Si tiene una idea clara de qué tipo de acciones (o secuencia de acciones) desea reconocer, encontrará dos grandes familias de técnicas en la literatura:
– Las técnicas simbólicas provienen de la comunidad de IA como el razonamiento temporal bajo restricciones [1].
– Técnicas probabilísticas como Hidden Markov Models [2] o Bayesian Networks [3].
Minería de datos Las técnicas (minería de reglas de asociación) también se pueden utilizar para descubrir acciones desconocidas.
- Wikipedia sobre inteligencia artificial enumera siete objetivos principales. ¿Cómo se comparan entre sí en términos de dificultad y complejidad?
- ¿La inversión de Google en aprendizaje automático y aprendizaje profundo valdrá la pena en su competencia contra Apple?
- ¿Puede un cerebro artificial ser la clave de la inmortalidad?
- Quiero construir un robot durante las vacaciones de invierno, ¿qué tipo de robot me recomiendan?
- ¿Qué opinas sobre la IA que ha cerrado Facebook?
Para obtener más detalles, puede consultar algunos documentos de revisión de este dominio [4].
No hay bala de plata. Las técnicas simbólicas no manejan bien la incertidumbre y las técnicas probabilísticas requieren una gran cantidad de muestras de video para construir modelos confiables. Tomar la decisión correcta depende de su problema y de la calidad / tamaño de su conjunto de datos.
En los sistemas del mundo real, el desarrollo de detectores de acción ad-hoc debe considerarse para acciones razonablemente simples. El problema aquí es adoptar buenas técnicas de ingeniería de software para poder extender fácilmente el sistema.
[1] Van-Thinh VU, François BRÉMOND y Monique THONNAT. Interpretación automática de video: un algoritmo novedoso para el reconocimiento de escenarios temporales. La Decimoctava Conferencia Conjunta Internacional bianual sobre Inteligencia Artificial (IJCAI’03), Acapulco, México, 15-15 / 08/2003
[2] Yamato, J., Ohya, J. e Ishii, K. 1992. Reconociendo la acción humana en imágenes secuenciales en el tiempo utilizando modelos ocultos de Markov. En Actas de la Conferencia IEEE sobre Visión por Computadora y Reconocimiento de Patrones (CVPR), IEEE, Los Alamitos, CA, 379–385.
[3] Park, S. y Aggarwal, JK 2004. Una red bayesiana jerárquica para el reconocimiento de eventos de acciones e interacciones humanas. Sistema Multimedia 10, 2, 164-179.
[4] JK Aggarwal, MS Ryoo. Análisis de la actividad humana: una revisión. ACM Computing Surveys (CSUR), Volumen 43, Edición 3, abril de 2011 – http://portal.acm.org/citation.c…
