offres d'emploi formations actualités contact accès annuaire intranet
Thèses >

Reconnaissance de scénario par les modèles de Markov cachés crédibilistes. Application à l’interprétation automatique de séquences vidéos médicales

Arnaud AHOUANDJINOU, cotutelle ULCO - Université d’Abomey-Calavi, Bénin - Manuscrit

mardi 16 décembre 2014 à 09h00

Université d’Abomey-Calavi, Bénin


Les travaux de recherche développés dans cette thèse concernent la mise en œuvre d’un système de vidéo surveillance intelligente en milieu hospitalier. Dans le contexte d’une application en unité de soins intensifs médicale, nous introduisons la notion originale de Boite Noire Médicale et nous proposons un nouveau système de monitoring visuel de Détection Automatique de Situations à risque et d’Alerte (DASA) basé sur un système de vidéosurveillance multi caméra intelligent. L’objectif étant d’interpréter les flux d’informations visuelles et de détecter en temps réel les situations à risque afin de prévenir l’équipe médicale et ensuite archiver les événements dans une base de donnée vidéo qui représente la Boite Noire Médicale. Le système d’interprétation est base sur des algorithmes de reconnaissance de scénarios qui exploitent les Modèles de Markov Cachés (MMCs). Une extension du modèle MMC standard est proposé afin de gérer la structure hiérarchique interne des scénarios et de contrôler la duré de chaque état du modèle markovien. La contribution majeure de ce travail repose sur l’intégration d’un raisonnement de type évidentiel, pour gérer la décision de reconnaissance en tenant compte des imperfections des informations disponibles. Les techniques de reconnaissance de scénarios proposées ont été testées et évaluées sur une base de séquences vidéo médicales et comparées aux modèles de Markov cachés probabilistes classiques.