Friday March 3 , 11h00 - 12h00 , room F107 , Seminar

Thomas Veit (IRISA / IRCCyN)

A contrario clustering of local motion measures for coherent motion detection

Title: A contrario clustering of local motion measures for coherent motion detection

Abstract: This talk presents a method for the analysis of dynamic scenes in terms of moving objects: number, positions, displacements and possibly 2D shapes. The method accumulates evidence in favor of coherent motion based on local motion measurements from a small number of frames (5 to 10). These measures are clustered in an adequate motion space in order to exhibit coherent motions. The automatic detection of groups (how many groups ? which groups to keep ?) is handled by a recent a contrario clustering method. The local motion measures are extracted from the sequence using characteristic elements such as pieces of level lines, SIFT descriptors or KLT features. The method was extensively tested on real image sequences. Possible applications range from robust initialization of tracking algorithms to surveillance and activity recognition.

Titre: Détection de mouvements cohérents par groupement a contrario de mesures locales de déplacement

Résumé: Cet exposé présentera une méthode pour décrire une scène dynamique en termes d’objets mobiles: leur nombre, leurs positions, leurs mouvements dans le plan image et éventuellement leurs formes bi-dimensionnelles. La méthode se base sur l’accumulation de mesure locales de mouvement à partir d’un petit nombre d’images (5 à 10) . Ces mesures sont ensuite groupées dans un espace de mouvement pour mettre en évidence les mouvements cohérents. La détection automatique des groupes (combien de groupes ? quels groupes garder ?) est gérée par une méthode de clustering a contrario récente. Les mesures de mouvement locales s’appuient sur des éléments caractéristiques de l’image (morceaux de ligne de niveau, descripteurs SIFT ou points d’intérêt KLT). Des résultats sur des séquences réelles illustreront cette méthode. Les applications envisageables sont l’initialisation robuste d’algorithmes de suivi, la surveillance et la reconnaissance d’activités.