Gravel, Mathieu
(2019).
« Reconnaissance d'activités et reconnaissance d'objets par affordance pour la reconnaissance de plan d'un robot assistant cognitif » Mémoire.
Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
Le vieillissement de la population et le besoin de soutien grandissant des personnes âgées dans leur vie quotidienne sont un enjeu sociétal actuel au Canada. C'est pour répondre à cette problématique que le réseau AGE-WELL finance un projet de conception d 'un robot assistant cognitif pour aider une personne âgée à la réalisation de ses activités quotidiennes. Or, ce type de système doit comporter un module de vision et de reconnaissance d'activités afin de comprendre les actions qu'une personne est en train d'exécuter. Cette information est d 'une importance capitale pour comprendre ses plans et ses intentions, afin de l'aider à les réaliser.
Nous proposons dans ce mémoire une approche de reconnaissance d'activités
par la reconnaissance d'interactions humains-objets, grâce à une représentation d'activités en tant qu'affordances. Pour ce faire, nous avons développé le module PARC, Plan and Activity Recognition Component. PARC est conçu pour reconnaître les interactions d'une personne avec un objet, afin de modéliser ses activités sous ressources limitées et de les transmettre à un système de reconnaissance de plan, le tout dans le but d'être intégré à une plateforme robotique. Ce mémoire se concentre sur la partie de reconnaissance d 'activités. Celle-ci fonctionne par la détection
d'affordances entre un humain et un objet, qui sont eux-mêmes détectées
par la classification d 'objets d 'un réseau de neurones. Afin d 'assurer que PARC puisse améliorer son ensemble de connaissances spécifiques à l'utilisateur et aux objets de son environnement, il est aussi doté d'un système d 'auto-apprentissage lui permettant d'ajouter à son système de détection d objets la capacité de détecter de nouvelles classes et de nouvelles représentations de classes d'objets existants. L'approche proposée a été évaluée à l'aide d'un corpus spécifique créé pour l'occasion, ainsi que sa librairie de plans proposés. L'évaluation du module démontre son efficacité à déceler les objets de son environnement ainsi que les activités effectuées avec ces dits objets, pour les transmettre à un système de reconnaissance de plan de haut-niveau. Le système démontre aussi une amélioration de son efficience à long terme, grâce à un processus d 'auto-apprentissage sur les données cachées
de son environnement, qui se déroule parallèlement à la tâche de reconnaissance d'activités.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : vision par ordinateur, vision artificielle, reconnaissance d 'objet et d'activité, apprentissage machine, intelligence artificielle, robotique mobile
Type: |
Mémoire accepté
|
Informations complémentaires: |
Le mémoire a été numérisé tel que transmis par l'auteur. |
Directeur de thèse: |
Beaudry, Éric |
Mots-clés ou Sujets: |
Vision par ordinateur / Vision artificielle / Apprentissage automatique / Reconnaissance de l'activité humaine / Reconnaissance d'objets / Robots mobiles / Intelligence artificielle |
Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
Déposé par: |
Service des bibliothèques
|
Date de dépôt: |
08 juill. 2020 20:38 |
Dernière modification: |
14 juill. 2020 10:12 |
Adresse URL : |
http://archipel.uqam.ca/id/eprint/13388 |