@InProceedings{2019_yang611,
	author = "Yu Liu and Fan Yang and Dominique Ginhac",
	title = "A starting point for real-time human action detection",
	booktitle = "27° Colloque sur le traitement du signal et des images",
	year = "2019",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "001-078",
	pages = "p. 313-316",
	month = "Aout # 26--29",
	address = "Lille",
	doi = "",
	pdf = "2019_yang611.pdf",
	abstract = "Analyser les actions humaines dans des séquences vidéo implique la compréhension du contexte spatial et temporel de la scène. Les réseaux de neurones convolutifs (CNNs) montrent des performances impressionnantes dans ce domaine. Cependant, la plupart des méthodes existantes fonctionnent hors ligne, non en temps réel et ne sont pas adaptées aux scénarios réalistes comme la conduite autonome et la surveillance publique. De plus, elles sont souvent trop gourmandes en consommation d’énergie pour être implémentées sur des systèmes embarqués. Dans ce papier, nous traçons d'abord un état de l'art des méthodes de détection des actions basées sur les CNNs. Puis nous proposons une chaîne de traitement rapide grâce à la propagation des caractéristiques d'apparence en utilisant les flux optiques. Notre approche est testée sur la base de données publique UCF-101-24. Les résultats expérimentaux obtenus valident son utilisation pour la détection d'actions en temps réel (40 fps)..pdf",
}
