Βιογραφικό Σηµείωµα Κωνσταντίνου Παναγιωτάκη

Βιογραφικό Σηµείωµα Κωνσταντίνου Παναγιωτάκη 1. ΠΡΟΣΩΠΙΚΕΣ ΠΛΗΡΟΦΟΡΙΕΣ Επώνυµο: Παναγιωτάκης Όνοµα: Κωνσταντίνος Πατρώνυµο: Εµµανουήλ Όνοµα µητρός: Αφροδίτη Τόπος γέννησης: Ηράκλειο Ηµ/νία γέννησης: 27/04/1979 Υπηκοότητα: Ελληνική ιεύθυνση: Σουλίου 24, Άγιος Νικόλαος Κρήτης, Τ.Κ 72100 (Ριζηνίας 38, Ηράκλειο Κρήτης, Τ.Κ 71305) Τηλέφωνο: 6932539951 E-mail: cpanag@csd.uoc.gr Ιστοσελίδα: www.csd.uoc.gr/~cpanag 2.1 ιδακτορική διατριβή Ίδρυµα: Τµήµα: Τοµέας: Πανεπιστήµιο Κρήτης Eπιστήµης Υπολογιστών 2. ΣΠΟΥ ΕΣ Υπολογιστική και Γνωσιακή Όραση και Ροµποτική ιάρκεια: 2003-2007 (ηµεροµηνία παρουσίασης: 27 Μαρτίου 2007) (ηµεροµηνία αναγόρευσης διδάκτορα: 22 Μαΐου 2007) Τίτλος: Επόπτης: ΓΜΕ: «Ανάλυση Κίνησης και Μοντελοποίηση για Αναγνώριση ραστηριότητας και 3- Συνθετική Κίνηση βασισµένη σε Γεωµετρικούς Αλγορίθµους και Μεθόδους Επεξεργασίας Βίντεο» Καθηγητής Γ. Τζιρίτας Πέρασε επιτυχώς τις Γενικές Μεταπτυχιακές Εξετάσεις (ΓΜΕ) τον εκέµβριο του 2003. Τοµείς εξέτασης: Υπολογιστική και Γνωσιακή Όραση και Ροµποτική, ίκτυα Υπολογιστών και Ψηφιακές Επικοινωνίες, Αλγοριθµική και ανάλυση συστηµάτων Μέσος Βαθµός Μαθηµάτων: 9.1 / 10.00 (Άριστα) 1

2.2 Μεταπτυχιακό ίπλωµα Ειδίκευσης Ίδρυµα: Τµήµα: Πανεπιστήµιο Κρήτης Eπιστήµης Υπολογιστών ιάρκεια: 2001-2003 (ηµεροµηνία ορκωµοσίας: 26 Ιουλίου 2003) 1 ος τοµέας: Μηχανική Όραση και Ροµποτική 2 ος τοµέας: ίκτυα Υπολογιστών και Ψηφιακές Επικοινωνίες Τίτλος: Επόπτης: «Αναγνώριση και Παρακολούθηση των Μελών του Ανθρωπίνου Σώµατος σε Κίνηση» Καθηγητής Γ. Τζιρίτας Μέσος Βαθµός Μαθηµάτων: 9.14 / 10.00 (Άριστα) 2.3 Πτυχίο Τµήµατος Υπολογιστών Ίδρυµα: Τµήµα: Πανεπιστήµιο Κρήτης Eπιστήµης Υπολογιστών ιάρκεια: 1997-2001 (ηµεροµηνία ορκωµοσίας: 24 Ιουλίου 2001) Βαθµός πτυχίου: 9.00 / 10.00 (Άριστα) ιπλωµατική εργασία: «Τµηµατοποίηση ήχου και κατηγοριοποίηση σε µουσική και οµιλία», υπό την καθοδήγηση του καθηγητή Γ. Τζιρίτα (Βαθµός: 10.00 /10.00) 2.4 Απολυτήριο Γενικού Λυκείου Αγίου Νικολάου: Ιούνιος 1997, Άριστα (Βαθµός: 19.0 / 20.0) 3. ΣΤΡΑΤΙΩΤΙΚΗ ΘΗΤΕΙΑ 3.1 Σώµα Έρευνας Πληροφορικής (Στρατός Ξηράς) (2007-2008) Το Μάιο του 2007 κατατάχθηκε στο στρατό ξηράς, για κανονική θητεία 12 µηνών. Τον Ιούλιο του 2007 ολοκλήρωσε τη βασική εκπαίδευση στη Σχολή Αξιωµατικών Έρευνας Πληροφορικής, ως στρατιώτης έρευνας πληροφορικής µε ειδικότητα αναλυτή προγραµµατιστή, και στη συνέχεια υπηρέτησε για 5 µήνες στο Γραφείο Έρευνας Πληροφορικής της 96-Α ΤΕ στη Χίο. Το εκέµβριο του 2007 µετατέθηκε στη Σχολή Εφέδρων Αξιωµατικών Πεζικού, διαχειριστής των υπολογιστικών συστηµάτων στο διοικητήριο της Σχολής. Κατά τη θητεία του ασχολήθηκε κυρίως µε τη δηµιουργία και διαχείριση δικτύων Η/Υ, χρήση Windows 2003 Server, χρήση στρατιωτικών εφαρµογών και εφαρµογών επεξεργασίας εικόνας, video και ήχου. 2

