[ANGLÈS] Human activity is constantly generating a large volume of data, these data can be collected and used to gain new insights in social sciences, linguistics, economics, etc. as well as artificial intelligence and computer sciences. To be really useful, these data should be annotated and available in large amounts but the annotation processes are costly as they involve too much manual work. That’s why automatic annotation tools that could do these annotations automatically and reduce the manual work are more and more required. In this project we wanted to work in the practical case of video automatic annotation, developing and testing a system for recognizing faces in videos. Specifically, we have improved the classification part of an existing system developed at the UPC using the technique of Support Vector Machines (SVM) and we have extended its functionality to video sequences. Due to the large amount of possible system configuration, we have had to search which configurations could be appropriate and test them with several simulations to find the best one in terms of time and performance.

[CASTELLÀ] La actividad humana está generando continuamente un enorme volumen de datos, estos datos pueden ser recopilados y utilizados para obtener nuevos conocimientos en el ámbito de las ciencias sociales, la lengua, la economía, etc. y también se pueden aplicar en la inteligencia artificial y las ciencias de la computación. Para que estos datos sean realmente útiles se necesita que estén anotados y disponibles en grandes cantidades pero los procesos de anotación resultan costosos ya que requieren de mucho trabajo manual. Es por ese motivo que cada vez más se necesitan herramientas que puedan realizar estas anotaciones de manera automática y reduzcan la carga del trabajo manual En este proyecto se ha querido trabajar en el caso práctico de la anotación automática de vídeos, desarrollando y probando un sistema de reconocimiento de caras en videos. Concretamente se ha mejorado la parte de clasificación de un sistema ya existente y desarrollado en la UPC usando la técnica de las máquinas de vectores de soporte (Support Vector Machines, SVM) y se ha extendido su funcionalidad a secuencias de video. Dado el gran número de configuraciones posibles del sistema, se han tenido que buscar cuáles podían ser las más adecuadas y probarlas con distintas simulaciones hasta encontrar la mejor configuración en cuanto a tiempo y prestaciones.

[CATALÀ] L’activitat humana està generant contínuament un enorme volum de dades, aquestes dades poden ser recopilades i utilitzades per a obtenir nous coneixements en l’àmbit de les ciències socials, la llengua, l’economia, etc. i també es poden aplicar en la intel·ligència artificial i en les ciències de la computació. Per a que aquestes dades siguin realment útils cal que estiguin anotades i disponibles en grans quantitats, però els processos d’anotació resulten costosos ja requereixen de molt treball manual. És per a això que cada cop més es necessiten eines que puguin realitzar aquestes anotacions de manera automàtica i redueixin la càrrega de treball manual. En aquest projecte s’ha volgut treballar en el cas pràctic de l’anotació automàtica de vídeos, desenvolupant i provant un sistema de reconeixement de cares en seqüències de vídeo. Concretament s’ha millorat la part de classificació d’un sistema ja existent desenvolupat a la UPC utilitzant la tècnica de les màquines de vectors de suport (Support Vector Machines, SVM) i s’ha estès la funcionalitat a les seqüències de vídeo. Donat el gran nombre de configuracions possibles del sistema s’ha hagut de buscar quines podien ser les més adequades i provar-les amb diverses simulacions fins trobar la millor configuració en quant a temps i prestacions.