Modelo de Representación de N-Gramas visuales para la Clasificación de Acciones Humanas en Vídeos

Abstract

El reconocimiento de acciones humanas en video es un area del conocimiento muy activa dentro del campo de investigaci on de la visi on por computadora. Muchos de los esfuerzos actuales se centran en el desarrollo de m etodos de representaci on de caracter sticas, con mayor poder discriminatorio entre las clases, para aumentar los valores de e cacia de la clasi caci on. A pesar de los buenos resultados de los trabajos que utilizan las representaciones locales, estas presentan algunas limitantes asociadas sobre todo a la alta dimensionalidad de los descriptores obtenidos y la p erdida de las relaciones espacio-temporales y sem anticas de los puntos de inter es. El objetivo de la presente investigaci on consiste en desarrollar un modelo de representaci on de la informaci on visual, que tenga en cuenta las relaciones espacio-temporales y sem anticas de las caracter sticas locales y permita la selecci on de las caracter sticas con mayor poder discriminatorio entre las clases; de manera que se obtengan resultados de e cacia superiores a los reportados en la actualidad. La soluci on propuesta combina el poder estructural de los grafos y la capacidad discriminativa de los vocabularios visuales, de conjunto a t ecnicas de selecci on de caracter sticas, para la generaci on de vocabularios de n-gramas visuales. La validaci on fue hecha mediante el uso de bases de datos internacionales y m etricas est andar para estos nes.