Please use this identifier to cite or link to this item:
https://hdl.handle.net/10316/41706
Title: | Sistema de identificação de pessoas com base no seu movimento | Authors: | Sousa, José António Monteiro de | Orientador: | Dias, Jorge Manuel Miranda | Keywords: | Modelo de Laban; Análise de movimento | Issue Date: | Jul-2013 | Abstract: | Nesta tese é proposto um modelo probabilístico para a Análise de Movimento de Laban
Visual, baseado em silhuetas do corpo humano, como uma solução estendida, dentro da
área de investigação que estuda identi cação de pessoas. Os modelos para Laban presentes
na literatura, são sobretudo baseados em características adquiridas de tecnologias muito
precisas, sendo que o método aqui proposto é sugerido como uma aproximação baseada
em sistemas de visão gerais, generalizando o modelo de Laban para características visuais.
Dada a potencial dimensão da silhueta, é sugerida uma representação alternativa, baseada
na Análise das Componentes Principais e na Transformada Generalizada de Fourier. Os
descritores simbólicos de Laban são aprendidos com base em conjuntos de dados de treino,
e são posteriormente usados para caracterizar sequências desconhecidas, usando um classi-
cador Bayesiano. O método proposto foi integrado com sucesso num sistema biométrico
não invasivo de identi cação de pessoas, criando as bases para o desenvolvimento de uma
plataforma de vídeo vigilância inteligente. Contudo, a integração directa do modelo Visual
de Laban com o sistema de identi cação existente, provou não ser uma solução adequada.
A análise de resultados preliminares, levou a que fosse proposta uma nova e modi cada
solução, que foi capaz de lidar com os problemas resultantes da generalização da Análise
de Movimento Laban ao corpo como uma entidade única, em detrimento da parametriza-
ção em partes do corpo especí cas. Os resultados experimentais demonstram um modelo
de classi cação preciso, em que as características mostram ser discriminantes relativamente
aos diferentes actores, quando executado diversas acções. O sistema experimental proposto
mostra capacidade de analisar movimento bem como identi car pessoas, resultados validados
em duas bases de dados experimentais públicas e reconhecidas na área. In this thesis, a probabilistic model for Visual Laban Movement Analysis, based on human body silhouettes, is proposed as an extended solution within the problematic of person identi cation. Laban models presented in literature are mostly based on features acquired from precise tracking technologies, whereas our method is suggested as a vision-based approach, generalizing the Laban model to visual-cues. Given the silhouette's dimension, we suggest an alternative representation based on Principal Component Analysis and the generalized Fast Fourier Transform. Laban symbolic descriptors are learned based on sets of training data, which are posteriorly used to characterize unknown sequences applying a Bayesian classi er. The proposed method is successfully integrated with a person identi cation framework, creating the grounds for developing an intelligent video-surveillance system. The direct integration of the visual Laban model with the existent identi cation framework, proved to be a lesser solution. Therefore, we propose a new, modi ed version, which was able to cope with the issues inherent to the proposed Laban generalization addressing the body as a single entity, rather than parametrized into speci c body parts. Results demonstrate an accurate classi cation model, in which features show to be discriminant to di erent performers, when performing the multiple actions. The experimental set-up shows capability for motion analysis and person identi cation, validated in two public and acknowledgeable datasets in the area. |
URI: | https://hdl.handle.net/10316/41706 | Rights: | openAccess |
Appears in Collections: | UC - Dissertações de Mestrado FCTUC Eng.Electrotécnica - Teses de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Dissertação José Sousa.pdf | 7.02 MB | Adobe PDF | View/Open |
Page view(s) 20
684
checked on Oct 1, 2024
Download(s) 50
835
checked on Oct 1, 2024
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.