Modélisations polynomiales hiérarchisées applications à l'analyse de mouvements complexes

Hierarchical polynomial modeling applications to complex motion analysis

• Auteur / Autrice : Olivier Kihl
• Direction : Benoît Tremblais, Bertrand Augereau, Majdi Khoudeir
• Type : Thèse de doctorat
• Discipline(s) : Traitement du signal et des images
• Date : Soutenance en 2012
• Etablissement(s) : Poitiers
• Partenaire(s) de recherche : Laboratoire : XLIM

Mots clés

Mots clés contrôlés

Polynômes orthogonaux

Modèles mathématiques

Analyse du mouvement

Vidéo numérique

Traitement d'images

Mots clés libres

Modélisation du mouvement

Analyse du mouvement

Polynômes orthogonaux

Détection de singularités

Mouvements humains

Résumé

Dans ce mémoire, nous proposons une méthode de modélisation du mouvement à l’aide de bases de polynômes bi-variables orthogonaux. L’objectif est de proposer une modélisation hiérarchique des champs de vecteurs adaptable à tous types de champs. Nous étudions différentes méthodes de partitionnement de l’espace, parmi lesquelles les grilles régulières, les quadtree ou les diagrammes de Voronoï, afin de prendre en compte la complexité locale du champ pour affiner la modélisation. Nous obtenons des résultats qualitatifs montrant l’intérêt de ce type de modélisation. De plus, nous proposons une procédure de génération des bases afin de modéliser les champs épars. Nous appliquons cette méthode de modélisation dans deux contextes. La détection de points singuliers dans les champs de déplacement et la reconnaissance de mouvements humains. Ces deux applications nous permettent de mettre en évidence l’efficacité de cette méthode, puisque nous obtenons des résultats comparables aux méthodes les plus efficaces de la littérature.

In this PhD thesis, we suggest a method which models every kind of movement with orthogonal polynomials basis. The main goal is to propose a hierarchical modeling of vector fields suitable for all types of fields. We study different space partitioning methods, including regular grids, quadtree and Voronoi diagrams, in order to take into account the local complexity of the field in order to refine modeling. We obtain qualitative results showing the benefit of this method. In addition, we propose a procedure for generating polynomial bases to model sparse fields. We apply this modeling approach in two contexts. The detection of singular points in the motion fields and the recognition of human movements. Both applications allow us to demonstrate the effectiveness of this method, since we obtain similar results to the most effective methods of literature.