Classifying Behaviours in Videos with Recurrent Neural Networks

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10045/75589
Información del item - Informació de l'item - Item information
Título: Classifying Behaviours in Videos with Recurrent Neural Networks
Autor/es: Abellan-Abenza, Javier | Garcia-Garcia, Alberto | Oprea, Sergiu | Ivorra-Piqueres, David | Garcia-Rodriguez, Jose
Grupo/s de investigación o GITE: Informática Industrial y Redes de Computadores
Centro, Departamento o Servicio: Universidad de Alicante. Departamento de Tecnología Informática y Computación
Palabras clave: Convolutional Neural Networks | Human Behaviour | Long-Short Term Memory | Recurrent Neural Networks | RGB-D Cameras
Área/s de conocimiento: Arquitectura y Tecnología de Computadores
Fecha de publicación: 2017
Editor: IGI Global
Cita bibliográfica: International Journal of Computer Vision and Image Processing. 2017, 7(4): 1-14. doi:10.4018/IJCVIP.2017100101
Resumen: This article describes how the human activity recognition in videos is a very attractive topic among researchers due to vast possible applications. This article considers the analysis of behaviors and activities in videos obtained with low-cost RGB cameras. To do this, a system is developed where a video is input, and produces as output the possible activities happening in the video. This information could be used in many applications such as video surveillance, disabled person assistance, as a home assistant, employee monitoring, etc. The developed system makes use of the successful techniques of Deep Learning. In particular, convolutional neural networks are used to detect features in the video images, meanwhile Recurrent Neural Networks are used to analyze these features and predict the possible activity in the video.
Patrocinador/es: This work has been funded by the Spanish Government TIN2016-76515-R grant for the COMBAHO project, supported with Feder funds.
URI: http://hdl.handle.net/10045/75589
ISSN: 2155-6997 (Print) | 2155-6989 (Online)
DOI: 10.4018/IJCVIP.2017100101
Idioma: eng
Tipo: info:eu-repo/semantics/article
Derechos: © 2017, IGI Global
Revisión científica: si
Versión del editor: https://doi.org/10.4018/IJCVIP.2017100101
Aparece en las colecciones:INV - I2RC - Artículos de Revistas

Archivos en este ítem:
Archivos en este ítem:
Archivo Descripción TamañoFormato 
Thumbnail2017_Abellan-Abenza_etal_IJCVIP.pdf3,27 MBAdobe PDFAbrir Vista previa


Todos los documentos en RUA están protegidos por derechos de autor. Algunos derechos reservados.