Master Students
Etudiant : Manel GOUILA
Spécialité : Mastère de recherche SIC
Date de soutenance : Juillet 2023
Sujet de mastère : Anomaly Detection in Traffic Systems : Application to Driver Monitoring.
Résumé : This study proposes a trajectory-based attention approach for driver anomaly detection. The approach utilizes spatiotemporal patterns of driver behavior to identify anomalies in realtime. The trajectory-based attention approach involves capturing driver trajectories through a computational model that is trained to recognize variations in driving behavior in particular, the driver’s head, left and right hands behaviour. The model is based on a deep neural network that utilizes both spatial and temporal information to predict driver behavior. Based on a multimodal dataset 3MDAD, the proposed approach shows promising results in detecting driver anomalies, such as drowsy or distracted driving, by accurately predicting driver behaviors in real-time. The use of trajectory-based attention approach for driver anomaly detection has several potential applications in improving road safety and reducing accidents caused by driver errors.
Mots clés : Anomaly detection, Trajectory-based attention, deep learning, Multimodal dataset, visual attention.
Etudiant : Salma DHIFALLAH
Spécialité : Mastère de recherche HIT4med
Date de soutenance : Décembre 2018
Sujet de mastère : Une nouvelle approche d’estimation du premier-plan : application à la détection des piétons à l’aide d’une caméra en mouvement.
Résumé : Bien que les techniques de soustraction de l’arrière-plan ont été largement utilisées pour détecter les objets en mouvement dans une séquence vidéo capturée par une caméra statique, la détection d’objets en mouvement à l’aide de caméras en déplacement représente encore une tâche difficile. Dans ce contexte, la détection de piétons à l’aide d’une caméra montée sur un véhicule a été rarement étudiée. Cela est principalement dû à l’égo-motion qui résulte du mouvement de l’arrière-plan, une étape de compensation est nécessaire. Pour pallier à ce problème, nous avons introduit une nouvelle technique qui modélise le mouvement de l’arrière-plan entre deux images consécutives afin de compenser le mouvement de la caméra. Nous définissons un processus de classification qui différencie l’arrière-plan et le premier-plan dans l’image. La méthode proposée a été évaluée sur la base de données CVC14.
Mots clés : Détection de piétons, compensation du mouvement de la caméra, modélisation de l’arrière-plan, Soustraction de l’arrière-plan.
Publication : Le stage a conduit à la publication :
Bilel Tarchoun, Anouar Ben Khalifa, Selma Dhifallah, Imen Jegham, Mohamed Ali Mahjoub, Hand-Crafted Features vs Deep Learning for Pedestrian Detection in Moving Camera, Traitement du Signal, Vol. 37, No. 2, April 2020, pp. 209-216, DOI: https://doi.org/10.18280/ts.370206. IF= 1.541.
Etudiant : Asma NOUIRA
Spécialité : Mastère de recherche SIC.
Date de soutenance : Octobre 2018.
Sujet de mastère : Application du Deep Learning pour la détermination de nouvelles structures cristallographiques de composés chimiques.
Résumé : Récemment, les algorithmes Generative Adversarial Networks (GANs) ont montré une popularité grandissante dans le domaine de l’intelligence artificielle et du Deep Learning, notamment grâce à leur capacité à s’adapter à des scénarios critiques telle que la production d’images ultra-réalistes. Dans ce stage, nous avons appliqué les GANs à une problématique scientifique dans le domaine de la chimie et de la science des matériaux, où nous avons pour objectif de générer de nouvelles structures cristallographiques d’hydrures métalliques pour le stockage d’hydrogène. Cependant, les algorithmes GANs existants n’ont pas été capable de produire des données de compositions complexes. Ainsi, dans ce travail, nous avons proposé une nouvelle approche de GANs, nommée CrystalGAN, dont l’architecture permet l’exploration et la génération de nouveaux hydrures métalliques d’ordre élevé.
Mots clés : Cristallographie, Stockage d’hydrogène, Apprentissage profond, Generative Adversarial Networks.
Etudiant : Khouloud CHEBLI
Spécialité : Mastère de recherche HIT4med.
Date de soutenance : Juin 2018
Sujet de mastère : Block-Matching pour la compensation du mouvement d’une caméra mobile - Application à la détection de piétons.
Abstract : The development of autonomous vehicle is an important and active research area. In the last few years, pedestrian detection methods for a moving camera have been severely developed. This field presents many challenges in order to avoid the camera motion and recognize the dynamic objects. This work proposes a background compensation method for pedestrian detection with a moving Camera. This method relies on motion compensation to transfer the background model from the current frame to the previous frame in order to detect dynamic obstacles. This motion compensation is carried out using different block matching algorithms and the gradient information of the images to establish the background's model motion. The proposed method was evaluated on a public benchmark system: the CVC14 and achieved promising results.
Mots clés : Détection de piétons, estimation de mouvement, Ego-motion, algorithmes de Block-Matching, gradient, classification.
