- -

Captura de movimiento y reconocimiento de actividades para múltiples personas mediante un enfoque bayesiano

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Captura de movimiento y reconocimiento de actividades para múltiples personas mediante un enfoque bayesiano

Show simple item record

Files in this item

dc.contributor.author Marcos, A. es_ES
dc.contributor.author Pizarro, D. es_ES
dc.contributor.author Marrón, M. es_ES
dc.contributor.author Mazo, M. es_ES
dc.date.accessioned 2020-05-22T07:19:23Z
dc.date.available 2020-05-22T07:19:23Z
dc.date.issued 2013-04-07
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/144119
dc.description.abstract [ES] Se presenta un método general para la detección, de forma no invasiva, de la postura corporal de varias personas a partir de la información capturada por múltiples cámaras. Se sigue una filosofía basada en el entrenamiento previo de un modelo articulado y posterior seguimiento. La principal aportación es la posibilidad de detectar varias personas simultáneamente. Se utiliza un modelo articulado para definir las posturas que puede adoptar una persona. Mediante bases de datos de captura de movimiento se selecciona un conjunto de clases o actividades predefinidas. El entrenamiento reduce la complejidad del modelo articulado a partir de técnicas no lineales de reducción de dimensionalidad. Así, las diferentes actividades de una persona quedan definidas de manera compacta por un conjunto de valores de baja dimensionalidad. Posteriormente, un filtro de partículas mixto (estados discretos y continuos) es utilizado para detectar la postura y el tipo de movimiento simultáneamente. Las hipótesis resultantes, seleccionadas automáticamente a partir de la distribución de partículas, son refinadas usando un optimizador no lineal que hace uso de funciones ‘a priori’ del tipo de movimiento entrenado. La propuesta se ha evaluado con un método simple pero estándar, basado en la comparación de volúmenes cilíndricos articulados con volúmenes del cuerpo humano, extraidos automáticamente a partir de las imágenes. Se consigue una precisión cercana a trabajos del estado del arte que no tienen en cuenta a más de una persona y ofrece un marco de trabajo flexible para futuras investigaciones. es_ES
dc.description.abstract [EN] This work presents a general framework for tracking simultaneously the body posturas of multiple people from nonintrusive visual sensors. The method is based on a trainingthen-tracking philosophy, with the main addition of being able to handle more than just one person. We train the body postura from labelled motion capture datasets. The training process is based on popular non-linear dimensionality reduction techniques. Then, a mixed, discrete and continuous state particle filter is used to simultaneously detect the postura and the kind of motion performed by each of the human bodies. The resulting hypotheses, automatically selected from the particle distribution, are then refined using non-linear optimization methods with statistical priors. The whole framework is tested using a simple but standard method based on comparing articulated cylindrical models with SfS volumes, taken from several cameras. Our accuracy in public available datasets is near to the state-ofthe-art works that do not take into account multiple people in the problem. es_ES
dc.description.sponsorship Este trabajo ha sido parcialmente respaldado por el Ministerio de Ciencia e Innovacion Español bajo los proyectos VISNU (ref. TIN2009-08984) y SDTEAM-UAH (ref. TIN2008-06856-C05-05). es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation MICINN/TIN2009-08984, TIN2008-06856-C05-05 es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Computer vision es_ES
dc.subject Tracking applications es_ES
dc.subject Multidimensional systems es_ES
dc.subject Stereo vision es_ES
dc.subject Visión artificial es_ES
dc.subject Aplicaciones de seguimiento es_ES
dc.subject Sistemas multidimensionales es_ES
dc.subject Visión estéreo es_ES
dc.title Captura de movimiento y reconocimiento de actividades para múltiples personas mediante un enfoque bayesiano es_ES
dc.title.alternative A bayesian approach to markerless motion capture and activity recognition of multiple people es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.1016/j.riai.2013.03.007
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Marcos, A.; Pizarro, D.; Marrón, M.; Mazo, M. (2013). Captura de movimiento y reconocimiento de actividades para múltiples personas mediante un enfoque bayesiano. Revista Iberoamericana de Automática e Informática industrial. 10(2):170-177. https://doi.org/10.1016/j.riai.2013.03.007 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.1016/j.riai.2013.03.007 es_ES
dc.description.upvformatpinicio 170 es_ES
dc.description.upvformatpfin 177 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 10 es_ES
dc.description.issue 2 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\9540 es_ES
dc.contributor.funder Ministerio de Ciencia e Innovación es_ES


This item appears in the following Collection(s)

Show simple item record