videos with deferent conditions, e.g. different amount of frames and/or deferent image resolution. Finally, we present a methodology for automatic human action recognition, which is based on a new supervised feature extraction technique that includes class label information in the mapping process to enhance both the underlying data structure unfolding and the margin of separability among classes. The presented methodology shows the ability to recognize human actions on a benchmark database, and to be fast enough to be implemented in online applications.

Tipo de documento:Tesis/trabajos de grado - Thesis (Maestría)
Colaborador / Asesor:Castellanos Domínguez, César Germán
Palabras clave:Análisis de movimiento, Extracción no lineal de características, Procesamiento de imágenes, Reducción de dimensión, Reconocimiento de patrones, Motion analysis, Nonlinear feature extraction, Image Processing, Dimensionality Reduction, Image Processing, Pattern Recognition
Temática:0 Generalidades / Computer science, information & general works
6 Tecnología (ciencias aplicadas) / Technology > 62 Ingeniería y operaciones afines / Engineering
Unidad administrativa:Sede Manizales > Facultad de Ingeniería y Arquitectura > Departamento de Ingeniería Eléctrica, Electrónica y Computación
Código ID:5750
Enviado por : Biblioteca Digital Universidad Nacional de Colombia - Sede Manizales
Enviado el día :31 Enero 2012 21:17
Ultima modificación:11 Oct 2012 21:03
Ultima modificación:11 Oct 2012 21:03
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Registry of Open Access Repositories OpenDOAR Metabiblioteca BDCOL OAIster Red de repositorios latinoamericanos DSpace BASE Open archives La referencia Colombiae Open Access Theses and Dissertations Tesis latinoamericanas CLACSO
Este sitio web se ve mejor en Firefox