Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

A Kernel framework to support video data analysis

Insuasti Ceballos, Hernán David (2016) A Kernel framework to support video data analysis. Maestría thesis, Universidad Nacional de Colombia - Sede Manizales.

Texto completo

[img]
Vista previa
PDF - Versión Aceptada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

1MB

Resumen

El objetivo de este trabajo es proponer un esquema basado en metodologías Kernel para apoyar el análisis de datos en video. La principal meta es revelar la información de mayor impacto contenida en datos de una alta dimensión y una alta correlación entre si, esto con el fin de mejorar las representaciones de características y facilitar la etapa de entrenamiento. En el reconocimiento de actividad humana, los patrones relevantes albergan comportamientos no lineales y que se encuentran ocultos en los datos. Para exponer estos comportamientos, incluir información a priori acerca de relaciones ideales da indicios de las dependencias no lineales en los datos. En este trabajo se introducen tres metodologías para mejorar las representaciones de características y facilitar la etapa de entrenamiento. Primero, una representación basada en Kernel se introduce para descubrir las relaciones más importantes en un diccionario de códigos mediante la inclusión de un Kernel que guarda relaciones ideales de los códigos. El segundo método propuesto es una herramienta para el análisis de la relevancia de características. Esta metodología encuentra el conjunto más discriminativo de características espacio temporales para mejorar la separabilidad entre clases con respecto a un criterio de alineamiento de kernels centralizados. Finalmente, se propone un nuevo método para sintonizar el parámetro de C regularización en una SVM. Este método se basa en una métrica distancia entre dos kernels de similitudes. Los métodos propuestos se comparan con técnicas de línea base en el estado del arte mostrando excelentes resultados en la tarea de mejorar la representación de los datos y obtener unas altas tasas de acierto en la etapa de clasificación, Abstract : The aim of this work is to propose a Kernel-based framework to support the analysis of video data. The goal is to reveal the most salient information from high-dimensional and correlated data for enhancing feature representations and easing the classification stage. In human activity recognition, the relevant patterns have nonlinear dynamics that are hidden in the data. To expose these dynamics, including prior knowledge about ideal relationships can help to find nonlinear dependence on data. In the present work, three approaches to improve the feature representation and alleviate the classification stage. Firstly, a kernel-based representation is introduced to reveal the most important relations into a codebook in a BoF approach by including of an ideal Kernel of similarities between the codewords. Secondly, a methodology for feature relevance analysis is proposed. The method finds the most discriminative set of spatio-temporal features to enhance the class inter-separability by using a center Kernel alignment criteria. Finally, a new method for tuning a box constraint parameter C in an SVM based on a distance between two kernels of similarities is proposed. The proposed methods are compared with the baseline techniques of the state-of-the-art showing excellent results for improving data representation and high classification rates

Tipo de documento:Tesis/trabajos de grado - Thesis (Maestría)
Colaborador / Asesor:Castellanos Dominguez, César Germán and Alvarez Meza, Andres Marino
Información adicional:Tesis presentada como requisito parcial para optar al título de: Magíster en Ingeniería - Automatización Industrial. -- Solicitud de Tesis Meritoria.
Palabras clave:Bolsa de características (BoF), CKA, Representaciones Kernel, SVMs, Características espacio temporales, Reconocimiento de actividades humanas, Visión por computador, Bag of Features (BoF), CKA, Kernel representation, SVMs, Spatiotemporal features, Human activity recognition, Computer vision
Temática:0 Generalidades / Computer science, information & general works
6 Tecnología (ciencias aplicadas) / Technology > 62 Ingeniería y operaciones afines / Engineering
Unidad administrativa:Sede Manizales > Facultad de Ingeniería y Arquitectura > Departamento de Ingeniería Eléctrica, Electrónica y Computación
Código ID:52358
Enviado por : Hernan David Insuasti Ceballos
Enviado el día :02 Junio 2016 22:13
Ultima modificación:02 Junio 2016 22:30
Ultima modificación:02 Junio 2016 22:30
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Registry of Open Access Repositories OpenDOAR Metabiblioteca BDCOL OAIster Red de repositorios latinoamericanos DSpace BASE Open archives La referencia Colombiae Open Access Theses and Dissertations Tesis latinoamericanas CLACSO
Este sitio web se ve mejor en Firefox