Centre dedocumentation
scientifique

Activity recognition in residential spaces with Internet of things devices and thermal imaging / Kshirasagar Naik in Sensors, vol 21 n° 3 (February 2021)  

Public [article]  inSensors > vol 21 n° 3 (February 2021) . - n° 988 Titre : Activity recognition in residential spaces with Internet of things devices and thermal imaging Type de document : Article/Communication Auteurs : Kshirasagar Naik, Auteur ; Tejas Pandit, Auteur ; Nitin Naik, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 988 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] compréhension de l'image [Termes IGN] contrôle par télédétection [Termes IGN] détection d'événement [Termes IGN] espace intérieur [Termes IGN] image RVB [Termes IGN] image thermique [Termes IGN] intelligence artificielle [Termes IGN] internet des objets [Termes IGN] itération [Termes IGN] modèle stéréoscopique [Termes IGN] objet mobile [Termes IGN] reconnaissance automatique [Termes IGN] reconnaissance d'objets [Termes IGN] scène 3D Résumé : (auteur) In this paper, we design algorithms for indoor activity recognition and 3D thermal model generation using thermal images, RGB images, captured from external sensors, and the internet of things setup. Indoor activity recognition deals with two sub-problems: Human activity and household activity recognition. Household activity recognition includes the recognition of electrical appliances and their heat radiation with the help of thermal images. A FLIR ONE PRO camera is used to capture RGB-thermal image pairs for a scene. Duration and pattern of activities are also determined using an iterative algorithm, to explore kitchen safety situations. For more accurate monitoring of hazardous events such as stove gas leakage, a 3D reconstruction approach is proposed to determine the temperature of all points in the 3D space of a scene. The 3D thermal model is obtained using the stereo RGB and thermal images for a particular scene. Accurate results are observed for activity detection, and a significant improvement in the temperature estimation is recorded in the 3D thermal model compared to the 2D thermal image. Results from this research can find applications in home automation, heat automation in smart homes, and energy management in residential spaces. Numéro de notice : A2021-159 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/s21030988 date de publication en ligne : 02/02/2021 En ligne : https://doi.org/10.3390/s21030988 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97075 [article]

Multiview automatic target recognition for infrared imagery using collaborative sparse priors / Xuelu Li in IEEE Transactions on geoscience and remote sensing, vol 58 n° 10 (October 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 10 (October 2020) . - pp 6776 - 6790 Titre : Multiview automatic target recognition for infrared imagery using collaborative sparse priors Type de document : Article/Communication Auteurs : Xuelu Li, Auteur ; Vishal Monga, Auteur ; Abhijit Mahalanobis, Auteur Année de publication : 2020 Article en page(s) : pp 6776 - 6790 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] ajustement de paramètres [Termes IGN] apprentissage profond [Termes IGN] détection de cible [Termes IGN] données clairsemées [Termes IGN] estimation bayesienne [Termes IGN] extraction de traits caractéristiques [Termes IGN] image à basse résolution [Termes IGN] image infrarouge [Termes IGN] reconnaissance automatique Résumé : (auteur) The low resolution of infrared (IR) images makes feature extraction for classification of a challenging work. Learning-based methods, therefore, are preferred to be used on such raw imagery. In this article, in order to avoid difficulties in feature extraction, a novel multitask extension of the widely used sparse-representation-classification (SRC) method is proposed in both single and multiview set-ups. That is, the test sample could be a single IR image or images from different views. In both single-view and multiview scenarios, we try to employ collaborative spike and slab priors. This is because the traditional sparsity-inducing measures such as the l0 -row pseudonorm makes it hard to capture the sparse structure of the coefficient matrix when expanded in terms of a training dictionary, and the priors are proved to be able to capture fairly general sparse structures. Furthermore, a joint prior and sparse coefficient estimation method (JPCEM) is proposed for the first time in this article in order to alleviate the need to handpick prior parameters required before classification. Multiple experiments are conducted on a synthetic Comanche Forward Looking IR (FLIR) Automatic Target Recognition (ATR) database collected by Army Research Lab and a challenging mid-wave IR (MWIR) image ATR database made available by the U.S. Army Night Vision and Electronic Sensors Directorate. The final results substantiate the merits of the proposed JPCEM through comparisons with other state-of-the-art methods, including both the ones based on SRC and the ones constructed using deep learning frameworks. Numéro de notice : A2020-584 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.2973969 date de publication en ligne : 26/03/2020 En ligne : https://doi.org/10.1109/TGRS.2020.2973969 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95908 [article]

