| Titre : | La reconnaissance et l'apprentissage des Ă©vènements chauds dans la vidĂ©o de match de football en utilisant les modèles de Markov cachĂ©s | | Type de document : | thèse | | Auteurs : | El Ouazzani Rajae, Auteur | | Langues : | Français (fre) | | Index. dĂ©cimale : | Doct/133 | | RĂ©sumĂ© : | Dans le cadre de cette thèse, nous proposons des techniques pour reconnaître les événements importants dans la vidéo de matches de football en utilisant les Modèles de Markov
Cachés (MMC). Un événement important est tout événement qui peut intéresser le public tels que: les buts, les fautes directes, les pénalties, les cartons jaunes/rouges, les changements de joueurs et les tentatives pour marquer un but. Lors de la modélisation des séquences vidéos correspondantes aux événements importants précédents, nous avons utilisé les MMCs qui traitent de manière efficace les structures spatiaux temporelles qui caractérisent les vidéos de football.
Dans la première partie de cette thèse, nous avons présenté les caractéristiques de la vidéo de matches de football à savoir les descripteurs visuels, audio et textuels. Aussi, nous avons présenté quelques unités sémantiques. qui distinguent la vidéo de matches de football.Puis et lors d'un survol de lalittérature , nous avons exposé quelques techniques de classification des plans (images) de la vidéo de football et quelques techniques de reconnaissance des événements importants dans la vidéo de matches de football. Finalement, nous avons présenté les MMCs,leurs paramètres et les algorithmes qui les accompagnent.
Dans la deuxième partie, nous avons présenté quatrecontributions pour reconnaître les événements importants dans la vidéo de matches de football avec les MMCs.
Dans la première contribution, nous employons un MMC des événements importants. Par la suite et dans la deuxième contribution, nous employons deux MMCs, un MMC d'événements importants et un MMC d'événements non importants en conjonction avec le théorème de Bayes. L'inférence bayesienne calcule la distribution a posteriori sur une séquence vidéo en utilisant des distributions a priori issues des bases d'apprentissage. Dans la troisième contribution, nous employons les MMCs et la loi de Gauss et dans la quatrième contribution, nous exploitons les MMCs et les Modèles de Mélanges de Gaussiennes avec deux, six et dix gaussiennes pour reconnaître les événements importants dans la vidéo de matches de football.
|
La reconnaissance et l'apprentissage des Ă©vènements chauds dans la vidĂ©o de match de football en utilisant les modèles de Markov cachĂ©s [thèse] / El Ouazzani Rajae, Auteur . - [s.d.]. Langues : Français ( fre) | Index. dĂ©cimale : | Doct/133 | | RĂ©sumĂ© : | Dans le cadre de cette thèse, nous proposons des techniques pour reconnaître les événements importants dans la vidéo de matches de football en utilisant les Modèles de Markov
Cachés (MMC). Un événement important est tout événement qui peut intéresser le public tels que: les buts, les fautes directes, les pénalties, les cartons jaunes/rouges, les changements de joueurs et les tentatives pour marquer un but. Lors de la modélisation des séquences vidéos correspondantes aux événements importants précédents, nous avons utilisé les MMCs qui traitent de manière efficace les structures spatiaux temporelles qui caractérisent les vidéos de football.
Dans la première partie de cette thèse, nous avons présenté les caractéristiques de la vidéo de matches de football à savoir les descripteurs visuels, audio et textuels. Aussi, nous avons présenté quelques unités sémantiques. qui distinguent la vidéo de matches de football.Puis et lors d'un survol de lalittérature , nous avons exposé quelques techniques de classification des plans (images) de la vidéo de football et quelques techniques de reconnaissance des événements importants dans la vidéo de matches de football. Finalement, nous avons présenté les MMCs,leurs paramètres et les algorithmes qui les accompagnent.
Dans la deuxième partie, nous avons présenté quatrecontributions pour reconnaître les événements importants dans la vidéo de matches de football avec les MMCs.
Dans la première contribution, nous employons un MMC des événements importants. Par la suite et dans la deuxième contribution, nous employons deux MMCs, un MMC d'événements importants et un MMC d'événements non importants en conjonction avec le théorème de Bayes. L'inférence bayesienne calcule la distribution a posteriori sur une séquence vidéo en utilisant des distributions a priori issues des bases d'apprentissage. Dans la troisième contribution, nous employons les MMCs et la loi de Gauss et dans la quatrième contribution, nous exploitons les MMCs et les Modèles de Mélanges de Gaussiennes avec deux, six et dix gaussiennes pour reconnaître les événements importants dans la vidéo de matches de football.
|
|
Doc/113 
Faire une suggestion Affiner la rechercheLa reconnaissance et l'apprentissage des évènements chauds dans la vidéo de match de football en utilisant les modèles de Markov cachés / El Ouazzani Rajae
