| Titre : | Apprentissage automatique pour la détection de somnolence en temps réel chez les conducteurs |
| Auteurs : | HADIL BENCHAREF, Auteur ; Djouher Akrour, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2023 |
| Format : | 1 vol. (59 p.) / couv. ill. en coul / 30 cm |
| Langues: | Français |
| Langues originales: | Français |
| Résumé : |
Dans cette ´etude, nous avons d´evelopp´e un syst`eme de d´etection de somnolence en temps r´eel bas´e sur l’analyse des traits du visage du conducteur. Notre objectif ´etait d’am´eliorer la s´ecurit´e routi`ere en fournissant un outil efficace pour d´etecter les p´eriodes de baisse de vigilance chez les conducteurs. En effet, d´etecter la somnolence `a partir d’images est une approche prometteuse. Nous avons mis en place un syst`eme qui exploite des rep`eres visuels tels que les mouvements des yeux et de la bouche. Nous avons eu des r´esultats encourageants, atteignant une performance am´elior´ee avec une pr´ecision de 91,38 % avec le mod`ele XGboost. En conclusion, notre syst`eme de d´etection de somnolence repr´esente une avanc´ee majeure dans la pr´evention des accidents de la route. Malgr´e ses limites, il offre une solution prometteuse pour am´eliorer la s´ecurite routi`ere en d´etectant les p´eriodes de baisse de vigilance des conducteurs. |
| Sommaire : |
Introduction g´en´erale....................................1 1 La somnolence au volant..................................3 1.1 Introduction...........................................3 1.2 Principaux facteurs d’accidents........................3 1.3 Fatigue et somnolence au volant........................4 1.3.1 Les principales causes...............................4 1.3.2 Les signes pr´ecurseurs de fatigue...................4 1.3.3 Les risques et les cons´equences.....................5 1.4 Analyse de somnolence au volant....5 1.4.1 Indicateur physiologiques........5 1.4.2 Analyse de la conduite...........6 1.4.3 Analyse faciale (par traitement d’image)..............7 1.4.3.1 Mouvement des paupi`eres.......7 1.4.3.2 Mouvement des yeux.............7 1.4.3.3 Mouvement de la bouche.........8 1.4.3.4 Mouvement de la tˆete..........8 1.5 Conclusion.........................8 2 Vision par ordinateur................9 2.1 Introduction.......................9 2.2 Notions de bases...................9 2.2.1 Diff´erents types d’images.......9 2.2.1.1 Les images en noir et blanc...10 2.2.1.2 Les images en niveau de gris..10 2.2.1.3 Les images en couleu..........10 2.2.2 Caract´eristiques de l’image....11 2.2.2.1 Pixel.........................11 2.2.2.2 Dimension et R´esolution......11 2.2.2.3 Format........................12 2.2.2.4 Voisinage.....................12 2.2.2.5 Bruit.........................12 2.2.2.6 La texture....................12 2.2.2.7 Luminance.....................12 2.2.2.8 Contraste.....................13 2.3 Vision par ordinateur.............13 2.4 Processus des syst`emes de vision par ordinateur..13 2.4.1 Acquisition d’images............................14 2.4.2 Pr´etraitement..................................14 2.4.3 Segmentation d’images...........................15 2.4.4 Extraction des caract´eristiques................16 2.4.5 Classification d’images.........................16 2.5 Classification d’images et ses applications.......17 2.5.1 La reconnaissance d’objets......................17 2.5.2 La d´etection de visage.........................17 2.5.3 La reconnaissance faciale.......................17 2.5.4 La classification d’images m´edicales...........17 2.5.5 Surveillance de la circulation....18 2.5.6 Marketing.........................18 2.6 D´etection faciale..................18 2.6.1 D´etection de visage..............18 2.6.2 D´etection des yeux...............19 2.6.3 D´etection du regard..............20 2.6.4 D´etection de la bouche...........21 2.7 ´Etude comparative des travaux ant´erieur.............21 2.8 Conclusion............................................25 3 M´ethodes d’apprentissage pour la d´etection de somnolence........26 3.1 Introduction..........................................26 3.2 L’apprentissage automatique...........................26 3.2.1 Sc´enarios d’apprentissa............................26 3.3 M´ethodes de classification...........................27 3.3.1 M´ethodes de classification supervis´ee.............27 3.3.1.1 Les r´eseaux de neurones :........................28 3.3.1.2 Machines `a vecteurs de support (SVM) :...........28 3.3.1.3 R´egression logistique :..........................28 3.3.1.4 K plus proches voisins (KNN)......................29 3.3.2 M´ethode de classification non supervis´ee..........29 3.3.2.1 K-means clustering........29 3.3.2.2 Hierarchical clustering...30 3.3.2.3 PCA :.....................30 3.3.2.4 DBSCAN....................30 3.4 L’apprentissage profond.......30 3.4.1 Les r´eseaux de neurones convolutifs (CNN)....31 3.4.2 Les r´eseaux de neurones r´ecurrents (RNN.....31 3.4.3 R´eseaux de neurones profonds (DNN)...........31 3.5 Conclusion...........................32 4 Conception et r´ealisation.............33 4.1 Introduction.........................33 4.2 Base de donn´ees.....................33 4.3 Architecture de syst`eme.............35 4.4 Conception du mod`ele propos´e.......35 4.4.1 Pr´etraitement.....................35 4.4.2 Extraction et s´election de caract´eristiques..........36 4.4.2.1Extractiodecaract´eristiques...37 4.4.2.2 Standardisation...............40 4.4.3 Classification..................40 4.4.3.1 Mod´eles de classification....40 4.4.4 Entraˆınement du mod`ele........42 4.4.5 Pr´ediction.....................43 4.5 Conclusion........................43 5 R´esultatsexperimentauxetanalyse....44 5.1 introduction......................44 5.2 Environnement de d´eveloppement...44 5.2.1 Configuration du syst`eme.......44 5.2.2 Langages de programmation.......44 5.2.3 Environnement...................45 5.2.4 Biblioth`eques utilis´ees.......45 5.2.5 Framework.......................46 5.3 M´etriques d’´evaluation..........46 5.3.0.1 Accuracy......................46 5.3.0.2 Matrice de confusion..........47 5.3.0.3 Recall........................47 5.3.0.4 Precision.....................47 5.3.0.5 F1-score......................47 5.4 R´esultats obtenus................47 5.5 Discussion et comparaison.........49 5.5.1 Comparaison entre les mod`eles....................49 5.5.2 Comparaison avec des travaux ant´erieurs..........52 5.6 Application en temps r´eel..........................53 5.7 Conclusion............55 Conclusion g´en´erale.....57 Bibliographie.............59 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/792 | Mémoire master | bibliothèque sciences exactes | Consultable |
