• computer-vision
• ego-vision
• head-pose-estimation
• social-interactions
• wearable-cameras

La recente diffusione di dispositivi di Visione Artificiale wearable permette un nuovo tipo di registrazioni in prima persona.
Sfruttando questo punto di vista e' possibile uno studio innovativo dei comportamenti umani e delle interazioni tra i soggetti in una scena.
Questa tesi si ripropone di studiare, progettare e implementare un sistema di visione in grado di stimare e classificare le interazioni sociali all'interno di una sequenza video registrata mediante wearable cameras. Il sistema proposto fa uso di strumenti di face detection e tracking per il riconoscimento dei soggetti nella scena, classificatori SVM basati su HOG features e un modello a stati HMM per la stima dell'orientazione delle teste e regressori SVR per il calcolo della distanza.
Queste informazioni sono quindi impiegate per effettuare una stima delle tipologie e delle quantita' di interazioni sociali che intercorrono tra i soggetti partecipanti all'evento sociale registrato.

With the advent of wearable devices in Computer Vision, a new first person perspective in video sequences is possible. By studying this innovative perspective, a new approach to human behaviour analysis and social interactions is made possible. This thesis proposes to study, project and implement a computer vision framework capable of estimating and classifying human interactions in a video sequence recorded by wearable cameras. The proposed method uses face detection and tracking tools in order to recognize and follow the presence of human beings in the scene, SVM classifiers based on HOG features and HMM stateful models in order to estimate head pose and SVR regressors in the distance estimation. Such informations are then used in the estimation of social interactions between the subjects participating in the recorded event.