Retour


Thèmes de recherche

MACHINE LEARNING, DATA ANALYSIS, PATTERN RECOGNITION, AFFECTIVE COMPUTING

CV

  • 2010 : Professeur à l'UAG (LAMIA)
  • 2007 : Habilitation à Diriger les Recherches de l'UPMC
  • 2007 : Maître de Conférence à l'UPMC (ISIR)
  • 2000 : Maître de Conférence à l'UPMC (LISIF)
  • 1998 : Thèse de Doctorat de l'Université Pierre et Marie Curie (mention Très Honorable avec les Félicitations du jury)

AWARDS

  • 2012 : Gagnant de la campagne internationale d'évaluation AVEC'2012 (Audio-Visual Emotion Challenge)
  • 2011 : Gagnant de la campagne internationale d'évaluation FERA'2011 (Facial Expression Recognition & Analysis)

PRIMES

  • 2015 : Prime d'Encadrement Doctorale et de Recherche
  • 2011 : Prime d'excellence scientifique
  • 2003-2011 : Prime d'Encadrement Doctorale et de Recherche (2 campagnes)

 


Recherche

 

 

 

 

 

METHODOLOGIES :

Extraction de caractéristiques, sélection de caractéristiques, estimation, apprentissage, classification, fusion d’informations, boosting.

APPLICATIONS :

  • Analyse faciale (suivi de visage ; détection des expressions faciales, analyse de la pose, détermination de la direction du regard, soft computing)
  • Détection d’objets dans les images et les vidéos (textes, véhicules, visages).

 

THESES EN COURS

  • Stéphane Cholet : Confident numérique pour la prévention des risques psycho-sociaux

THESES SOUTENUES

  • Philippe Phothisane (2013) : Taxinomie du comportement basée sur un suivi de la pose du visage et du regard
  • Vincent Rapp (2013) : Reconnaissance des émotions faciales pour l’interaction intelligente
  • Thibaud Sénéchal (2011) : Ce que le visage révèle : Analyse des mouvements faciaux pour l'interprétation émotionnelle
  • Shezhad Muhammad Hanif (2009) : Feature selection and classifier combination: Application to the extraction of textual information in scene images
  • Pablo Augusto Negri (2008) : Méthodes algorithmiques pour la détection et la classification de véhicule
  • Rachid Belaroussi (2006) : Contributions à la détection et la localisation de visages dans les images
  • Loïc Oudot (2003) : Fusion d’informations et adaptation pour la reconnaissance de textes manuscrits dynamiques

 

ANCIENS PROJETS

Projet IMMEMO : IMMersion 3D basée sur l interaction EMOtionnelle

Label : ANR CONTINT 2009, pôle de compétitivité CapDigital

Partenaires : Supélec, Télécom ParisTech, Artefacto

Réalisations :

Détectiondes « points clés » du visage : deux systèmes ont été proposés, à l’état de l’art du domaine par leur précision et leur vitesse. Le premier est constitué d’une cascade arborescente de réseaux neuronaux réalisant une analyse grossière, puis fine, du visage [ANNPR2010]. Le second utilise des machines à vecteurs supports à noyaux multiples (MK-SVM) [FG2011_2].

Reconnaissance d’expressions faciales : le codage de l’information utilise des Local Gabor Binary Pattern Histograms. Des classifieurs SVM binaires sont ensuite entraînés à identifier les Action units (micromouvements faciaux). Dans ce cadre, nous avons proposé une nouvelle fonction noyau particulièrement adaptée à ce type de descripteurs [ICPR2010, PAA2012]. Nous avons combiné, avec des MK-SVM, des informations géométriques et d'apparence. Nous travaillons actuellement à l’analyse de la dynamique des émotions [ACIVS2011].

Nous avons été classés premiers (devant l'USCD, le KIT, la CMU, le MIT et Cambridge) au premier challenge international « Facial Emotion Recognition and Analysis » [FG2011_3], [TSMC2012]

Nous avons été classés premiers (devant Supélec et l'Institut Télécom, U-Penn et l'USC) au second challenge international « Audio-Visual Emotion Challenge » [AVEC2012].

 

Projet BEMOL : BEhavioral MOdelization based on faciaL analysis

Label : ANRT (Thèse CIFRE)

Partenaire : Eikeo

Réalisations :

Suivi du mouvement de la tête dans les vidéos : le modèle de forme faciale (maillage) utilisé est construit à partir de scans 3D haute résolution (50 000 vertex). Ce modèle est décimé afin de réduire le coût computationnel de sa manipulation. Pour warper le modèle sur le visage en début de séquence et suivre ce dernier, une métrique composite ajoutant des informations de texture à celles de forme a été proposée. L’algorithme est ainsi capable de suivre précisément les mouvements de la tête quelle que soit leur amplitude [FG2011_1]. Une base de séquences de test labélisées a été mise à disposition.

Détermination du genre et de l'âge d'un individu. Cet outil de segmentation démographique s'appuie sur une cascade de classifieurs entraînés à l'aide de l'algorithme AdaBoost. Le premier étage a pour objectif la détermination du genre de l'individu. Le second étage comporte n classifieurs déterminant chacun la frontière +/-n ans. Leur réponse sont combinés pour déterminer l'âge de l'individu. Les expérimentations, conduites sur plusieurs bases de données benchmark, atteignent l'état de l'art. L'outil fonctionne en temps réel [LNCS2015].

 

Projet PRISALIS : Prévention du risque d'échouage des bancs d'algues brunes par imagerie satellitaire

Label : Ministère de l'Outre-Mer

Partenaire : Laboratoire Dynecar (UAG)

Description : Développement d'une plateforme interactive de localisation des bancs de sargasse et de prédiction de leur zone d'échouage éventuel.