Navigation des personnes aux moyens des technologies des smartphones et des données d’environnements cartographiés / Fadoua Taia Alaoui (2018)  

Public Titre : Navigation des personnes aux moyens des technologies des smartphones et des données d’environnements cartographiés Type de document : Thèse/HDR Auteurs : Fadoua Taia Alaoui, Auteur ; Valérie Renaudin, Directeur de thèse Editeur : Nantes : Ecole Centrale de Nantes Année de publication : 2018 Autre Editeur : Université Bretagne Loire Importance : 163 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de Doctorat de l'Ecole Centrale de Nantes, spécialité Signal, Image, Vision Langues : Français (fre) Descripteur : [Vedettes matières IGN] Navigation et positionnement [Termes IGN] algorithme de filtrage [Termes IGN] centrale inertielle [Termes IGN] classification dirigée [Termes IGN] correction angulaire [Termes IGN] données GNSS [Termes IGN] filtrage bayésien [Termes IGN] filtre de Kalman [Termes IGN] fusion de données [Termes IGN] modèle cartographique [Termes IGN] navigation inertielle [Termes IGN] point d'intérêt [Termes IGN] positionnement en intérieur [Termes IGN] reconnaissance automatique [Termes IGN] service fondé sur la position [Termes IGN] téléphone intelligent Résumé : (auteur) La navigation inertielle grâce aux capteurs intégrés dans les smartphones permet d’assurer une géolocalisation continue même en absence de signal GNSS. Ces capteurs bas coût délivrent néanmoins des mesures bruitées qui engendrent une dérive de la trajectoire. La technique PDR qui est une technique de navigation inertielle par détection de pas souffre de deux limites principales. La première est l’estimation de la longueur de pas car cette dernière dépend des caractéristiques physiques de chaque utilisateur, et la seconde est le résultat d’une dérive angulaire combinée avec un biais lié au portage du capteur à la main. Dans le contexte du projet HAPPYHAND, ce travail s’intéresse à l’exploitation de la carte pour corriger ces différentes erreurs. Un réseau de navigation topologique est exploité pour corriger à la fois les erreurs angulaires et calibrer le modèle de longueur de pas. Ce modèle est ensuite augmenté par un processus de mise à jour de position par détection de points d’intérêt. Note de contenu : 1- Introduction 2- Navigation autonome grâce aux mesures inertielles ou GNSS 3- Modèles cartographiques pour la localisation 4- Liaison entre la carte et la signature de mouvement 5- Hybridation Carte-IMMU-Magnétomètre-Baromètre 6- Evaluation expérimentale des performances Conclusion et perspectives Numéro de notice : 25916 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité Signal, Image, Vision : Nantes : 2018 Organisme de stage : Laboratoire GEOLOC (IFSTTAR) nature-HAL : Thèse DOI : sans En ligne : https://hal.archives-ouvertes.fr/tel-02157807 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96039

Trajectory-based place-recognition for efficient large scale localization / Simon Lynen in International journal of computer vision, vol 124 n° 1 (August 2017)  

Public [article]  inInternational journal of computer vision > vol 124 n° 1 (August 2017) . - pp 49 – 64 Titre : Trajectory-based place-recognition for efficient large scale localization Type de document : Article/Communication Auteurs : Simon Lynen, Auteur ; Michael Bosse, Auteur ; Roland Siegwart, Auteur Année de publication : 2017 Article en page(s) : pp 49 – 64 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] alignement multiple semi-dirigé [Termes IGN] analyse comparative [Termes IGN] appariement automatique [Termes IGN] lieu géométrique [Termes IGN] précision de localisation [Termes IGN] reconnaissance automatique Résumé : (auteur) Place recognition is a core competency for any visual simultaneous localization and mapping system. Identifying previously visited places enables the creation of globally accurate maps, robust relocalization, and multi-user mapping. To match one place to another, most state-of-the-art approaches must decide a priori what constitutes a place, often in terms of how many consecutive views should overlap, or how many consecutive images should be considered together. Unfortunately, such threshold dependencies limit their generality to different types of scenes. In this paper, we present a placeless place recognition algorithm using a novel match-density estimation technique that avoids heuristically discretizing the space. Instead, our approach considers place recognition as a problem of continuous matching between image streams, automatically discovering regions of high match density that represent overlapping trajectory segments. The algorithm uses well-studied statistical tests to identify the relevant matching regions which are subsequently passed to an absolute pose algorithm to recover the geometric alignment. We demonstrate the efficiency and accuracy of our methodology on three outdoor sequences, including a comprehensive evaluation against ground-truth from publicly available datasets that shows our approach outperforms several state-of-the-art algorithms for place recognition. Furthermore we compare our overall algorithm to the currently best performing system for global localization and show how we outperform the approach on challenging indoor and outdoor datasets. Numéro de notice : A2017-399 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article En ligne : https://doi.org/10.1007/s11263-016-0947-9 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85941 [article]

