Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

11 mai 2018

PhD position : Etude des émotions par l'analyse temps-réel des micro-expressions basée sur la vision par ordinateur


Catégorie : Doctorant


I. Contacts

  • Fan YANG, directrice de thèse, fanyang@u-bourgogne.fr
  • Dominique Ginhac, co-directeur de thèse, dginhac@u-bourgogne.fr
  • Cyrille Migniot, co-encadrant de thèse, cyrille.migniot@u-bourgogne.fr

Les travaux de thèse se déroulent au sein du laboratoire LE2I EA 7508, sur le site universitaire de Dijon :

Bât. I3M - LE2I, 64, rue de Sully, 21000 Dijon

 

II. Contexte et travaux antérieurs

Les émotions jouent un rôle essentiel pour la santé et le bien-être d'une personne. En effet, de fortes émotions peuvent modifier significativement le rythme cardiaque, la pression artérielle ou même la température du corps. De plus, les troubles psychologiques comme le stress, la dépression ou l'anxiété chronique présentent un véritable risque pour la santé.

L'informatique affective (en anglais Affective Computing et aussi appelée intelligence artificielle émotionnelle) consiste à concevoir et à développer des systèmes pouvant reconnaître, interpréter, analyser et synthétiser les affects humains (sentiment, humeur, émotion et sensation). Cette branche moderne de l'informatique permet d'analyser les états émotionnels d'une personne et de fournir une réponse adaptée et appropriée de la part de l'interface homme machine.

L'estimation des émotions basée vision par ordinateur commence par la capture de données concernant l'état physique ou le comportement de l'utilisateur à partir d'un capteur passif. Par exemple, une caméra vidéo peut capturer les expressions du visage, la posture ou les gestes quand d'autres capteurs estiment directement des mesures physiologiques comme la température de la peau ou la résistance galvanique. La reconnaissance des émotions nécessite tout d'abordl'extractionde motifs récurrents significatifs à partir des données collectées, puis la désignation du type d'émotion est obtenue en utilisant des techniques deMachine Learning.

Les potentielles applications de l’analyse temps-réel des émotions sont nombreuses. Dans le domaine de la formation en ligne, le style de présentation peut être modifié si l'apprenant s’ennuie, se sent frustré ou bien si son attention baisse. Dans le domaine de l’e-santé, l'estimation de l'affect peut aider les services psychologiques à déterminer l'état émotionnel d'un patient ou bien permettre, par exemple, à des personnes souffrant d'autisme de bénéficier de technologies de communication adaptées. Ce sujet de recherche est relativement récent et on trouve à ce jour dans la littérature très peu de publications le traitant.

III. Description de la thèse

Basée sur les techniques de vision par ordinateur, l'objectif de cette thèse est d'établir un système de reconnaissance des émotions sans contact et temps réel. Il devra respecter plusieurs des contraintes générales liées aux applications grand-public : robustesse et flexibilité, faible coût, usage simple et capacité à être embarqué à moindre coût énergétique.

Le rendu des émotions par les expressions faciales n'est pas culturelle mais universelle. Ainsi,les émotions de base sont généralement réparties en six catégories. Récemment ces expressions ont également été divisées en deux classes : les macro et les micro-expressions. Les micro-expressions se produisent sur une durée comprise entre 1/4 et 1/25 de seconde. Elles sont involontaires et révèlent les véritables émotions de la personne. Cependant, la localisation et l'analyse de ces événements sont très compliquées du fait de leur faible durée et de leur faible intensité.

Ce projet de thèse, se basera sur une étude bibliographique détaillée. Dans un premier temps, une caméra rapide (200 frames/s) sera utilisée pour la capture des micro-expressions. Une nouvelle base de données sera créée dans des conditions réelles d'interaction homme/machine. Ensuite, des algorithmes déjà existants de reconnaissance des macro-expressions seront testés puis améliorés sur des images/vidéos sélectionnées afin de les généraliser au cas des micro-expressions. Certaines nouvelles approches spécifiques à l'analyse des micro-expressions et utilisant des techniques deMachine Learning seront étudiées et proposées.

Dans un second temps, les approches d'Approximate Computing pour l'analyse temps-réel des émotions et l'implémentation d'un prototype de classification seront étudiées. Le concept récent de l'Approximate Computing implique la façon dont un système informatique peut s'améliorer (énergiquement plus efficace, plus rapide et moins complexe) en assouplissant ses exigences d'exactitude. En fait, de nombreuses applications au traitement d'imagessont robustes aux erreurs, permettant l'introduction d'approximations dans le calcul. Ainsi, un paradigme de calcul adéquat a émergé, dans lequel la précision des résultats de calcul peut être transigée en faveur, par exemple, d'économie d'énergie ou d'amélioration des performances d’exécution. Dans cette étape du projet,l'algorithme sera réorganisé afin d'enextraire le parallélisme. Les calculs parallèles intrinsèques seront implémentés sur une carte GPU (oucircuit FPGA (Field-Programmable Gate Array) ou architecture hybride) pour en accélérer le temps de traitement. Nous réaliserons de multiples optimisations à différent niveaux en utilisant le concept de l'Approximate Computing.

IV. Documents à fournir pour candidature

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.