 

PUBLICATIONS RECENTES

[PAA2014] Sénéchal T., Bailly K. & Prevost L., Impact of Action Unit Detection in Automatic Emotion Recognition, Pattern Analysis and Applications, 17(1), 51-67 2012.

[IVC2013] Rapp V., Bailly K. & Prevost L., Multi-Kernel Appearance Model, Image and Vision Computing, 31(8), 542-554, 2013.

[TSMC2012] Sénéchal T., Rapp V., Salam H., Seguier R., Bailly K. & Prevost L., Facial Action Recognition Combining Heterogeneous Features via Multi-Kernel Learning, IEEE Transactions on System Man and Cybernetics – Part B, 42(4), pp 993-1005, 2012. Impact factor: 3.010

[LNCS2015]Prevost L. , Phothisane P. & Bigorgne E., Real-Time Facial Analysis in still images and videos for Gender and Age Estimation, selected paper from Pattern Analysis, Applications & Methods, Lecture Notes in computer Science , 9443, pp 263-278, 2015.

[IGS2015] Remi C., Vaillant J., Plamondon R., Prevost L. , Duval T., Exploring the kinematic dimension of kindergarten children scribbles, IGS’15 (Conference of the International Graphonomics Society), Pointe-à-Pitre, Guadeloupe, 2015

[ICPRAM2014] Prevost L., Phothisane P. & Bigorgne E., Live stream oriented age and gender estimation using boosted LBP, ICPRAM’14 (International Conference on Pattern Recognition, applications and Methods), to appear, Angers, France, 2014.

[AVEC2012] Nicolle J., Rapp V., Bailly K., Prevost L. & Chetouani M., Robust continuous prediction of human emotions using multi-scale dynamic cues, Workshop AVEC’12 (Audio/Visual Emotion Challenge), in conjunction with ICMI’12, pp 501-508, Santa Monica, Etats Unis, 2012.

[ACIVS2011] Sénéchal T., Rapp V. & Prevost L., Facial feature tracking for emotional dynamic analysis, ACIVS’11 (Advances Concepts in Intelligent Vision Systems), Lecture Notes in Computer Sciences 6915, Gand, Belgique, 2011.

[FG2011_1] Phothisane P., Bigorgne E., Collot L; & Prevost L., A Robust Composite Metric for Head Pose Tracking using an Accurate Face Model, FG’11 (International Conference on Face and Gesture Recognition), pp 694-699, Santa Barbara, Etats Unis, 2011.

[FG2011_2] Rapp V., Sénéchal T., Bailly K & Prevost L., Multiple Kernel Learning SVM and Statistical Validation for Facial Landmark Detection, FG’11 (International Conference on Face and Gesture Recognition), pp 265-271, Santa Barbara, Etats Unis, 2011.

[FG2011_3] Sénéchal T., Rapp V., Salam H., Seguier R., Bailly K. & Prevost L., Combining AAM Coefficients with LGBP histograms in the Multi-Kernel SVM Framework to Detect Facial Action Units, FERA’11 (FG’11 Workshop: Facial Expression Recognition and Analysis Challenge), pp 860-865, Santa Barbara, Etats Unis, 2011.

[ANNPR2010] Sénéchal T., Prevost L. & Hanif S.M., Neural network cascade for facial feature localization, ANNPR’10 (IEEE/IAPR-TC3 International Workshop on Artificial Neural Networks in Pattern Recognition), Lecture Notes in Artificial Intelligence, pp 141-148, Le Caire, Egypte, 2010.

[ICPR2010] Sénéchal T., Bailly K. & Prevost L., Automatic facial action detection using histogram variation between emotional states, ICPR’10 (International Conference on Pattern Recognition), pp 3752-3755, Istanbul, Turquie, 2010.

 

 

 

 

 

 

 


Enseignements

Consulter toutes les informations relatives à ces cours sur l'ENT-UAG.

L2 Maths-Info :

  • Algorithmique et Structure de Données Avancées
  • Sécurisation des données

L3 Maths-Info :

  • Statistiques et Probabilités
  • Initiation au Traitement d'Images

M1 Info :

  • Aide à la décision
  • Images : Segmentation et Reconnaissance

M2 Info :

  • Imagerie Avancée
  • Fusion d'Informations

 


Autres activités

Rayonnement scientifique

  • Membre du comité de sélection

International Conference on Image Analysis and Recognition (ICIAR , depuis 2014)

International Conference on Document Analysis and Recognition (ICDAR , depuis 2013)

International Conference on Pattern Recognition Applications and Methods (ICPRAM depuis 2011)

International Conference on Pattern Recognition (ICPR 2010)

International Workshop on Artificial Neural Networks in Pattern Recognition (ANNPR2010, 2012)

International Conference on Frontier of Handwriting Recognition: (ICFHR 2008),

International Conference on Artificial Neural Networks (ICANN 2008)

Colloque International Francophone sur l’Ecrit et le Document (CIFED 2010)

  • Président de session

IGS 2015, Keynote Speech 4

ICPRAM 2014, Session 6

ANNPR 2008, Session 4 « Neural Networks & Multiple Classifiers »

ANNPR 2006

CIFED 2006

 

  • Relecteur pour les revues

IEEE Transactions on Neural Networks on Systems, Man & Cybernetics on Affective Computing, Pattern Recognition, Pattern Recognition Letters, I3, Traitement du Signal, Revue d’Intelligence Artificielle

 

  • Membre de l’IAPR-TC3 (International Association for Pattern Recognition – Neural Networks & Computational Intelligence), de l’IAPR-TC11 (International Association for Pattern Recognition – Reading Systems), de l’ISIF (International Society of Information Fusion), du GRCE (Groupe de Recherche en Communication Ecrite), des GdR-Robotique, GdR-ISIS et GdR-I3.