Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

2 février 2021

Stage:État de l’art et modélisation statistique (deep learning) de signaux physio l’analyse de l’état physique de conducteur.


Catégorie : Stagiaire


Contexte

 

En 2018, selon les résultats définitifs de l’ONISR, 3488 personnes ont perdu la vie sur les routes de

France due principalement à la vitesse excessive ou inadaptée mais également due au manque de

vigilance. Les facteurs responsables de cette dégradation de vigilance sont liés à la qualité chronique

de sommeil du conducteur, la fatigue…etc. pouvant entraîner un état de la somnolence du conducteur.

Afin de progresser dans la lutte contre l’accidentalité, l’un des enjeux est de comprendre les

mécanismes complexes des accidents notamment ceux liés à l’état du conducteur. Pour cela le projet

Linked propose d’établir une cartographie complète de l’état physiologique et extra-physiologique

du conducteur en temps-réel dans son environnement de conduite. Ces données associées au

comportement du conducteur constituent une source d’informations précieuse pour entrevoir les

décisions à adopter en conséquence, notamment de manière automatique. Ainsi des modélisations

fines du comportement du conducteur seront développées à partir de ces bases de données en vue

d’identifier les configurations critiques et leurs mécanismes.

 

Objectif

Diverses caractéristiques peuvent être considérées pour décrire l’état d’un conducteur : fréquence

respiratoire, fréquence cardiaque, température… Certaines de ces caractéristiques peuvent néanmoins

varier pour diverses raisons comme le poids, la condition physique, l’état émotionnel, des

pathologies... Considérer l’ensemble de ses diverses caractéristiques sera une solution pour mieux

appréhender les variations relatives à l’état d’un conducteur.

Le sujet de stage propose donc dans un premier temps de s’intéresser aux fréquences

cardiaques par l’intermédiaire de signaux issus d’électrocardiogrammes (ECG) et des signaux reçus

par une solution sans contact (radar). Plus précisément le stage consistera à :

– D’établir un État de l’Art portant sur le traitement du signal (TS) et les signaux

physiologiques (signaux cardiaques). Cet État de l’Art de l’art portera sur deux aspects :

- L’utilisation du TS pour l’analyse et la reconnaissance de signes vitaux permettant

de décrire l’état physique d’une personne,

- L’utilisation des principes de Machine Learning (ML) et plus récemment du Deep

Learning (DL) pour analyser les signaux physiologiques.

 

– Établir des modèles statistiques basés sur le ML/DL afin d’extraire des caractéristiques

pertinentes relatives à l’état physique d’un conducteur et permettant d’en identifier son état.

 

Compétences requises

 

Connaissance en traitement du signal, connaissance en apprentissage automatique/analyse de donnée

(Machine Learning), en programmation informatique (matlab, python). Des connaissances en Deep

Learning, modélisation par réseaux de neurones seraient appréciés.

 

Profil

Le candidat sera issu idéalement d’une formation Master 2 ou équivalent.

Curieux, autonome, passionné par le Machine Learning.

 

Modalité

Le stage se déroulera au laboratoire LEOST de l’Univ Gustave Eiffel, campus de Villeneuve

d’Ascq pour une durée de 6 mois. Le/la stagiaire(e) sera encadré(e) par Me Fouzia Boukour et M.

David Sodoyer.

 

Contact

Fouzia Boukour (fouzia.boukour@univ-eiffel.fr) et David Sodoyer (david.sodoyer@univ-eiffel.fr)

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.