Le 22 novembre 2022, Rémi DUFOUR a soutenu sa thèse de doctorat de l’Université de Lille, intitulée « Segmentation d’instance dans des images fisheye et détection de points clés de squelette dans des vidéos : application à la vidéoprotection à bord du futur train autonome ».
Les Félicitations s’imposent puisque Rémi a reçu le titre de Docteur de l’Université de Lille, spécialité « Micro-nanosystèmes et capteurs ».
Ce travail, intégré dans le projet Train Autonome Service Voyageurs, visait le développement d’une algorithmie spécifique, utilisant l’intelligence artificielle, pour la compréhension de scènes à bord des voitures voyageurs d’un TER de type Regio2N.
Utilisant un système de perception basé à la fois sur des caméras à objectifs classique et fisheye (omnidirectionnels), Rémi a focalisé ses apports scientifiques sur l’application de réseaux de neurones convolutifs pour :
- La segmentation / détection des personnes utilisant les accès voyageurs. Toute la complexité résidait dans le traitement des déformations induites par les caméras fisheye et dans l’absence de bases de données nécessaires à la réalisation de son travail de thèse ;
- La détection des points-clés d’articulation des passagers présents dans la scène. Le défi portait sur le suivi temporel de ces points-clés afin d’appréhender, sur la durée, les mouvements des passagers. La contribution scientifique de Rémi a aussi permis l’amélioration d’un algorithme existant, relevant du domaine du Deep Learning, notamment en termes de performances de détection.
Ses contributions permettent la reconnaissance d’activités des passagers dans le train afin d’interagir avec eux et de pouvoir gérer des situations non-nominales (comportements malveillants, malaises, etc.).
Sa thèse s’est déroulée au sein de l’IRT RAILENIUM, encadrée par Ankur MAHTANI, en partenariat avec le Laboratoire LEOST de l’Université Gustave Eiffel et le Laboratoire GREYC de l’Université de Caen.
Nous le félicitons chaleureusement et lui souhaitons le meilleur pour la suite de sa carrière professionnelle.