4. ΞΕΝΕΣ ΓΛΩΣΣΕΣ Αγγλικά: First Certificate in English (FCE) 5. ΓΝΩΣΕΙΣ Η/Υ Γλώσσες Προγραµµατισµού: C, C++, Java, Matlab, VRML, BVH, Assembly, Pascal, ActionScript, Verilog. Ιδιαίτερη προγραµµατιστική εµπειρία σε C, Matlab και Java Λειτουργικά συστήµατα: Εργαλεία - Εφαρµογές: Unix Linux Solaris Windows 98/2000/XP/2003 Server/Vista Mathcad, Microsoft Office, LATEX, Photoshop, Poser, CorelDraw, Flash, VirtualDub, Premiere, Pinnacle Studio, Audition, Soundforge 6. ΥΠΟΤΡΟΦΙΕΣ - ΙΑΚΡΙΣΕΙΣ 1991-1997: Αριστούχος σε όλες τις τάξεις Γυµνασίου και Λυκείου 1997: 2 ος στην Κρήτη στον πανελλήνιο ιαγωνισµό Χηµείας 1997: Εισαγωγή 1 ος στο τµήµα Επιστήµης Υπολογιστών 1997 Υποτροφία από το Ίδρυµα Κρατικών Υποτροφιών (ΙΚΥ) Μινωικές Υποτροφίες (1997-2001) 1998: 1 ος στην επίδοση κατά το πρώτο φοίτησης Υποτροφία από το Ίδρυµα Κρατικών Υποτροφιών (ΙΚΥ) 1999: 2 ος στην επίδοση κατά το δεύτερο έτος φοίτησης 2001: 2 ος σε βαθµό πτυχίου στους εισαχθέντες του 1997 2001: εκτός στο µεταπτυχιακό πρόγραµµα σπουδών από το Πανεπιστήµιο Κρήτης µε υποτροφία 2002: 2 ο βραβείο στα Εricsson Αwards, για την πτυχιακή εργασία 2003: 1 ος σε βαθµό µεταπτυχιακού διπλώµατος στους εισαχθέντες του 2001 2004: Υποτροφία Κληροδοτήµατος «Μαρία Μιχαήλ Μανασάκη». 2005-2007: Υποτροφία µε µορφή σύµβασης έργου από το ερευνητικό πρόγραµµα της ΓΓΕΤ «ΠΕΝΕ 2003» για τη εκπόνηση διδακτορικής διατριβής 2006: Βράβευση σε παγκόσµιο συνέδριο πληροφορικής για την εργασία 8.2- [7] : Sponsor Award on International Conference on Articulated Motion and Deformable Objects, 2006, Mallorca, Spain. Sponsor Award for the work more suitable for commercialization 2006: Συµπεριλαµβάνεται στην παγκόσµια συλλογή βιογραφιών Who s Who in the World 2006 3

2006: Έλαβε το βραβείο 21 st Century Award for Achievement και πλέον συµπεριλαµβάνεται στη διεθνή συλλογή βιογραφιών International Biographical Center (IBC), 2000-2100 2007: Συµπεριλαµβάνεται στην παγκόσµιο συλλογή βιογραφιών Who s Who in the World 2007 2008: Συµπεριλαµβάνεται στην παγκόσµιο συλλογή βιογραφιών Who s Who in the World 2008 2008: Συµπεριλαµβάνεται στο κατάλογο FOREMOST EDUCATORS of the WORLD 2008 από τη διεθνή συλλογή βιογραφιών της International Biographical Center (IBC) 2008: Έλαβε το βραβείο International Professional of the Year 2008 από τη διεθνή συλλογή βιογραφιών International Biographical Center (IBC) 2008: Έλαβε το βραβείο Plato Award για το έτος 2008 από τη διεθνή συλλογή βιογραφιών International Biographical Center (IBC) 7. ΕΡΕΥΝΗΤΙΚΗ ΕΜΠΕΙΡΙΑ 7.1 Εργαστήριο Πληροφορικής Πολυµέσων. Υπεύθυνος καθηγητής : Γ. Τζιρίτας 1999 2000 Σύµβαση ανάθεσης έργου στο ερευνητικό πρόγραµµα «ΠΑΝΟΡΑΜΑ». Ανάπτυξη συστήµατος επεξεργασίας ήχου, τµηµατοποίησης και ταξινόµησης σε µουσική και οµιλία. Χρήση προγραµµατιστικών εργαλείων C, C++, MATLAB, JAVA. 2001 2002 Σύµβαση ανάθεσης έργου στο ευρωπαϊκό ερευνητικό πρόγραµµα «Personalized, Immersive Sports TV experience (PISTE)». Ανάπτυξη συστήµατος για παρακολούθηση ανθρώπου και µελών ανθρώπινου σώµατος. Eξαγωγή 18 σηµαντικότερων σηµείων από σιλουέτα.. Χρήση προγραµµατιστικών εργαλείων C, MATLAB, JAVA. 2002 2007 Σύµβαση ανάθεσης έργου στο ευρωπαϊκό ερευνητικό πρόγραµµα «Digital Ecological and Artistic Heritage Exchange (DHX)». Τρισδιάστατη µοντελοποίηση ζώων (αετός, φίδι, σαύρα, αγρίµι) µε προσθήκη κίνησης. Εισαγωγή τους σε εικονικό περιβάλλον και ανάπτυξη αλγορίθµου πλοήγησης στον εικονικό κόσµο. Χρήση προγραµµατιστικών εργαλείων C, MATLAB, VRML, BVH, AVANGO, POSER. 2005 2007 Σύµβαση ανάθεσης έργου στο ευρωπαϊκό ερευνητικό πρόγραµµα «SIMILAR European Network of Excellence». Ανάλυση κίνησης αθλητών και αναγνώριση δράσης και δραστηριότητας. Χρήση προγραµµατιστικών εργαλείων C, MATLAB. 2005 2007 Σύµβαση ανάθεσης έργου στο ερευνητικό πρόγραµµα της ΓΓΕΤ «ΠΕΝΕ 2003». Ανάλυση Κίνησης και Μοντελοποίηση για Αναγνώριση ραστηριότητας και 3- Συνθετική Κίνηση βασισµένη σε Γεωµετρικούς Αλγορίθµους και Μεθόδους Επεξεργασίας Βίντεο Χρήση προγραµµατιστικών εργαλείων C, MATLAB, VRML. 4