Publication : Le stage a conduit à la publication :
Khouloud CHEBLI, Anouar Ben Khalifa, Pedestrian Detection Based on Background Compensation with Block-Matching Algorithm, 15th International Multi-Conference on Systems, Signals & Devices (SSD'18), pp. 473-477, 2018. DOI: https://doi.org/10.1109/SSD.2018.8570499
Etudiant : Chaima NAAT
Spécialité : Mastère de recherche SIC
Date de soutenance : Juin 2018
Sujet de mastère : Contribution à la biométrie faciale dans des conditions dégradées.
Résumé : la reconnaissance faciale est la méthode biométrique la plus naturelle pour la vérification de l’identité des personnes. Cette identification devient plus complexe dans le cas d’une acquisition dans des conditions dégradées (présence d’occultation, changement de luminosité, variation d’expression faciale…). Dans ce stage, nous avons proposé une méthode basée sur des descripteurs locaux pour la phase d’extraction des caractéristiques. La classification a été assurée par la méthode (KD-tree) et le k-ppv. Les expérimentations ont été menées sur les bases de données KinectFaceDB et IST-Eurecom LFFD.
Mots clés : Biométrie, reconnaissance faciale, conditions dégradées, occultations, descripteurs locaux.
Etudiant : Islem MHIRI
Spécialité : Mastère de recherche SIC
Date de soutenance : Mai 2018
Sujet de mastère : Classification automatique des interactions humaines : Application à la détection de violence.
Résumé : Dans ce stage, nous nous sommes intéressés à la reconnaissance des interactions humaines pour la classification des actions de violence. Nous avons proposé une approche basée sur la dérivée substantielle, il s’agit d’une théorie en mécanique des fluides basée sur le taux de variation d’une grandeur. L’originalité de notre méthode est l’utilisation des caractéristiques spatiotemporelles en calculant les accélérations locales et convectives à partir du flux optique. Les caractéristiques des deux accélérations ont été extraites avec l’histogramme des gradients orientés. Au niveau de la classification, nous avons utilisé les machines à vecteurs de support avec les sacs de mots. Les performances de notre système ont été évaluées sur la base de données SBU-Kinect-Interaction.
Mots clés : Reconnaissance des interactions humaines, détection de violence, accélération locale, accélération convective, dérivée substantielle, STIP, SVM.
Publication : Le stage a conduit à la publication :
Islem Mhiri, Anouar Ben Khalifa, Violence Classification Algorithm Based on Substantial Derivative, International Conference on Sensors, Systems, Signals and advanced technologies (SSS'18), pp. 1-6, 2018.
Etudiant : Imen JAGHAM
Spécialité : Mastère de recherche HIT4med
Date de soutenance : Mai 2017
Sujet de mastère : Détections de piétons dans des conditions dégradées à partir d’une caméra en mouvement.
Résumé : Dans les conditions météorologiques dégradées qui construisent une menace naturelle pour les automobilistes, la tâche de détection des piétons devient de plus en plus complexe. En vue d’obtenir une image claire et analysable, l’utilisation des images infrarouges s’impose. Pour les systèmes de détection de piéton, la caméra est montée dans un véhicule en mouvement. Un nouveau défi lié à la détection des objets mobiles dans des conditions météorologiques dégradées s’ajoute. Dans ce stage, nous avons présenté une nouvelle méthode de détection de piétons dans des conditions météorologiques dégradées à partir d’une caméra montée sur un véhicule en mouvement. Le mouvement du véhicule a été compensé par la détection des points d’intérêts SURF et une soustraction entre les images successives a été appliquée. Les objets en mouvement ont été par la suite segmentés. La méthode proposée a été évalués à l’aide de la base de données CVC14.
Mots clés : Détection de piéton, conditions météorologiques dégradées, image IR, compensation du mouvement, SURF.
Publication : Le stage a conduit à la publication :
Imen Jegham, Anouar Ben Khalifa, Pedestrian Detection in Poor Weather Conditions Using Moving Camera, IEEE/ACS 14th International Conference on Computer Systems and Applications (AICCSA), pp. 358 - 362, 2017. (Conf.Rank C) DOI: https://doi.org/10.1109/AICCSA.2017.35
Etudiant : Amal MEKNI
Spécialité : Mastère de recherche SIC
Date de soutenance : Février 2017.
Sujet de mastère : Ré-identification de personnes à partir des images de faibles résolutions.
Résumé : Dans ce stage, nous nous sommes intéressés à la ré-identification des personnes à partir des images de faible résolution enregistrées par un réseau de deux caméras à champs de vue disjoints. Nous avons présenté une étude comparative des primitives locales basées sur les points d’intérêt de type SURF, SIFT, Harris, BRISK et FREAK. La classification est assurée par la méthode du k-ppv avec la méthode de vote majoritaire. Les expérimentations ont été menées sur les trois bases de données CAVIAR4REID, PRID-2011 et CASIA-A.
Mots clés : Ré-identification des personnes, image faible résolution, points d’intérêts, k-ppv.
