Reconhecimento de Ações Humanas em Vídeos

• Processo: 17/09160-1
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de agosto de 2017
• Data de Término da vigência: 29 de fevereiro de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Pesquisador responsável: Hélio Pedrini
• Beneficiário: Helena de Almeida Maia
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?, AP.TEM
• Assunto(s): Aprendizado computacional Atividades humanas
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Aprendizado profundo | Atividades humanas | reconhecimento de ações | Sequencias de videos | Processamento Gráfico

Resumo

O objetivo deste documento é apresentar a proposta de tese de doutorado para detecção e identificação de ações humanas em sequências de vídeo baseadas na combinação de técnicas de visão computacional, processamento de imagens e aprendizado de máquina. O reconhecimento de ações humanas pode ser aplicado em uma grande variedade de tarefas, tais como sistemas de vigilância, casas inteligentes, sistemas de saúde assistida e interação humano-computador. Diversas condições podem dificultar o processo de reconhecimento, tornando este problema desafiador. O atual projeto de pesquisa apresenta algumas percepções sobre o tópico sendo analisado, uma breve revisão das abordagens encontradas na literatura, justificativas que sugerem a necessidade de um estudo mais aprofundado sobre o assunto, bem como estratégias para novas metodologias que visam abordar o problema. (AU)

Publicações científicas

(7)

(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)

BRITO, ANDRE DE SOUZA; VIEIRA, MARCELO BERNARDES; VILLELA, SAULO MORAES; TACON, HEMERSON; CHAVES, HUGO DE LIMA; MAIA, HELENA DE ALMEIDA; CONCHA, DARWIN TTITO; PEDRINI, HELIO. Weighted voting of multi-stream convolutional neural networks for video-based action recognition using optical flow rhythms. JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, v. 77, MAY 2021. (17/09160-1, 17/12646-3)

TACON, HEMERSON; BRITO, ANDRE S.; CHAVES, HUGO L.; VIEIRA, MARCELO BERNARDES; VILLELA, SAULO MORAES; MAIA, HELENA DE ALMEIDA; CONCHA, DARWIN TTITO; PEDRINI, HELIO; MISRA, S; GERVASI, O; et al. Human Action Recognition Using Convolutional Neural Networks with Symmetric Time Extension of Visual Rhythms. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2019, PT I, v. 11619, p. 16-pg., 2019-01-01. (17/09160-1, 17/12646-3)

CHAVES, HUGO DE LIMA; RIBEIRO, KEVYN SWHANTS; BRITO, ANDRE DE SOUZA; TACON, HEMERSON; VIEIRA, MARCELO BERNARDES; CERQUEIRA, AUGUSTO SANTIAGO; VILLELA, SAULO MORAES; MAIA, HELENA DE ALMEIDA; CONCHA, DARWIN TTITO; PEDRINI, HELIO; et al. Filter Learning from Deep Descriptors of a Fully Convolutional Siamese Network for Tracking in Videos. VISAPP: PROCEEDINGS OF THE 15TH INTERNATIONAL JOINT CONFERENCE ON COMPUTER VISION, IMAGING AND COMPUTER GRAPHICS THEORY AND APPLICATIONS, VOL 4: VISAPP, v. N/A, p. 10-pg., 2020-01-01. (17/09160-1, 17/12646-3)

CONCHA, DARWIN TTITO; MAIA, HELENA DE ALMEIDA; PEDRINI, HELIO; TACON, HEMERSON; BRITO, ANDRE DE SOUZA; CHAVES, HUGO DE LIMA; VIEIRA, MARCELO BERNARDES; WANI, MA; KANTARDZIC, M; SAYEDMOUCHAWEH, M; et al. Multi-Stream Convolutional Neural Networks for Action Recognition in Video Sequences Based on Adaptive Visual Rhythms. 2018 17TH IEEE INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND APPLICATIONS (ICMLA), v. N/A, p. 8-pg., 2018-01-01. (17/09160-1, 17/12646-3)

ROBERTO E SOUZA, MARCOS; MAIA, HELENA DE ALMEIDA; VIEIRA, MARCELO BERNARDES; PEDRINI, HELIO. Survey on visual rhythms: A spatio-temporal representation for video sequences. Neurocomputing, v. 402, p. 409-422, AUG 18 2020. (17/12646-3, 17/09160-1)

SOUSA E SANTOS, ANDERSON CARLOS; MAIA, HELENA DE ALMEIDA; ROBERTO E SOUZA, MARCOS; VIEIRA, MARCELO BERNARDES; PEDRINI, HELIO; FARINELLA, GM; RADEVA, P; BRAZ, J. Fuzzy Fusion for Two-stream Action Recognition. VISAPP: PROCEEDINGS OF THE 15TH INTERNATIONAL JOINT CONFERENCE ON COMPUTER VISION, IMAGING AND COMPUTER GRAPHICS THEORY AND APPLICATIONS, VOL 4: VISAPP, v. N/A, p. 7-pg., 2020-01-01. (17/12646-3, 17/09160-1)

TACON, HEMERSON; BRITO, ANDRE DE SOUZA; CHAVES, HUGO DE LIMA; VIEIRA, MARCELO BERNARDES; VILLELA, SAULO MORAES; MAIA, HELENA DE ALMEIDA; CONCHA, DARWIN TTITO; PEDRINI, HELIO; FARINELLA, GM; RADEVA, P; et al. Multi-stream Architecture with Symmetric Extended Visual Rhythms for Deep Learning Human Action Recognition. VISAPP: PROCEEDINGS OF THE 15TH INTERNATIONAL JOINT CONFERENCE ON COMPUTER VISION, IMAGING AND COMPUTER GRAPHICS THEORY AND APPLICATIONS, VOL 4: VISAPP, v. N/A, p. 8-pg., 2020-01-01. (17/12646-3, 17/09160-1)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

MAIA, Helena de Almeida. Visual rhythm-based convolutional neural networks and adaptive fusion for a multi-stream architecture applied to human action recognition. 2020. Tese de Doutorado - Universidade Estadual de Campinas (UNICAMP). Instituto de Computação Campinas, SP.