2006 2007 Συνεργασία στο ερευνητικό πρόγραµµα της ΓΓΕΤ «TV++». Εξαγωγή χαρακτηριστικών εικόνων (Key Frames) από βίντεο. Χρήση προγραµµατιστικών εργαλείων C, MATLAB. 2006 σήµερα Συνεργασία στη µελέτη του προβλήµατος της ισοδιαµέρισης καµπύλης και σε εφαρµογές του στην υπολογιστική όραση και επεξεργασία σηµάτων. Στη µελέτη του προβλήµατος αυτού υπάρχει συνεργασία και µε τους καθηγητές Γ. Γεωργακόπουλο και Κ. Αθανασσόπουλο. 7.2 Εργαστήριο Επεξεργασίας Εικόνων και Σηµάτων (Images and Signal Depart.) στη Grenoble της Γαλλίας. 2004-σήµερα Συνεργασία µε τους Dr. Ε. Ramasso, Prof. D. Pellerin και Prof. M. Rombaut σε προβλήµατα αυτόµατης ανάλυσης κίνησης αθλητών (σε οµαδικά και ατοµικά αθλήµατα) µε στόχο την αναγνώριση της δράσης και της δραστηριότας τους. Ανταλλαγή δεδοµένων, δηµιουργία κοινού interface, ανάπτυξη µεθόδων για την επίλυση του προβλήµατος, συγγραφή κοινών δηµοσιεύσεων. 2006 Εργάστηκε στο εργαστήριο Images and Signal Depart. της Grenoble τον Ιανουάριο του 2006 (διάρκεια παραµονής: ένας µήνας) µε υποτροφία από το Similar project. 7.3 Εργαστήριο Γεωφυσικής και Περιβαλλοντικής Γεωτεχνολογίας στο τµήµα Φυσικών Πόρων και Περιβάλλοντος, Τ.Ε.Ι. Κρήτης, Χανιά. 2006-σήµερα Συνεργασία µε την Καθ. Ε. Κόκκινου, για την αυτόµατη επεξεργασία και ανάλυση σεισµολογικών σηµάτων. Εντοπισµός P, S χρονικών στιγµών σεισµικής ακολουθίας. Ανάπτυξη µεθόδων για την επίλυση του προβλήµατος σε Matlab και συγγραφή κοινών δηµοσιεύσεων. 7.4 Εργαστήριο Εφαρµογών Ηλεκτρονικού Eµπορίου. Υπεύθυνος καθηγητής : Π. Καβάσσαλης 2000 2001 Σύvεργασία στο ευρωπαϊκό ερευνητικό πρόγραµµα «I-Cities». Ανάπτυξη πρωτότυπης µεθόδου Μοντελοποίησης εικονικού κόσµου (µέθοδοι κατοίκησης κόσµου και δηµιουργίας σχέσεων µεταξύ ανθρώπων) για την εξοµοίωση αγορών στο διαδίκτυο µε µηδενική χρέωση, όπως ICQ, MSN. Χρήση προγραµµατιστικών εργαλείων C, MATLAB. 8. Ι ΑΚΤΙΚΗ ΕΜΠΕΙΡΙΑ 8.1 Επισκέπτης Καθηγητής (Π.. 407), Τµήµα Επιστήµης Υπολογιστών, Παν. Κρήτης Εαρινό Εξάµηνο 2007-08: Προγραµµατισµός (ΗΥ150) Χειµερινό Εξάµηνο 2008-09: Προγραµµατισµός (ΗΥ150) 5

Εαρινό Εξάµηνο 2008-09: Τεχνολογία Πολυµέσων (ΗΥ474) Εαρινό Εξάµηνο 2008-09: Απειροστικός Λογισµός ΙΙ (ΗΥ111) 8.2 Επιστηµονικός Συνεργάτης, Τµήµα Εµπορίας & ιαφήµισης, ΤΕΙ Κρήτης Ακαδηµαϊκό Έτος 2008-09: Εφαρµογές Πολυµέσων στο Μάρκετινγκ 8.3 Επιστηµονικός Συνεργάτης, Τµήµα Χρηµατοοικονοµικής & Ασφαλιστικής, ΤΕΙ Κρήτης Ακαδηµαϊκό Έτος 2008-09: Προγραµµατισµός και εφαρµογές Η/Υ µε τη χρήση του MATLAB 8.4 Βοηθός Μαθηµάτων στο Τµήµα Επιστήµης Υπολογιστών (2001-2007) Καθήκοντα: Φροντιστήρια, διδασκαλία µαθηµάτων, εξέταση / διόρθωση ασκήσεων 2001-2007: Ψηφιακή Επεξεργασία Εικόνων 2003-2007: Επεξεργασία Βίντεο 2005-2006: Αναγνώριση Προτύπων 2006: Νευρωνικά δίκτυα 2004: Γλώσσες και Μεταφραστές 2002: Ψηφιακή Επεξεργασία Σηµάτων 2002: Θεωρία Πληροφορίας και Κωδικοποίησης 8.5 Καθηγητής Πληροφορικής σε Λύκειο (ΤΕΕ) (2002-2007) Τίτλος µαθήµατος: Χρήση και εφαρµογές Η/Υ. 9.1 ιεθνή Επιστηµονικά Περιοδικά 9. ΗΜΟΣΙΕΥΣΕΙΣ ΣΥΓΓΡΑΦΙΚΟ ΕΡΓΟ [1] C. Panagiotakis and G. Tziritas, A speech/music discriminator based on RMS and zero-crossings, IEEE Transactions on Multimedia, Vol. 7, No. 1, pp. 155-166, Feb. 2005. [2] N. Komodakis, C. Panagiotakis and G. Tziritas, 3D visual reconstruction of large scale natural sites and their fauna, Signal Processing: Image Communication, Vol. 20, No. 9-10, pp. 869-890, Oct. 2005. [3] C. Panagiotakis and G. Tziritas, Snake terrestrial locomotion synthesis in 3D virtual environments, Visual Computer, Vol. 22, No. 8, pp. 86-98, 2006. [4] C. Panagiotakis and G. Tziritas, Any dimension polygonal approximation based on equidistance principle, Pattern Recognition Letters, Vol. 28, No. 5, pp. 582-591, 2007. [5] E. Ramasso, C. Panagiotakis, M. Rombaut and D. Pellerin, Human action recognition in videos based on the Transferable Belief Model, Pattern analysis and Applications, Vol. 11, No. 1, pp. 1-19, 2008. [6] C. Panagiotakis, E. Ramasso, G. Tziritas, M. Rombaut and D. Pellerin, Shapebased Individual/Group Detection for Sport Videos Categorization, International 6

Journal of Pattern Recognition and Artificial Intelligence (IJPRAI), Vol. 22, No. 6, pp. 1187-1213, 2008. [7] C. Panagiotakis, E. Kokinou, F. Vallianatos, Automatic P Phase Picking Based on Local Maxima Distribution, IEEE Trans. on Geoscience and Remote Sensing, Vol. 46, No. 8, 2008. [8] C. Panagiotakis, A. Doulamis and G. Tziritas, Equivalent Key Frames Selection Based on Iso-Content Principles, IEEE Trans. on Circuits and Systems for Video Technology, 2008 (accepted). [9] E. Ramasso, C. Panagiotakis, M. Rombaut, D. Pellerin, G. Tziritas, Human Shape-Motion Analysis for Action/Activity Recognition Applied to Athletic Videos, Electronic Letters on Computer Vision and Image Analysis, Vol. 7, No. 4, pp. 32-50, 2009. [10] C. Panagiotakis, K. Athanassopoulos and G. Tziritas, The equipartition of curves, Computational Geometry, 2009 (in press). [11] G. Georgakopoulos and C. Panagiotakis, The curve equipartition problem: an algorithmic analysis, to be submitted to Journal of Algorithms, 2009. 9.2 ιεθνή Συνέδρια [1] C. Panagiotakis and G. Tziritas, A Speech/Music Discriminator using RMS and Zero-crossings, European Signal Processing Conference, 2002. [2]. C. Panagiotakis and G. Tziritas, Construction of Animal Models and Motion Synthesis in 3D Virtual Environments using Image Sequences, 2nd Intern. Symposium on 3D Data Processing, Visualization and Transmission (3DPVT 2004), 2004. [3] C. Panagiotakis and G. Tziritas, Recognition and Tracking of the Members of a Moving Human Body, 3rd Intern. Workshop on Articulated Motion and Deformable Objects (AMDO 2004), 2004. [4] E. Ramasso, D. Pellerin, C. Panagiotakis, M. Rombaut, G. Tziritas and W. Lim, Spatiotemporal Information Fusion For Human Action Recognition In Videos, European Signal Processing Conference, 2005. [5] C. Panagiotakis, G. Georgakopoulos and G. Tziritas, On the Curve Equipartition Problem: a brief exposition of basic issues, European Workshop on Computational Geometry, 2006. [6] C. Panagiotakis, I. Grinias and G. Tziritas, Automatic Human Motion Analysis and Action Recognition in Athletics Videos, European Signal Processing Conference, 2006. [7] C. Panagiotakis, E. Ramasso, G. Tziritas, D. Pellerin and M. Rombaut, Shape- Motion Based Athlete Tracking for Multilevel Action Recognition, Intern. Conf. on Articulated Motion and Deformable Objects, 2006 (Sponsor award). [8] C. Panagiotakis, A. Doulamis and G. Tziritas, Equivalent Key Frames Selection Based on Iso-Content Distance and Iso-Distortion Principles, Intern. Workshop on Image Analysis for Multimedia Interactive Services, 2007. 7

