Dafrallah, Safaâ
[Author]
;
Normandie
[Contributor];
Université Ibn Tofail. Faculté des sciences de Kénitra
[Contributor];
Bensrhair, Abdelaziz
[Contributor];
Amine, Aouatif
[Contributor]
Reconnaissance de l’orientation des piétons par les réseaux de Capsules dans un environnement non structuré pour un ADAS ; Pedestrian orientation recognition for Advanced Driver Assistance Systems in unstructured environments using Capsule Networks
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
E-Book;
Electronic Thesis;
Text
Title:
Reconnaissance de l’orientation des piétons par les réseaux de Capsules dans un environnement non structuré pour un ADAS ; Pedestrian orientation recognition for Advanced Driver Assistance Systems in unstructured environments using Capsule Networks
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Les accidents de routes représentent la première cause de décès chez les jeunes de moins de 30 ans. Etant l’utilisateur de route le plus vulnérable, le piéton représente 23% de l’ensemble des victimes des accidents mortels au monde. Dans ce contexte, cette thèse s’inscrit dans le cadre des recherches menées sur l’application des méthodes de l’apprentissage profond pour la sécurité des piétons. Dans le cadre de ce travail, nous proposons un système de détection des orientations des piétons qui pourrait être intégré dans les systèmes avancés d’aide à la conduite (ADAS) afin d’alerter le conducteur de la présence d’un piéton. A cette fin, nous avons créé une nouvelle base de données d’orientation de piéton qu’on a appelé « SAFEROAD Dataset » enregistrée depuis différentes villes Marocaines en utilisant une caméra monoculaire au sein d’un véhicule en mouvement. Cette base contient 8894 images de piétons qui sont manuellement annotées en 4 et 8 directions. Nous avons ensuite proposé une nouvelle technique de détection de l’orientation du piéton en utilisant les réseaux de Capsules. L’apprentissage et l’évaluation de cette technique sont faits sur notre base SafeRoad, Daimler et sur la base TUD. L’algorithme entraîné sur la base SafeRoad est par la suite appliqué pour la reconnaissance de l’orientation des piétons sur des séquences vidéo prises de la base JAAD. Et finalement, nous proposons dans cette thèse un système de prévention des accidents piéton-véhicule, qui intègre l’orientation du piéton pour l’évaluation du risque d’un accident. Ce système prend en considération la présence des piétons indisciplinés et des routes non structurées. ; Road accidents are the first cause of death for those who are under 30 years old. Represented as the most vulnerable road user, the pedestrian constitutes 23% of all road fatalities. This thesis is part of the research conducted on the application of deep learning methods for pedestrian safety. In this work, we propose a pedestrian orientation detection system that could be ...