Amaury Auguste, enseignant-chercheur à l’ISEN, a soutenu sa thèse de doctorat en septembre 2022. Celle-ci portait sur l’analyse comportementale en environnement urbain. Cette thèse présentait comment détecter, à l’aide de vidéo, des mouvements de foule ou des attitudes anormales afin, par exemple, d’améliorer la sécurité en environnement urbain.
La thèse a été co-encadrée par Ghislain Oudinet et Marwa El Bouz, et dirigée par Ayman Alfalou (ISEN Yncréa Ouest).
Amaury est ingénieur diplômé de l’ISEN Méditerranée. Depuis 2016, il enseigne l’algorithmique appliquée au langage C et le développement WEB.
Les travaux de thèse ont été financés dans le cadre de l’appel à projets PIAVE proposé par BPI France.
Résumé de la thèse "Déploiement d’un système de tracking par vidéo et analyse comportementale."
Les villes œuvrent de sorte à pouvoir rendre la vie de ses citoyens la plus sécurisée possible. Cette volonté s’accompagne de la mise à disposition de nouveaux dispositifs tels que des caméras de vidéosurveillance en quantité.
Toutefois, le trop grand nombre de ces dispositifs peut être contre-productif. Une trop grande quantité d’informations peut empêcher d’identifier l’information importante parmi la totalité des informations disponibles.
L’objectif de cette thèse est d’abord de trouver des solutions permettant d’indiquer concrètement le type de situation anormale se déroulant afin de focaliser l’attention de l’opérateur sur cette situation.
Cette partie se base sur des analyses statiques extraites des flux vidéo des caméras de vidéosurveillance.
Le second objectif de cette thèse a pour but d’améliorer le premier grâce à un suivi individualisé permettant de conserver l’anonymat des personnes suivi. Cette solution se base sur de la prédiction de déplacement à l’aide de filtres de Kalman.
Enfin, le dernier objectif de cette thèse est directement lié au manque d’informations disponibles pour tester l’efficacité de nos différentes méthodes. Cet objectif repose donc sur la mise en place d’un système de simulation permettant de se rapprocher au mieux d’une situation réelle en utilisant des entités virtuelles autonomes.