[9] E. Kokinou, C. Panagiotakis, F. Vallianatos, Earthquake/Noise Discrimination and estimation of P-S phases based on Wave Characteristics, Bulletin of the Geological Society of Greece, Proceedings of the 11 th International Congress, Athens, May, 2007. [10] E. Kokinou, C. Panagiotakis, F. Vallianatos, Seismic phase picking based on wave characteristics, EGU2007-A-08898, accepted for presentation at the Meeting/Conference: EGU General Assembly (Vienna), 2007. [11] C. Panagiotakis, E. Ramasso, G. Tziritas, D. Pellerin and M. Rombaut, Automatic People Detection and Counting for Athletic Videos Classification, IEEE Int. Conf. On Advanced Video and Signal based Surveillance, 2007. [12] C. Panagiotakis, I. Grinias and G. Tziritas, MINMAX Video Summarization under Equality Principle, IEEE Intern. Workshop on Multimedia Signal Processing, 2007. [13] C. Panagiotakis, G. Tziritas and A. Papadopoulos, Currency Exchange Rate Segmentation and Modelling, 13th Conference on Macroeconomic Analysis and International Finance, 2009 (accepted). 9.3 Τεχνικές Αναφορές [1] C. Panagiotakis and G. Tziritas, A Speech/Music discriminator based on RMS and zero-crossings, Computer Science Department, CSD-TR-00-02, 2000. [2] C. Panagiotakis and G. Tziritas, Human Tracking in video sequences, Computer Science Department, CSD-TR-03-01, 2003. [3] C. Panagiotakis, G. Georgakopoulos and G. Tziritas, Curve Segmentation into Equal Segments, Computer Science Department, CSD-TR-05-02, 2005. 9.4 Συγγραφή Σηµειώσεων Μαθηµάτων [1] Κώστας Παναγιωτάκης, Προγραµµατισµός σε C (ΗΥ150), Τµήµα Επιστήµης Υπολογιστών, Παν. Κρήτης, 2007-08. [2] Κώστας Παναγιωτάκης, Τεχνολογία Πολυµέσων (ΗΥ474), Τµήµα Επιστήµης Υπολογιστών, Παν. Κρήτης, 2008-09. [3] Κώστας Παναγιωτάκης, Απειροστικός Λογισµός ΙΙ (ΗΥ111), Τµήµα Επιστήµης Υπολογιστών, Παν. Κρήτης, 2008-09. [4] Κώστας Παναγιωτάκης, Εφαρµογές Πολυµέσων στο Μάρκετινγκ, Τµήµα Εµπορίας & ιαφήµισης, ΤΕΙ Κρήτης, 2008-09. [5] Κώστας Παναγιωτάκης, Προγραµµατισµός και εφαρµογές Η/Υ µε τη χρήση του MATLAB, Τµήµα Χρηµατοοικονοµικής & Ασφαλιστικής, ΤΕΙ Κρήτης, 2008-09. 10. ΙΟΡΘΩΤΗΣ (REVIEWER IN JOURNALS/CONFERENCES) IEEE Trans. on Geoscience and Remote Sensing Pattern Analysis and Applications Journal (Springer) Information sciences Journal (Elsevier) 8

European Signal Processing Conference (EUSIPCO) International Workshop on Image Analysis for Multimedia Interactive Services (WIAMIS) 11. ΟΜΙΛΙΕΣ ΣΕΜΙΝΑΡΙΑ (INVITED TALKS) 2004 April, Animal Animation, Digital Ecological and Artistic Heritage Exchange (DHX) project. May, Human Motion Analysis/Synthesis and Construction of Animal Characters in 3D Virtual Environments, Ecole Polytechnique Fédérale de Lausanne (EPFL) Lausanne, Switzerland, SIMILAR European Network of Excellence Project. 2005 March, WP3: Computer Vision Methods, Digital Ecological and Artistic Heritage Exchange (DHX) project. May, Demonstration of 3D Virtual Samaria Gorge, Natural Museum of Crete, Heraklion, Greece. December, Animal Animation in Virtual Environments and 2D/3D Human Tracking, Virtual Reality Department, Foundation of the Hellenic World, Athens, Greece. 2006 January, Image Based Human Motion Analysis and 3D Animal Animation Synthesis, Laboratoire des Images et des Signaux (LIS) at Grenoble, France. March, The Curve Equal-Partition (EP) Problem and a Polygonal Approximation Method, seminar, University Of Crete, Heraklion. June, Shape-Motion Based Athlete Tracking for Multilevel Action Recognition, WP9-10 Meeting, Heraklion, Crete, SIMILAR European Network of Excellence Project. May, Shape-Motion Based Athlete Tracking for Multilevel Action Recognition, Research Days, Technical Chamber of Greece, Athens, Greece. October, Key Frames Selection Based on Curve Equipartition Problem, WP9-10 Meeting, Dublin, Ireland, SIMILAR European Network of Excellence Project. November, Shape-Motion Based Athlete Tracking for Multilevel Action and Activity Recognition, Industry Day, Brussels, Belgium, SIMILAR European Network of Excellence Project. 2008 Μάιος, ΣΕΜΙΝΑΡΙΟ ΧΡΗΣΗΣ ΤΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟΥ ΠΕΡΙΒΑΛΛΟΝΤΟΣ MATLAB, ΤΕΙ Κρήτης. 12. ΕΠΙΣΤΗΜΟΝΙΚΑ ΕΝ ΙΑΦΕΡΟΝΤΑ 9

