Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-06-06T12:10:59Z No. of bitstreams: 1 luizmauriliodasilvamaciel.pdf: 11082986 bytes, checksum: ce05919ae5e2bd37882838427a25f4a3 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-06-06T12:17:02Z (GMT) No. of bitstreams: 1 luizmauriliodasilvamaciel.pdf: 11082986 bytes, checksum: ce05919ae5e2bd37882838427a25f4a3 (MD5) / Made available in DSpace on 2017-06-06T12:17:02Z (GMT). No. of bitstreams: 1 luizmauriliodasilvamaciel.pdf: 11082986 bytes, checksum: ce05919ae5e2bd37882838427a25f4a3 (MD5) Previous issue date: 2014-02-27 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Identificar movimento em vídeos é uma tarefa fundamental a fim de analisar a sua infor-mação semântica. Uma das principais ferramentas para a identificação de movimento é o fluxo óptico, o qual estima a projeção da velocidade 3D dos objetos sobre o plano da câmera. Neste trabalho é proposto um método diferencial de fluxo óptico baseado na equação da onda. O fluxo óptico é calculado através da minimização de funcional de energia composto por dois termos: um termo de constância de brilho e um termo de energia da onda. O fluxo é então determinado através da resolução iterativa de um sistema de equações lineares. O desacoplamento entre os pixels na solução garante convergência rápida e torna o método adequado para a paralelização. No entanto, nossa abordagem não converge para todos os pontos de imagem, sendo apresentadas as suas condições de convergência. O fluxo proposto é aplicado no problema de reconhecimento de ação através da criação de um descritor global de vídeo baseado em histogramas de fluxo óptico (HOF). Apesar da sua esparsidade, o método proposto supera as abordagens clássicas. Também são avaliadas medidas de erro de fluxo óptico para algumas sequências de imagens conhecidas. Os erros encontrados são similares para o nosso método e as abordagens clássicas de fluxo óptico. / Identification of motion in videos is a fundamental task to analyse their semantic informa-tion. One of the main tools for motion identification is the optical flow, which estimates the projection of the 3D velocity of the objects onto the plane of the camera. In this work, we propose a differential optical flow method based on the wave equation. The optical flow is computed by minimizing a functional energy composed by two terms: brightness constancy and energy of the wave. The flow is then determined by solving iteratively a system of linear equations. The decoupling of the pixels in the solution ensures quick convergence and makes the method suitable for parallelization. However, our approach does not converge for all the image points and we present its convergence conditions. We apply our optical flow in the action recognition problem by creating a global video descriptor based on histograms of optical flow (HOF). Despite its sparsity, our method outperforms the classical approaches. We also evaluate optical flow error measures for some known image sequences. The errors found are similar for our method and the classical optical flow approaches.