Documents disponibles écrits par cet auteur

IHM A BASE D'AGENT ASSISTANT / BELMEKKI Ghizlene Amira 

Public ISBD Titre : IHM A BASE D'AGENT ASSISTANT Type de document : document électronique Auteurs : BELMEKKI Ghizlene Amira, Auteur Année de publication : 2020-2021 Accompagnement : CD Langues : Français (fre) Catégories : Informatique:Génie Informatique Mots-clés : Détection de somnolence du conducteur, Reconnaissance faciale, Détection d'objets en temps réel Yolo, Cascade Haar, Réseau neuronal convolutf (CNN), Réseau neuronal récurrent Elman(ERNN), Perceptron multicouche(MLP), PerClos, Agent assistant Résumé : Souvent la somnolence du conducteur engendre des accidents de la circulation sévères et même mortels. Les interfaces homme- machine capables d’assister un conducteur se basent généralement sur la détection de la somnolence, sans fournir de rétroaction appropriée à la situation du conducteur, et en se concentrant uniquement sur les yeux. La réponse est généralement une simple alarme sonore qui ne suffit pas à réveiller ou à maintenir le conducteur éveillé au volant sur la route. Dans le cadre de la présente thèse nous proposons une interface homme machine capable d’assister le conducteur, en le suivant en temps réel afin de pouvoir réaliser un feedback nécessaire et approprié à chaque situation. Notre solution permet de détecter la somnolence et de corriger le comportement du conducteur au volant. A cet effet nous utilisons une combinaison de cascades de Haar et de réseaux neuronaux profonds convolutifs YOLO pour la détection de l'état du conducteur et un agent assistant qui suivra le conducteur via une caméra en temps réel afin de l’assister pour une meilleure sécurité routière pour le conducteur et les autres usagers de la route. Often the drowsiness of the driver leads to severe and even fatal traffic accidents. Human-machine interfaces capable of assisting a driver are generally based on detecting drowsiness, without providing feedback appropriate to the driver's situation, and focusing only on the eyes. The response is usually a simple audible alarm that is not enough to wake up or keep the driver awake while driving on the road. As part of this thesis, we are proposing a man-machine interface capable of assisting the driver, by following him in real time in order to be able to provide feedback that is necessary and appropriate for each situation. Our solution detects drowsiness and corrects driver behavior while driving. For this purpose we use a combination of Haar cascades and convolutional YOLO deep neural networks for the detection of the driver's state and an assistant agent who will follow the driver via a camera in real time in order to assist him for better road safety for the driver and other road users. Directeur de thèse : MEKKAKIA MAAZA Zoulikha IHM A BASE D'AGENT ASSISTANT [document électronique] / BELMEKKI Ghizlene Amira, Auteur . - 2020-2021 . -  + CD. Langues : Français (fre) Catégories : Informatique:Génie Informatique Mots-clés : Détection de somnolence du conducteur, Reconnaissance faciale, Détection d'objets en temps réel Yolo, Cascade Haar, Réseau neuronal convolutf (CNN), Réseau neuronal récurrent Elman(ERNN), Perceptron multicouche(MLP), PerClos, Agent assistant Résumé : Souvent la somnolence du conducteur engendre des accidents de la circulation sévères et même mortels. Les interfaces homme- machine capables d’assister un conducteur se basent généralement sur la détection de la somnolence, sans fournir de rétroaction appropriée à la situation du conducteur, et en se concentrant uniquement sur les yeux. La réponse est généralement une simple alarme sonore qui ne suffit pas à réveiller ou à maintenir le conducteur éveillé au volant sur la route. Dans le cadre de la présente thèse nous proposons une interface homme machine capable d’assister le conducteur, en le suivant en temps réel afin de pouvoir réaliser un feedback nécessaire et approprié à chaque situation. Notre solution permet de détecter la somnolence et de corriger le comportement du conducteur au volant. A cet effet nous utilisons une combinaison de cascades de Haar et de réseaux neuronaux profonds convolutifs YOLO pour la détection de l'état du conducteur et un agent assistant qui suivra le conducteur via une caméra en temps réel afin de l’assister pour une meilleure sécurité routière pour le conducteur et les autres usagers de la route. Often the drowsiness of the driver leads to severe and even fatal traffic accidents. Human-machine interfaces capable of assisting a driver are generally based on detecting drowsiness, without providing feedback appropriate to the driver's situation, and focusing only on the eyes. The response is usually a simple audible alarm that is not enough to wake up or keep the driver awake while driving on the road. As part of this thesis, we are proposing a man-machine interface capable of assisting the driver, by following him in real time in order to be able to provide feedback that is necessary and appropriate for each situation. Our solution detects drowsiness and corrects driver behavior while driving. For this purpose we use a combination of Haar cascades and convolutional YOLO deep neural networks for the detection of the driver's state and an assistant agent who will follow the driver via a camera in real time in order to assist him for better road safety for the driver and other road users. Directeur de thèse : MEKKAKIA MAAZA Zoulikha

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
1879	02-08-521	Version numérique et papier	Bibliothèque USTOMB	Thèse de Doctorat	Exclu du prêt

Documents numériques

02-08-521.pdf Adobe Acrobat PDF