Επεξεργασία και ανάλυση βίντεο-εικόνων-ήχου και σηµάτων, Πολυµέσα, Ανάλυση και σύνθεση κίνησης, Γραφική, Νευρωνικά δίκτυα, Αναγνώριση προτύπων, Αλγόριθµοι και Πολυπλοκότητα. 13. ΣΥΝΟΠΤΙΚΗ ΑΝΑΛΥΣΗ ΕΠΙΛΕΓΜΕΝΩΝ ΕΡΓΑΣΙΩΝ 13.1 ιεθνή Επιστηµονικά Περιοδικά [1] A Speech/Music Discriminator using RMS and Zero-crossings Σε αυτό το άρθρο παρουσιάζουµε µια µέθοδο για την αυτόµατη τµηµατοποίηση και αναγνώριση οµιλίας/µουσικής. Έχουµε χρησιµοποιήσει τα «βασικά χαρακτηριστικά» RMS και ZC, τα οποία υπολογίζονται κάθε 20 msec. Το RMS (που σχετίζεται µε την ενέργεια του σήµατος) και ZC (που σχετίζεται µε τη µέση συχνότητα) είναι σχεδόν ανεξάρτητα χαρακτηριστικά στα σήµατα µουσικής ή οµιλίας. Το RMS είναι ένα µέτρο της ηχηρότητας του σήµατος και προκύπτει από την τετραγωνική ρίζα της ενέργειάς του. Το ZC ορίζεται ως το πλήθος των διελεύσεων του σήµατος από το µηδέν. Η µέθοδος τµηµατοποίησης είναι βασισµένη µόνο στο RMS είναι χωρισµένη σε δύο στάδια, ώστε να ελαχιστοποιηθεί το κόστος υπολογισµού του αλγορίθµου. Στο πρώτο στάδιο η αλλαγή ανιχνεύεται µε ακρίβεια 1 sec και το κόστος υπολογισµού είναι χαµηλό. Στο δεύτερο στάδιο η αλλαγή ανιχνεύεται µε την ακρίβεια 20 msec και το κόστος υπολογισµού είναι υψηλό. Ο βασικός σκοπός της µεθόδου είναι να ταξινοµηθεί κάθε τµήµα στην κατηγορία µουσικής, οµιλίας και σιωπής. Η είσοδος του ταξινοµητή είναι τα «βασικά χαρακτηριστικά». Η ταξινόµηση για κάθε τµήµα βασίζεται στα τα «πραγµατικά χαρακτηριστικά» που υπολογίζονται από τα βασικά. Συµπερασµατικά, σε αυτό το άρθρο έχουµε προτείνει έναν γρήγορο και αποτελεσµατικό αλγόριθµο για τµηµατοποίηση και ταξινόµηση ήχου σε οµιλία, µουσική ή σιωπή. [2] 3D visual reconstruction of large scale natural sites and their fauna Το ευρωπαϊκό πρόγραµµα (project) DHX εισάγεται σε αυτό το άρθρο και περιγράφονται τα εργαλεία δηµιουργίας τρισδιάστατων γραφικών και κίνησης που έχουν αναπτυχθεί ως ένα από τους κύριους στόχους του προγράµµατος. Αυτά τα εργαλεία αποτελούνται κυρίως από δύο συσχετισµένα τµήµατα. Το πρώτο είναι ένα υβρίδιο (βασισµένο σε µεθόδους γεωµετρίας και ανάλυσης εικόνας) µοντελοποίησης και σύστηµα «rendering» ικανό να παρέχει φωτορεαλιστικές διαδροµές (photorealistic walkthroughs) σε πραγµατικά µεγάλης έκτασης τοπία χρησιµοποιώντας ένα αραιό σύνολο στερεοσκοπικών εικόνων. Το δεύτερο τµήµα εξετάζει τη δηµιουργία αληθοφανούς 3- κίνησης ζωντανών οργανισµών χρησιµοποιώντας ως είσοδο ακολουθίες βίντεο από κινήσεις ζώων και εκ των προτέρων γνώση για την ανατοµία τους. Και τα δύο τµήµατα έχουν εφαρµοστεί επιτυχώς σε ένα ερευνητικό και πρωτότυπο πρόγραµµα στοχεύοντας να δηµιουργήσουν µια ολοκληρωµένη εικονική αναπαράσταση του φαραγγιού Σαµαριά της Κρήτης και των βασικών ζωντανών οργανισµών του οικοσυστήµατος. [3] Snake terrestrial locomotion synthesis in 3D virtual environments Παρουσιάζουµε µια πρωτότυπη µέθοδο για την κατασκευή τρισδιάστατου (3- ) µοντέλου φιδιών και την δηµιουργία συνθετικής τους κίνησης σε 3- εικονικά 10