Etudiant : Hedia GZARA
Spécialité : Mastère de recherche SIC
Date de soutenance : Février 2017.
Sujet de mastère : Contribution à la reconnaissance des actions humaines à partir des séquences vidéos.
Résumé : Ce projet de mastère s’inscrit dans le cadre de la reconnaissance des actions humaines à partir des séquences vidéos. Dans ce projet, nous avons proposé une nouvelle approche de reconnaissance des actions humaines basée sur les points d’intérêts. L’approche proposée consiste à filtrer les points d’intérêt les plus stables temporellement en se basant sur le flux optique. Les points d’intérêt de type Harris, SIFT et SURF, et les descripteurs binaires BRISK et FREAK ont été évalués. La classification est basée sur les machines à vecteurs de supports et les sacs de mots. La base de données Berkeley MHAD a été utilisée pour l’évaluation de l’approche proposée.
Mots clés : Reconnaissance des actions, points d’intérêts, flux optique, sacs des mots, SVM
Etudiante : Amira MIMOUNA
Spécialité : Mastère de recherche SIC
Date de soutenance : Février 2017.
Sujet de mastère : Contribution à la reconnaissance automatique des activités humaines par des capteurs cinématiques.
Résumé : Avec le déploiement des capteurs cinématiques, la reconnaissance des activités humaines exploitant l’accéléromètre triaxial est devenue incontournable dans divers domaines. Dans ce travail, nous avons proposé une approche basée sur la sélection des signaux les plus expressifs décrivant les actions humaines. Cette sélection est basée sur un calcul d’entropie pour quantifier la quantité d’informations contenue dans le signal. Les descripteurs extraits sont relatifs au domaine temps-fréquence. Pour la classification, nous avons opté pour les machines à vecteurs de support. Nous avons montré l’efficacité de notre approche à travers des expérimentations menées sur 3 bases de données publiques.
Mots clés : Reconnaissance des actions humaines, accéléromètre triaxial, Sélection, entropie, SVM.
Publication : Le stage a conduit à la publication :
Amira Mimouna, Anouar Ben Khalifa, Najoua Essoukri Ben Amara, Human action recognition using triaxial accelerometer data : selective approach, 15th International Multi-Conference on Systems, Signals & Devices (SSD'18), pp. 467-472, 2018. DOI: https://doi.org/10.1109/SSD.2018.8570429
Spécialité : Mastère de recherche SIC
Date de soutenance : Avril 2014
Sujet de mastère : A novel feature extraction method in ECG biometrics .
Abstract : Over the last few years, the Electrocardiogram (ECG) was introduced as a powerful biometric modality for human authentication. Indeed, ECG has some characteristics specific to each individual. In this paper we present an authentication system based on the ECG signal. We are particularly interested in the feature extraction step where we propose new approach based on the slopes and the angles of the ECG signal. The neural network is used for the classification step. The results have been validated on a database related to 100 persons. We recorded a recognition rate (RR) equals 96.44% which is an encouraging result relative to the size of the database.
Keywords : Electrocardiogram, Biometric Authentication, Database, Principal Component Analysis; Multi Layer Perceptron
Publication : Le stage a conduit à la publication :
Takoua Hamdi, Anis Ben Slimane, Anouar Ben Khalifa, A novel feature extraction method in ECG biometrics, Conference International Image Processing, Applications and Systems, pp. 1-5, 2014. DOI: https://doi.org/10.1109/IPAS.2014.7043304
Etudiant : Sana BOUJNAH
Spécialité : Mastère de recherche SIC
Date de soutenance : April 2014
Sujet de mastère : Person's Identification with Partial Fingerprint Based on a Redefinition of Minutiae Features .
Abstract : The identification of persons through partial fingerprint is one of the basic biometrie matters. The context of use is situated particularly in forensics. The main issue is the insufficiency of information contained in the partial fingerprint, it depends from the size of the proportion found in the crime scene. In this paper, we propose a novel approach for the identification of persons through partial fingerprint which uses redefined characteristics of minutiae extracted from the fingerprint image. To validate our work, we exploit two complete databases FVC 2004 and POLYU HRF to form our dataset. The proposed approach reaches recognition rates up to 98.06% and 98.82% when using datasets extracted from POLYU HRF database and FVC 2004 database respectively. It outperforms four state-of-the-art methods in term of recognition rates in different percentage of incomplete fingerprint image.
Keywords : Biometrics, Partial Fingerprint, Minutiae , person identification.
Publication : Le stage a conduit à la publication :
Sana Boujnah, Sami Jaballah, Anouar Ben Khalifa, Mohamed Lassaad Ammari, Person’s Identification with Partial Fingerprint Basedon a Redefinition of Minutiae Features, IEEE/ACS 15th International Conference on Computer Systems and Applications (AICCSA), pp. 1 - 5, 2018. (Conf.Rank C) DOI: https://doi.org/10.1109/AICCSA.2018.8612884