Vision et apprentissage statistique pour la reconnaissance d'items comportementaux

par Romain Hérault

Thèse de doctorat en Technologies de l'information et des systèmes

Sous la direction de Yves Grandvalet.

Soutenue en 2007

à Compiègne .


  • Résumé

    Ce travail consiste en la détection d'items comportementaux permettant la prévention de l'hypovigilance du conducteur au volant. Nous disposons de vidéos prises depuis l'habitacle d'une voiture, chaque image de ces vidéos a été caractérisée par six items comportementaux; notre travail vise à retrouver ces items comportementaux, image par image. L'étude a été décomposée en deux phases : 1) Le suivi du visage et des gestes faciaux sur les vidéos. Nous avons appliqué une méthode de suivi d'objets déformables en vision 3D auquel nous avons inclus un modèle d'apparence basé sur un modèle de mélange. 2) La détection d'items comportementaux à partir des données extraites de ce suivi. Nous avons proposé l'utilisation d'un nouveau critère sensible aux coûts de mauvaise classification afin de résoudre le problème des déséquilibres lié aux items comportementaux. Ce critère est appliqué à la détection des items comportementaux à travers l'utilisation de MLPs et de IOHMMs.

  • Titre traduit

    Vision and statistical learning for behavioral items recognition


  • Résumé

    This work consists in the detection of behavioral items in order to prevent driver drowsiness. Videos were shot from within a car, and each picture of the video was characterized by six behavioral items. Our work consists in the retrieval of these items, picture by picture. The study was decomposed into two phases: 1) A Head and facial action tracking. A framework to 3D head pose and facial action tracking with an adaptive appearance model based on a mixture model is proposed to deal with face occlusion ; 2) A recognition of the behavioral items based on data retrieved from the tracking. We propose a new criterion leading to an adaptation of maximum likelihood estimation. The model outputs proper conditional probabilities into a user-defined interval. This criterion is applied to MLPs and IOHMMs for the recognition of the behavioral items.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (X-154 p.)
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. 124 réf.

Où se trouve cette thèse ?

  • Bibliothèque : Université de Technologie de Compiègne. Service Commun de la Documentation.
  • Disponible pour le PEB
  • Cote : 2007 HER 1715
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.