περιβάλλοντα χρησιµοποιώντας ακολουθίες εικόνων. Αρχικά, ο σκελετός των φιδιών εξάγεται και χωρίζεται σε ίσα τµήµατα χρησιµοποιώντας µια πρωτότυπη επαναληπτική µέθοδο που επιλύει το πρόβληµα της ισοδιαµέρισης (equipartition). Αυτή η µέθοδος εφαρµόζεται στη κατασκευή 3- µοντέλου και στον αλγόριθµο ανάλυσης κίνησης. Ο προσανατολισµός του φιδιού ελέγχεται από τη µέθοδο πλοήγησης που έχει στόχο να οδηγήσει το φίδι από συγκεκριµένα σηµεία του εικονικού κόσµου (τα οποία έχει επιλέξει ο χρήστης) µε ασφαλή (αποφεύγοντας πιθανά εµπόδια) και οµαλό τρόπο. Ένας αλγόριθµος σύνθεσης κίνησης, βασισµένος σε ένα φυσικό πρότυπο και σε δεδοµένα παρακολούθησης της κίνησης του φιδιού από τις ακολουθίες εικόνας, περιγράφει τις µεταβάσεις ταχύτητας του φιδιού και τις αλλαγές στο σχήµα του σκελετού του. Επιπλέον, ο προτεινόµενος αλγόριθµος σύνθεσης κίνησης επιτρέπει τη δηµιουργία ενός µεγάλου αριθµού µορφών σκελετών, παρέχοντας µια γενική µέθοδο για απεριοδική σύνθεση ακολουθιών κίνησης σε οποιoδήποτε γράφο κινήσεων (motion graph). Τέλος, η κίνηση φιδιού προσαρµόζεται στο τρισδιάστατο έδαφος τοπικά, ενώ η συµπεριφορά του µπορεί να ελεγχθεί εύκολα από τις πρωτότυπες παραµέτρους που παράγουν τις κατάλληλες ρεαλιστικές ακολουθίες κίνησης. [4] Any dimension polygonal approximation based on equidistance principle Σε αυτό το άρθρο, παρουσιάζουµε έναν προσεγγιστικό αλγόριθµο βασισµένο στην αρχή των ίσων σφαλµάτων, η οποία λύνει τη γενική έκδοση του προβλήµατος της πολυγωνικής προσέγγισης (GPA). Οι κόµβοι της προσέγγισης GPA µπορούν να επιλεχτούν οπουδήποτε στην αρχική πολυγωνική καµπύλη, ενώ στην περίπτωση της «κλασσικής πολυγωνικής προσέγγισης» (PA) οι κόµβοι απαιτείται να είναι ένα υποσύνολο των αρχικών κόµβων του πολυγώνου. Αν και ο προτεινόµενος αλγόριθµος δεν εγγυάται συνολικό ελάχιστο του σφάλµατος, σε πολλές περιπτώσεις σχεδόν βέλτιστες λύσεις επιτυγχάνονται. Επιπλέον, είναι πολύ ευέλικτος στις αλλαγές των κριτηρίων/µετρικών σφάλµατος και στη διάσταση της καµπύλης, παράγοντας τελικά µια εναλλακτική και σε πολλές περιπτώσεις καλύτερη λύση από τις βέλτιστες µεθόδους PA µε σχεδόν το ίδιο κόστος υπολογισµών. [5] Human action recognition in videos based on the transferable belief model Αυτό το άρθρο εστιάζει στην αναγνώριση ανθρώπινης συµπεριφοράς όπου το κύριο πρόβληµα είναι να γεφυρωθεί το σηµασιολογικό χάσµα µεταξύ των αναλογικών παρατηρήσεων του πραγµατικού κόσµου και του συµβολικού κόσµου της ανθρώπινης ερµηνείας. Για αυτό, µια αρχιτεκτονική συγχώνευσης (fusion) βασισµένη στο µοντέλο µεταβιβάσιµης πεποίθησης (Transferable Belief Model) προτείνεται και εφαρµόζεται στην αναγνώριση δράσης ενός αθλητή σε τηλεοπτικές ακολουθίες βίντεο. Σχετικά χαρακτηριστικά εξάγονται από τα βίντεο βασισµένα και στην ανάλυση της κίνησης της κάµερας και στην παρακολούθηση συγκεκριµένων σηµείων της ανθρώπινης σιλουέτας. Ένα χρονικό φίλτρο πεποίθησης χρησιµοποιείται για να βελτιώσει την απόδοση της αναγνώρισης δράσης. Η προτεινόµενη προσέγγιση παρουσιάζει υψηλή απόδοση στις δοκιµές πραγµατικών τηλεοπτικών βίντεο από αθλήµατα (άλµα εις ύψος, τριπλούν, άλµα επί κοντώ και άλµα εις µήκος) σε διαφορετικές γωνίες λήψης. Το προτεινόµενο σύστηµα συγκρίνεται επίσης µε τα «Bayesian» δίκτυα. [6] Shape-based Individual/Group Detection for Sport Videos Categorization 11

Παρουσιάζουµε µια βασισµένη στο σχήµα µέθοδο για την αυτόµατη ανίχνευση ανθρώπων και τον υπολογισµό του πλήθους των, χωρίς οποιαδήποτε υπόθεση σχετικά µε την κίνηση της κάµερας. Προκειµένου να αξιολογηθεί η προτεινόµενη µέθοδος, την έχουµε εφαρµόσει στη ταξινόµηση βίντεο στίβου σε δύο κατηγορίες: ατοµικών και οµαδικών αθληµάτων. Τα βίντεο που χρησιµοποιούνται είναι πραγµατικά και χαρακτηρίζονται από τα διαρκώς µεταβαλλόµενα και χωρίς περιορισµούς περιβάλλοντα. Επιπλέον, στην περίπτωση των οµαδικών αθληµάτων προτείνετε µια βασισµένη στις αλλαγές του σχήµατος µέθοδος (αναγνώριση δραστηριότητας) για τη διάκριση τρεξίµατος (running) και τρεξίµατος µετ εµποδίων (hurdling). Σθεναρά, προσαρµόσιµα και ανεξάρτητα από το χρώµα, αλλαγές φωτισµού και τη κίνηση της κάµερας, τα προτεινόµενα χαρακτηριστικά συνδυάζονται µε µοντέλα µεταβιβάσιµων πεποιθήσεων (Transferable Belief Model (TBM)) που παρέχουν δύο επιπέδων (εικόνα και βίντεο) κατηγοριοποίηση. Πειραµατικά αποτελέσµατα 97% ακρίβειας στην κατηγοριοποίηση ατοµικών/οµαδικών αθληµάτων σε ένα σύνολο δεδοµένων 252 πραγµατικών βίντεο αποδεικνύουν τη σταθερότητα και σθεναρότητα της προτεινόµενης µεθόδου. [7] Automatic P Phase Picking Based on Local Maxima Distribution Στο παρόν άρθρο, προτείνουµε µια µέθοδο για τον αυτόµατο προσδιορισµό της άφιξης φάσης P σεισµικής ακολουθίας βασισµένης στη κατανοµή των τοπικών µέγιστων των σεισµικών σηµάτων. Η µέθοδος συνδυάζει αποτελεσµατικά τα χαρακτηριστικά ενέργειας και συχνότητας της τοπικής κατανοµής µεγίστων (LMD). Η ανίχνευση του P είναι κυρίως βασισµένη στην ενέργεια ενός σεισµικού γεγονότος στη περίπτωση που ο σεισµός έχει υψηλότερo πλάτος από το σεισµικό θόρυβο. ιαφορετικά είναι βασισµένη στη συχνότητα των τοπικών µεγίστων. Κατά συνέπεια η µέθοδος παρέχει τη σθεναρή ανίχνευση της άφιξης φάσης P σε οποιοδήποτε τύπο σεισµικών σηµάτων. Επιπλέον, χρησιµοποιεί δύο µετακινούµενα διαδοχικά χρονικά παράθυρα στα οποία οφείλεται η πολύ υψηλή ακρίβεια στην εκτίµηση της φάσης P. Ένας ιεραρχικός αλγόριθµος ανίχνευσης της φάσης P µειώνει εντυπωσιακά το κόστος υπολογισµού, που καθιστά δυνατή την εκτέλεση της µεθόδου σε πραγµατικό χρόνο. Τα πειραµατικά αποτελέσµατα από µια µεγάλη βάση δεδοµένων χαµηλής, µέσης και υψηλής ενέργειας σεισµικών γεγονότων και η σύγκριση µε υπάρχουσες µεθόδους από τη βιβλιογραφία δείχνουν την υψηλή απόδοση του προτεινόµενου συστήµατος. [8] The Curve Equipartition Problem Αναλύεται το γενικό γεωµετρικό πρόβληµα της ισοδιαµέρισης καµπύλης, δεδοµένης µια συνεχούς καµπύλης ζητείτε η διαµέρισή της σε Ν ίσες χορδές, κάτω από οποιαδήποτε µετρική απόσταση. Επιπλέον, αποδεικνύουµε ότι το πρόβληµα επιδέχεται τουλάχιστον µια λύση κάτω από τη Ευκλείδεια απόσταση για επίπεδες καµπύλες, βασισµένοι σε έναν ισοδύναµο ορισµό του προβλήµατος. Τέλος, µελετώνται εφαρµογές βασισµένες στην ισοδιαµέριση καµπύλης, όπως η πολυγωνική προσέγγιση και η επιλογή αντιπροσωπευτικών πλάνων µιας σκηνής, ενώ αναλύονται οι ιδιότητες των λύσεων που προκύπτουν. 13.2 ιεθνή Συνέδρια [1] A Speech/Music Discriminator using RMS and Zero-crossings Σε αυτό το άρθρο παρουσιάζουµε εν συντοµία µια µέθοδο για την αυτόµατη 12

