Centre de documentation
scientifique

Unsupervised detection of ruptures in spatial relationships in video sequences based on log‑likelihood ratio / Abdalbassir Abou-Elailah in Pattern Analysis and Applications, vol 21 n° 3 (August 2018)  

Public [article]  inPattern Analysis and Applications > vol 21 n° 3 (August 2018) . - pp 829 - 846 Titre : Unsupervised detection of ruptures in spatial relationships in video sequences based on log‑likelihood ratio Type de document : Article/Communication Auteurs : Abdalbassir Abou-Elailah , Auteur ; Isabelle Bloch, Auteur ; Valérie Gouet-Brunet , Auteur Année de publication : 2018 Projets : 1-Pas de projet / Article en page(s) : pp 829 - 846 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] détection d'événement [Termes IGN] distance (mathématique) [Termes IGN] histogramme [Termes IGN] modèle linéaire [Termes IGN] primitive [Termes IGN] relation spatiale [Termes IGN] séquence d'images Résumé : (Auteur) In this work, we propose a new approach to automatically detect ruptures in spatial relationships in video sequences, based on low-level primitives, in unsupervised manner. The spatial relationships between two objects of interest are modeled using angle and distance histograms as examples. The evolution of the spatial relationships during time is estimated from the distances between two successive angle or distance histograms and then considered as a temporal signal. The evolution of a spatial relationship is modeled by a linear Gaussian model. Then, two hypotheses “without change” and “with change” are considered, and a log-likelihood ratio is computed. The distribution of the log-likelihood ratio, given that H0 is true, is estimated and used to compute the p value. The comparison of this p value to a significance level 훼, expressing the probability of false alarms, allows us to detect significant ruptures in spatial relationships during time. In addition, this approach is generalized to detect multiple object events such as merging, splitting, and other events that contain ruptures in their spatial relationships evolution. This work shows that the description of spatial relationships across time is a promising step toward event detection. Numéro de notice : A2017-776 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10044-017-0669-9 Date de publication en ligne : 18/11/2017 En ligne : https://doi.org/10.1007/s10044-017-0669-9 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88974 [article]

Detection of abrupt changes in spatial relationships in video sequences / Abdalbassir Abou-Elailah (2015)    

Public Titre : Detection of abrupt changes in spatial relationships in video sequences Type de document : Article/Communication Auteurs : Abdalbassir Abou-Elailah , Auteur ; Valérie Gouet-Brunet , Auteur ; Isabelle Bloch, Auteur Editeur : Berlin, Heidelberg, Vienne, New York, ... : Springer Année de publication : 2015 Collection : Lecture notes in Computer Science, ISSN 0302-9743 num. 9493 Projets : DESCRiBE / Dubuisson, Séverine Conférence : ICPRAM 2015, 4th International Conference on Pattern Recognition Applications and Methods 10/01/2015 12/01/2015 Lisbonne Portugal Proceedings Springer Importance : pp 89 - 106 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] détection de changement [Termes IGN] distance euclidienne [Termes IGN] histogramme [Termes IGN] image vidéo [Termes IGN] objet flou [Termes IGN] relation spatiale [Termes IGN] séquence d'images Résumé : (auteur) The purpose of this work is to detect strong changes in spatial relationships between objects in video sequences, with a limited knowledge on the objects. First, a fuzzy representation of the objects is proposed based on low-level generic primitives. Furthermore, angle and distance histograms are used as examples to model the spatial relationships between two objects. Then, we estimate the distances between different angle or distance histograms during time. By analyzing the evolution of the spatial relationships during time, ruptures are detected in this evolution. Experimental results show that the proposed method can efficiently detect the ruptures in the spatial relationships, exploiting only low-level primitives. This constitutes a promising step towards event detection in videos, with few a priori models on the objects. Numéro de notice : C2015-015 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1007/978-3-319-27677-9_6 Date de publication en ligne : 09/01/2016 En ligne : https://doi.org/10.1007/978-3-319-27677-9_6 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83206

Documents numériques

peut être téléchargé Detection of ruptures ... - pdf auteur Adobe Acrobat PDF

Fusion d'informations en traitement du signal et des images / Isabelle Bloch (2003)

