Bio-inspired models for motion estimation and analysis (human action recognition and motion integration)

This thesis addresses the study of the motion perception in mammals and how bio-inspired systems can be applied to real applications. The first part of this thesis relates how the visual information is processed in the mammal's brains and how motion estimation is usually modeled. Based on this analysis of the state of the art, we propose a feedforward V1-MT core architecture. This feedforward V1-MT core architecture will be a basis to study two different kinds of applications. The first application is human action recognition, which is still a challenging problem in the computer vision community. We show how our bio-inspired method can be successfully applied to this real application. Interestingly, we show how several computational properties inspired from motion processing in mammals, allow us to reach high quality results, which will be compared to latest reference results. The second application of the bio-inspired architecture proposed in this thesis, is to consider the problem of motion integration for the solution of the aperture problem. We investigate the role of delayed V1 surround suppression, and how the 2D information extracted through this mechanism can be integrated to propose a solution for the aperture problem. Finally, we highlight a variety of important issues in the determination of motion estimation and additionally we present many potential avenues for future research efforts.Cette thèse porte sur l'étude et la modélisation de la perception du mouvement chez le mammifère. Nous montrons comment un système bio-inspiré peut être appliqué dans le cadre d'une application réelle de vision par ordinateur, mais aussi comment il permet de mieux comprendre des phénomènes observés en neurosciences. La première partie de cette thèse étudie comment l'information visuelle est traitée chez le mammifère et comment l'estimation du mouvement est classiquement modelisée. A partir de cette analyse de l'état de l'art, nous avons proposé une architecture sequentielle générale, modélisant les aires corticales V1 et MT. Nous avons utilisé cette architecture pour étudier deux applications. La première application est la reconaissance d'actions dans les séquences d'images, problèmatique encore ouvert en vision par ordinateur. Nous montrons comment notre architecture bio-inspirée peut être appliquée avec succés dans le cadre de cette application réelle, en y apportant de nouvelles idées. En particulier, nous montrons comment la prise en compte de plusieurs propriétés du système visuel chez le mammifère nous permettent d'obtenir des résultats de haute qualité, comparables à ceux des approches les plus récentes. La deuxième application de l'architecture bio-inspirée proposée dans le cadre de cette thèse, est de chercher à comprendre la dynamique de l'intégration du mouvement. Pour cela, nous avons cherché à comprendre le rôle fonctionnel de la suppression du pourtour des neurones de V1. Notre modèle montre comment l'information 2D extraite à partir de ce mécanisme de suppression peut être intégrée dans la solution du problème d'ouverture. Enfin de nombreuse perspectives concluent ce travail, qui montrent combien l'étude de l'estimation de mouvement conserve encore de nombreuses problematiques.NICE-BU Sciences (060882101) / SudocSudocFranceF