τµηµατοποίηση και κατηγοριοποίηση οµιλίας/µουσικής. Έχουµε χρησιµοποιήσει τα βασικά χαρακτηριστικά RMS και ZC, τα οποία υπολογίζονται κάθε 20 msec. Ο βασικός σκοπός της µεθόδου είναι να ταξινοµηθεί κάθε τµήµα στην κατηγορία µουσικής, οµιλίας και σιωπής. [2] Construction of Animal Models and Motion Synthesis in 3D Virtual Environments using Image Sequences Σε αυτό το άρθρο, περιγράφουµε ένα σύστηµα που µπορεί να κατασκευάσει τρισδιάστατα µοντέλα ζώων και να συνθέσει κινήσεις σε τρισδιάστατα εικονικά περιβάλλοντα. Τα µοντέλα κατασκευάζονται από 2- εικόνες που λαµβάνονται από συγκεκριµένες όψεις. Η κύρια υπόθεση της τρισδιάστατης µοντελοποίησης είναι ότι το ζώο θα µπορούσε να διαιρεθεί σε µέρη των οποίων οι κάθετες τοµές είναι ελλείψεις. Οι αρθρώσεις και οι γωνίες µεταξύ διαδοχικών σηµείων του σκελετού κάθε ζώου χρησιµοποιούνται προκειµένου να µειωθεί η πολυπλοκότητα του µοντέλου. Η κίνηση συντίθεται µε τη χρησιµοποίηση κατάλληλων µαθηµατικών µοντέλων κίνησης των ζωντανών οργανισµών και ταυτόχρονα ικανοποιώντας δεδοµένα παρακολούθησης από τις ακολουθίες εικόνων. Τέλος, ο χρήστης επιλέγει µερικά σηµεία του τρισδιάστατου κόσµου και µια οµαλή και ασφαλής πορεία, που περνά από αυτά τα σηµεία, δηµιουργείται την οποία θα ακολουθήσει το ζώο. Χρησιµοποιώντας την ανωτέρω µεθοδολογία, ένα φίδι, µια σαύρα και ένας αίγαγρος ανακατασκευάζονται. [3] Recognition and Tracking of the Members of a Moving Human Body Η ανάλυση των ακολουθιών εικόνας που περιέχουν κινούµενα αντικείµενα, όπως οι άνθρωποι, έχει αποτελέσει το αντικείµενο ιδιαίτερης έρευνας στον τοµέα της υπολογιστικής όρασης, της αναγνώρισης προτύπων, και των νευρωνικών δικτύων. Η ανθρώπινη παρακολούθηση είναι ένα δύσκολο πρόβληµα λόγω της απρόβλεπτης και περίπλοκης ανθρώπινης κίνησης και είναι ένα από τα πιο ενδιαφέροντα προβλήµατα στον τοµέα της µηχανικής όρασης. Αναπτύξαµε µια γενική µέθοδο για να λύσουµε το 2- πρόβληµα παρακολούθησης ανθρώπου χρησιµοποιώντας 18 σηµαντικά ανθρώπινα σηµεία. Το ανθρώπινο σώµα διαιρείται γεωµετρικά σε 6 κύρια µέρη ενώ αναλύεται κάθε µέρος χωριστά. Χρησιµοποιήσαµε ένα 2- ανθρώπινο πρότυπο, µια µέθοδο πρόβλεψης, ανθρωποµετρικούς περιορισµούς γεωµετρίας, και πληροφορίες χρώµατος. Ο αλγόριθµος χρειάζεται τη θέση του ανθρώπου στην πρώτη εικόνα της ακολουθίας. Ο κύριος σκοπός µας είναι να αναπτύξουµε έναν χαµηλού υπολογιστικού κόστους αλγόριθµο που µπορεί να χρησιµοποιηθεί ανεξάρτητα από τη κίνηση της κάµερας. Η έξοδος της µεθόδου είναι οι θέσεις των 18 σηµαντικών ανθρώπινων σηµείων και µια 2- ανθρώπινη µοντελοποίηση σε κάθε εικόνα της ακολουθίας. Επίσης η µέθοδός µας αναγνωρίζει εάν κάποιο ανθρώπινο µέλος είναι ορατό ή κρύβεται από κάποιο άλλο. Η ακρίβεια των αποτελεσµάτων είναι ικανοποιητική. Εντούτοις, υπάρχουν περιπτώσεις όπου ο αλγόριθµος αποτυγχάνει λόγω της χαµηλής ποιότητας εικόνας ή της χαµηλής αντίθεσης µε το φόντο. Αυτές οι περιπτώσεις µπορούν να ανιχνευθούν από τα υψηλά σφάλµατα ταιριάσµατος που προκύπτουν. [4] Spatiotemporal information for human action recognition in videos Στην εργασία αυτή ένα αφινικό µοντέλο εκτίµησης της κίνησης της κάµερας και οι τροχιές τριών κύριων σηµείων του ανθρώπου συνδυάζονται για την αναγνώριση 13

