Detecção de anomalias por medidas de divergência e decomposição de características de vídeo

• Processo: 15/13504-2
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Vigência (Início): 01 de fevereiro de 2016
• Vigência (Término): 31 de janeiro de 2017
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Moacir Antonelli Ponti
• Beneficiário: Moacir Antonelli Ponti
• Pesquisador Anfitrião: Teófilo Emidio de Campos
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Local de pesquisa: University of Surrey, Inglaterra
• Assunto(s): Anomalias Processamento de sinais de vídeo Reconhecimento de padrões Processamento de imagens Detecção
• Palavra(s)-Chave do Pesquisador: detecção de anomalias | Processamento de Vídeo | Reconhecimento de padrões visuais | Processamento de Sinais e Imagens

Resumo

A análise de sequências de vídeo por características tradicionalmente considera cada quadro como uma imagem estática, detecta-se pontos de interesse e aplica-se, nesses pontos, extratores de características aos quais um modelo temporal é aplicado para realizar a etapa de aprendizado. Há poucos estudos que utilizam toda a informação espacial e temporal disponível, ou seja, a informação espacial dentro de um único frame e a informação temporal de como as características variam no tempo. Além disso, pode-se explorar simultaneamente as características espaciais e temporais, detectando anomalias de domínio por meio da analise da divergência entre classificadores. Este projeto busca analisar características a partir da analise da divergência entre classificadores e da decomposição multidimensional da sequência de vídeo, o que possivelmente permitirá melhor detectar mudanças no comportamento do vídeo ao longo do tempo. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

PONTI, MOACIR; KITTLER, JOSEF; RIVA, MATEUS; DE CAMPOS, TEOFILO; ZOR, CEMRE. A decision cognizant Kullback-Leibler divergence. PATTERN RECOGNITION, v. 61, n. SI, p. 470-478, JAN 2017. (15/13504-2, 15/24652-2)

PONTI, MOACIR; BET, PATRICIA; OLIVEIRA, CAROLINE L.; CASTRO, PAULA C.. Better than counting seconds: Identifying fallers among healthy elderly using fusion of accelerometer features and dual-task Timed Up and Go. PLoS One, v. 12, n. 4, APR 27 2017. (13/07375-0, 15/09715-8, 15/13504-2, 16/10982-3, 14/21858-6)