Unsupervised feature learning for land-use scene recognition / Jiayuan Fan in IEEE Transactions on geoscience and remote sensing, vol 55 n° 4 (April 2017)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 55 n° 4 (April 2017) . - pp 2250 - 2261 Titre : Unsupervised feature learning for land-use scene recognition Type de document : Article/Communication Auteurs : Jiayuan Fan, Auteur ; Tao Chen, Auteur ; Shijian Lu, Auteur Année de publication : 2017 Article en page(s) : pp 2250 - 2261 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] algorithme d'apprentissage [Termes IGN] analyse discriminante [Termes IGN] codage [Termes IGN] image proche infrarouge [Termes IGN] image RVB [Termes IGN] invariant [Termes IGN] pouvoir de résolution géométrique [Termes IGN] reconnaissance automatique [Termes IGN] Singapour [Termes IGN] utilisation du sol Résumé : (Auteur) This paper proposes a novel unsupervised feature learning algorithm for land-use scene recognition on very high resolution remote sensing imagery. The proposed technique utilizes a multipath sparse coding architecture in order to capture multiple aspects of discriminative structures within complex remote sensing sceneries. Unlike the previous sparse coding and bag-of-visual-words-based techniques that rely on the handcrafted feature descriptors such as scale-invariant feature transform, the proposed technique extracts dense low-level features from the raw data, including the visual (RGB) data and near-infrared (NIR) data, using image patches of varying sizes at different layers. The proposed technique has been evaluated on three data sets, including the 21-category UC Merced landuse RGB data set with a 1-ft spatial resolution, the 9-category ground scene RGB-NIR data set, and the 10-category Singapore land-use RGB-NIR data set with a 0.5-m spatial resolution. The experimental results show that the proposed technique outperforms the state-of-the-art methods. Numéro de notice : A2107-174 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : http://dx.doi.org/10.1109/TGRS.2016.2640186 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84723 [article]

Single Image Super-Resolution based on Neural Networks for text and face recognition / Clément Peyrard (2017)  

Permalink

Image based geo-localization in the Alps / Olivier Saurer in International journal of computer vision, vol 116 n° 3 (February 2016)  

Permalink

Fast robust large-scale mapping from video and internet photo collections / J. Frahm in ISPRS Journal of photogrammetry and remote sensing, vol 65 n° 6 (November - December 2010)

Permalink

Indexation rapide de documents audio par traitement morphologique de la parole / F. Salama in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 15 n° 2 (mars - avril 2010)  

Permalink

A structure recognition technique in contextual generalisation of buildings and built-up areas / Melih Basaraner in Cartographic journal (the), vol 45 n° 4 (November 2008)

Permalink

8es rencontres nationales des jeunes chercheurs en intelligence artificielle, RJCIA 2007, 4 - 6 juillet 2007, Grenoble, France / Bruno Zanuttini (2007)

Permalink

A novel transductive SVM for semisupervised classification of remote-sensing images / Lorenzo Bruzzone in IEEE Transactions on geoscience and remote sensing, vol 44 n° 11 Tome 2 (November 2006)

Permalink

Automatic 3D object recognition and reconstruction based on neuro-fuzzy modelling / F. Samadzadegan in ISPRS Journal of photogrammetry and remote sensing, vol 59 n° 5 (August - October 2005)

Permalink

From mobile mapping to telegeoinformatics: paradigm shift in geospatial data acquisition, processing, and management / Dorota A. Grejner-Brzezinska in Photogrammetric Engineering & Remote Sensing, PERS, vol 70 n° 2 (February 2004)

Permalink

An experimental study on content-based image classication for image databases / R.D. Holowczak in IEEE Transactions on geoscience and remote sensing, vol 40 n° 6 (June 2002)

Permalink