Abstract EN:

Dans cette thèse, nous nous occupons du problème de la reconnaissance d'actions humaines dans les données vidéo réalistes, telles que des films et des vidéos en ligne. La reconnaissance automatique et exacte des actions humaines dans une vidéo est une capacité fascinante. Les applications potentielles vont de la surveillance et de la robotique au diagnostic médical, à la recherche d'images par le contenu et les interfaces homme-ordinateur intelligents. Cette tâche constitue un grand défi à cause des variations importantes dans les apparences des personnes, les fonds dynamiques, les changements d'angle de prise de vue, les conditions de luminosité, les styles d'actions et d'autres facteurs encore. Les représentations de vidéo statistiques basées sur les caractéristiques spatio-temporelles locales se sont dernièrement montrées très efficaces pour la reconnaissance dans les scénarios réalistes. Leur succès peut être attribué à des hypothèses favorables, relatives aux données et à la solidité par rapport à plusieurs variations dans la vidéo. De telles représentations, encodent néanmoins souvent des vidéos par un ensemble désordonné de primitifs de bas niveau. La thèse élargit les méthodes actuelles en développant des caractéristiques plus distinctives et en intégrant un contrôle additionnel dans les sacs de caractéristiques basés sur les représentations vidéo, visant à améliorer la reconnaissance d'actions dans des données vidéos sans contrainte et particulièrement difficiles.