Thèse soutenue

Reconnaissance 3D de gestes pour l'interaction homme-système
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Hajar Hiyadi
Direction : Fakhr-Eddine AbabsaFakhita RegraguiChristophe Montagne
Type : Thèse de doctorat
Discipline(s) : Robotique
Date : Soutenance le 08/12/2016
Etablissement(s) : Université Paris-Saclay (ComUE) en cotutelle avec Université Mohammed V (Rabat). Faculté des sciences
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
Partenaire(s) de recherche : établissement opérateur d'inscription : Université d'Évry-Val-d'Essonne (1991-....)
Laboratoire : Informatique, Biologie Intégrative et Systèmes Complexes (Evry, Essonne)
Jury : Président / Présidente : El-Houssine Bouyakhf
Rapporteurs / Rapporteuses : Ahmed Tamtaoui, Djamel Merad

Mots clés

FR

Résumé

FR  |  
EN

Le but des applications visées par l’interaction homme-système est de parvenir à une interaction naturelle qui simule l’interaction homme-homme.Comme dans la communication homme-homme,les gestes sont aussi très utilisés dans la communication homme-système. Cette thèse porte sur la reconnaissance de gestes pour l’interaction naturelle homme-système basée sur les gestes. L’objectif des travaux menés durant cette thèse est de proposer des approches de reconnaissance de différents types de geste dynamiques : gestes simples et gestes composés. Tous d'abord, nous avons proposé un nouveau descripteur 3D de gestes calculé par les angles des articulations du corps humain à partir d’un flux de profondeur fourni par le capteur Kinect. Ensuite, nous avons proposé deux approches pour la reconnaissance de gestes dynamiques : a)une approche de reconnaissance des gestes simples,b) une approche de reconnaissance des gestes composés.La première approche est basée sur les Modèles de Markov Cachés. Un modèle MMC pour chaque geste a été réalisé. La variation des angles entre les articulations est utilisée comme entrée des Modèles de Markov Cachés. Cette méthode a été combinée avec la méthode de la Déformation Temporelle Dynamique (Dynamic Time Warping) pour éliminer les mauvaises classifications. La deuxième approche traite le cas des gestes composés et successifs dans une même séquence. Cette approche combine la méthode de la Déformation Temporelle Dynamique avec une fenêtre glissante adaptative d’où le nom de l’approche: Adaptive Dynamic TimeWarping. Deux versions de cette approche ont été proposées : version Forward et version Backward pour la reconnaissance en ligne et hors ligne.