Reconocimiento de actividad humana para videovigilancia

Este artículo presenta un enfoque novedoso para el reconocimiento automático de actividades humanas a partir de secuencias de video. Primero agrupamos características con altas correlaciones en Vectores de Características de Categoría (CFVs). Cada actividad se describe entonces por una combinación de GMMs (Modelos de Mezcla Gaussiana), donde cada GMM representa la distribución de un CFV. Mostramos que este enfoque ofrece flexibilidad para añadir nuevos eventos y para enfrentarse al problema de la falta de datos de entrenamiento para construir modelos para eventos inusuales. Para mejorar la precisión del reconocimiento, se propone un algoritmo de Reconocimiento basado en Cuadros de Confianza (CFR) para reconocer la actividad humana, donde los cuadros de video que tienen alta confianza para reconocer una actividad (Cuadros de Confianza) se utilizan como un modelo especializado para clasificar el resto de los cuadros de video. Los resultados experimentales muestran la efectividad del enfoque propuesto.