Public Titre : Fusion d'informations en traitement du signal et des images Type de document : Guide/Manuel Auteurs : Isabelle Bloch, Éditeur scientifique Editeur : Paris : Hermès - Lavoisier Année de publication : 2003 Collection : Traitement du Signal et de l'Image Importance : 319 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-0628-1 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] axiome de Bayes [Termes IGN] datation [Termes IGN] estimation bayesienne [Termes IGN] fusion d'images [Termes IGN] fusion de données [Termes IGN] information géographique [Termes IGN] robotique [Termes IGN] sous ensemble flou [Termes IGN] système multi-agents [Termes IGN] théorie de Dempster-Shafer [Termes IGN] théorie des possibilités [Termes IGN] traitement d'image [Termes IGN] traitement du signal Index. décimale : 35.20 Traitement d'image Résumé : (Auteur) [Extrait] Les objectifs de cet ouvrage sont de présenter d'une part les principes généraux de la fusion et ses spécificités en traitement du signal, en traitement des images et en robotique, et d'autre part les méthodes et outils principaux, essentiellement numériques. Ce livre [...] tâche de mettre l'accent sur les atouts des différentes théories pour les domaines d'application visés. [...] La structure comporte deux ensembles de chapitres. Le premier est dédié aux définitions (chapitre 1) et aux spécificités de domaines abordés : traitement du signal au chapitre 2, traitement des images au chapitre 3 et robotique au chapitre 4. Puis, la deuxième partie s'attache aux principales théories de la fusion. Après un panorama des modes de représentation des connaissances utilisés en fusion (chapitre 5), nous présentons ainsi les principes de la fusion probabiliste et statistique dans le chapitre 6, de la théorie des fonctions de croyance dans le chapitre 7, de la fusion floue et possibiliste dans le chapitre 8. Les spécificités de la fusion en traitement d'images et dans certains problèmes de robotique nécessitent de prendre en compte l'information spatiale. Nous y consacrons le chapitre 9, puisque les méthodes de fusion issues d'autres domaines ne les considèrent naturellement. Un exemple d'application reposant sur une architecture multi-agent est présenté dans le chapitre 10. Les méthodes spécifiques de la fusion temporelle sont enfin décrites au chapitre 11. Note de contenu : CHAPITRE 1. DEFINITIONS 1. Introduction 2. Choix d'une définition 3. Caractéristiques générales des données 4. Nurnérique/symbolique 5. Systèmes de fusion et types d'architecture 6. Fusion en traitement du signal des images et fusion dans d'autres domaines CHAPITRE 2. FUSION EN TRAITEMENT DU SIGNAL 1. Introduction 2. Objectifs de la fusion en traitement du signal 3. Problèmes et spécificités de la fusion en traitement du signal . CHAPITRE 3. FUSION EN TRAITEMENT DES IMAGES 1. Objectifs de la fusion en traitement des images 2. Les situations de fusion 3. Caractéristiques des données en fusion d'images 4. Contraintes 5. Aspects numériques et symboliques en fusion d'images CHAPITRE 4. FUSION EN ROBOTIQUE 1. Nécessité de la fusion pour la robotique 2. Spécificités de la fusion pour la robotique avec l'opérateur et interprétation symbolique - Contraintes temporelles 3. Caractéristiques des données en robotique 4. Mécanismes de fusion de données CHAPITRE 5. REPRESENTATION DE L'INFORMATION ET DES CONNAISSANCES DANS LES PROBLEMES DE FUSION 1. Introduction 2. Traitement de l'information en fusion 3. Représentations numériques de connaissances imparfaites 4. Représentaion symboliques de connaissances imparfaites 5. Systèmes à base de connaissances 6. Modes de raisonnement et inférence CHAPITRE 6. APPROCHES PROBABILISTES ET STATISTIQUES 1. Introduction et principe général 2. Mesures d'information 3. Modélisation et estimation 4. Combinaison dans un cadre bayésien 5. Combinaison vue comme un problème d'estimation 6. Décision 7. Autres approches en détection 8. Un exemple de fusion bayésienne en imagerie satellitaire 9. Méthodes de fusion probabiliste appliquées à la trajectographie 10. Discusion CHAPITRE 7. THEORIE DES CROYANCES DE DEMPSTER-SHAFER 1. Principe général et philosophique de la théorie 2. Modélisation 3. Estimation des fonctions de masse 4. Combinaison conjonctive Fonctions de masse séparables 5. Autres modes de combinaison 6. Décision 7. Exemple d'application en imagerie médicale CHAPITRE 8. THEORIE DES ENSEMBLES FLOUS ET DES POSSIBILITES 1. Introduction, principes généraux 2. Définition des concepts fondamentaux des ensembles flous 3. Mesures floues 4. Eléments de théories des possibilités 5. Opérateurs de combinaison 6. Variables linguistiques 7. Logique floue et possibiliste 8. Modélisation floue en fusion 9. Définition des fonctions d'appartenance ou des distributions de possibilités 10. Combinaison et choix des opérateurs 11. Décision 12. Exemples d'application CHAPITRE 9. INTRODUCTION DE L'INFORMATION SPATIALE 1. Au niveau de la modélisation 2. Au niveau de la décision 3. Au niveau de la combinaison 4. Exemples d'applications - Au niveau de la combinaison : classification markovienne multisource - Au niveau de la modélisation et de la décision : fusion de détecteurs de structures par la théorie des fonctions de croyance - Au niveau de la modélisation : fusion floue de relations spatiales CHAPITRE 10. APPROCHES MULTIAGENTS 1. La fonction DRI 1. Le contexte d'application 2. Les contraintes et les principes de conception 3. Etat de l'art 2. Approche proposée : vers un système de vision 3. Le système multiagent : plate-forme et architecture 4. Le schéma de contrôle 5. Les informations manipulées par les agents 6. Les résultats CHAPITRE 11. FUSION TEMPORELLE 1. Observations variables dans le temps 2. Les contraintes temporelles 3. Fusion 4. Datation des mesures 5. Modèles d'évolution 6. Prédiction-combinaison monocapteur 7. Prédiction-combinaison multicapteur 8. Conclusion CHAPITRE 12. CONCLUSION 1. Quelques acquis 2. Quelques perspectives ANNEXES A. PROBABILITES : POINT DE VUE HISTORIQUE 1. Les probabilités dans l'histoire 2. Classes de probabilités, objectivistes et subjectivistes 3. Postulats fondamentaux pour une logique inductive ANNEXE B. DEDUCTION AXIOMATIQUE DE LA REGLE DE COMBINAISON DE DEMPSTER-SHAFER. 1. Axiomes de Smets 2. Déduction de la règle de combinaison 3. Relation avec les postulats de Cox Numéro de notice : 18832 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Manuel de cours Accessibilité hors numérique : Accessible à Georges Pérec (Id UGE) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=46613