δράσης. Η µέθοδος έχει εφαρµοστεί σε βίντεο από αθλητικά meeting µε στόχο την αναγνώριση δράσεων όπως τρέξιµο, άλµα, πτώση. Η αναγνώριση δράσης στηρίζεται σε ένα µοντέλο µεταβιβάσιµης πεποίθησης (Transferable Belief Model). Τα αποτελέσµατα αποδεικνύουν την σθεναρότητα της προτεινόµενης µεθόδου. [5] On the Curve Equipartition Problem: a brief exposition of basic issues Περιγράφουµε εν συντοµία το πρόβληµα της ισοδιαµέρισης καµπύλης, σε Ν µέρη µε τις ίσες χορδές. Το µήκος µιας χορδής µπορεί να καθοριστεί από οποιαδήποτε οµαλή µετρική απόσταση. Έχουµε αποδείξει ότι µια παραλλαγή αυτού του προβλήµατος είναι NP-πλήρης, και για κάθε συνεχή καµπύλη και οποιοδήποτε Ν πάντα υπάρχει τουλάχιστον µία ισοδιαµέριση. Σε αυτήν την εργασία, προτείνουµε έναν κατά προσέγγιση αλγόριθµο και µια µέθοδο απότοµης καθόδου που συγκλίνει σε µια πραγµατική λύση του προβλήµατος. [6] Automatic Human Motion Analysis and Action Recognition in Athletics Videos Προτείνουµε µια αρχιτεκτονική για την αυτόµατη ανάλυση ανθρώπινης κίνησης και αναγνώριση δράσης δοκιµασµένη σε βίντεο µε αθλήµατα όπως άλµα εις ύψος, άλµα εις µήκος, επί κοντώ και τριπλούν. Αρχικά, 4 σηµεία του ανθρώπου αναγνωρίζονται και παρακολουθούνται από ανθρώπινες σιλούετες που υπολογίζονται από µια σθεναρή µέθοδο εκτίµησης ανεξάρτητα κινούµενων από την κάµερα αντικειµένων. Με στατιστική ανάλυση της τροχιάς των σηµείων της κίνησης γίνεται χρονική τµηµατοποίηση σε τµήµα τρεξίµατος και τµήµα άλµατος. Η αναγνώριση δραστηριότητας στηρίζεται σε σθεναρά και ανεξάρτητα από τη κίνηση της κάµερας και την επίδοση του αθλητή χαρακτηριστικά. [7] Shape-Motion Based Athlete Tracking for Multilevel Action Recognition (Sponsor award) Μια αυτόµατη µέθοδος ανάλυσης κίνησης σχήµατος βασισµένη σε µια συνδυαστική (fusion) αρχιτεκτονική προτείνεται για την αναγνώριση δράσης σε βίντεο. Τα σθεναρά χαρακτηριστικά κίνησης σχήµατος εξάγονται από την ανίχνευση και τη παρακολούθηση σηµείων του ανθρώπου. Τα χαρακτηριστικά αυτά συνδυάζονται µέσα στο µοντέλο µεταβιβάσιµης πεποίθησης (Transferable Belief Model (TBM)) για την αναγνώριση δράσης. Η ΤBM-βασισµένη διαδικασία απόφασης επιτρέπει να ληφθεί υπόψη η αβεβαιότητα και η σύγκρουση µεταξύ των ενδεχοµένων που κληρονοµούνται από τα χαρακτηριστικά. Η αναγνώριση δράσης πραγµατοποιείται από µια πολλαπλού επιπέδου ανάλυση. Κατ' αρχάς, σε ένα πρώτο στάδιο, οι δράσεις αναγνωρίζονται κατά προσέγγιση. Κατόπιν, σε ένα πιο λεπτοµερές στάδιο, µια µέθοδος αναγνώρισης ακολουθίας δράσης χρησιµοποιείται για να τις διακρίνει µε ακρίβεια. Η αλληλουχία δράσεων αξιοποιείται και ανατροφοδοτεί την εξαγωγή πληροφοριών, ώστε να βελτιωθούν τα αποτελέσµατα παρακολούθησης. Το σύστηµα εξετάζεται σε πραγµατικά βίντεο από αθλήµατα και αναγνωρίζονται τέσσερις τύποι αλµάτων: άλµα εις ύψος, άλµα εις µήκος, επί κοντώ και τριπλούν. [8] Equivalent Key Frames Selection Based on Iso-Content Distance and Iso- Distortion Principles Σε αυτό το άρθρο, παρουσιάζουµε έναν αλγόριθµο επιλογής αντιπροσωπευτικών πλάνων µιας σκηνής βασισµένο στις αρχές ίσης απόστασης περιεχοµένου και ίσης διακύµανσης (Iso-Content Distance, Distortion principles). Και στις δύο 14

περιπτώσεις, η αρχή της ισότητας παρέχει στις επιλεγµένες εικόνες την ιδιότητα να είναι ισοδύναµα στη παρουσίαση της πληροφορίας του βίντεο (content video summarization). Η µέθοδος είναι πολύ ευέλικτη σε αλλαγές των περιγραφέων του περιεχοµένου. Προτείνουµε τη χρήση ως οπτικούς περιγραφείς τους MPEG-7 οπτικούς περιγραφείς όπως τον περιγραφέα χρώµατος (Color Layout Descriptor (CLD)), ένα χαµηλού κόστους και συµπαγή περιγραφέα, ο οποίος περιγράφει οµαλά τις αλλαγές στο οπτικό περιεχόµενο µιας σκηνής. Τα αντιπροσωπευτικά πλάνα µιας σκηνής, τα πειραµατικά αποτελέσµατα και οι συγκρίσεις µε τις υπάρχουσες µεθόδους από τη λογοτεχνία δείχνουν την καλή απόδοση των προτεινόµενων σχηµάτων. [9] Earthquake/Noise Discrimination and estimation of P-S phases based on Wave Characteristics Σε αυτό το άρθρο, παρουσιάζουµε µια µέθοδο για την αυτόµατη ανάλυση σήµατος σεισµού. Προτείνουµε µια µέθοδο για την ανίχνευση φάσεων P-S βασισµένη σε χαρακτηριστικά ενέργειας και συχνότητας τα οποία αρκούν για τη διάκριση σεισµού/θορύβου. Η κύρια καινοτοµία της µεθόδου είναι η απλότητά της και η υψηλή ακρίβειά της στον υπολογισµό των P-S φάσεων. [10] MINMAX Video Summarization under Equality Principle Σε αυτό το άρθρο παρουσιάζουµε ένα σχήµα περίληψης βίντεο. Αρχικά εκτελείται η ανίχνευση σκηνών και έπειτα εξάγουµε τα αντιπροσωπευτικά πλαίσια κάτω από την απαίτηση ισότητας διακύµανσης περιεχοµένου στις υποσκηνές. Προτείνουµε έναν αλγόριθµο επιλογής αντιπροσωπευτικών πλαισίων (Iso-Content MINMAX), που είναι ευέλικτος σε οποιαδήποτε επιλογή των περιγραφέων περιεχοµένου και είναι βασισµένος στη βελτιστοποίηση του κριτηρίου MINMAX. Η αρχή της ισότητας παρέχει στα επιλεγµένα αντιπροσωπευτικά πλαίσια τη χρήσιµη ιδιότητα να είναι ισοδύναµα στην παρουσίαση της πληροφορίας του βίντεο (video content summarization). 15