À propos du CRIM

Interaction personne-machine et ergonomie cognitive

Les modes d’interaction avec les systèmes deviennent de plus en plus variés et sophistiqués. Plusieurs de nos travaux de recherche exploitent l’analyse visuelle de l’utilisateur pour améliorer l’interaction personne-machine. L’examen du regard et de l’attention visuelle, l’identification des gestes, le suivi des mouvements musculaires du visage et la reconnaissance des expressions faciales sont exploités pour mieux comprendre les intentions de l’utilisateur et lui offrir un contrôle plus convivial d’un système. Par ailleurs, dans des contextes de formation ou de service aux usagers, les systèmes de vision par ordinateur peuvent servir à analyser le comportement ainsi que l’état émotionnel de sujets humains. Par exemple, ils permettent de déceler des signes de stress, de fatigue ou de distraction. Le développement de nos technologies s’appuie sur une solide expertise en ergonomie cognitive. De plus, nous détenons une certification FACS (Facial Action Coding System) pour la classification des expressions faciales.

Technologies  associées : Reconnaissance globale d’expressions faciales, logiciel de synchronisation vidéo pour eye-tracker et manette de jeu, détecteur de mouvements faciaux en éclairage infra-rouge.

 

Équipes

Réalisations

Publications

Événement à venir

  • Séminaire R-D - Photographie ultra-rapide compressée: la capture instantanée d'événements à la vitesse de la lumière
    24/05/18 11h00
    CRIM (405, avenue Ogilvy, bureau 101, Montréal)
    Une présentation de Jinyang Liang, Ph.D., Laboratory of Applied Computational Imaging (LACI), Centre Énergie Matériaux Télécommunications, Institut National de la Recherche Scientifique (INRS)
    +
  • Croesus_fr RT @Croesus_fr: @CRIM_ca @economie_quebec Merci pour le partage @CRIM_ca! Nous sommes aussi très heureux. #collaboration
  • Croesus RT @CroesusFin: Croesus announces the official launch of Croesus Lab https://t.co/GqWue9OaHk

Publications récentes

  • Towards Automatic Feature Extraction for Activity Recognition from Wearable Sensors: A Deep Learning Approach

    +
  • État des lieux des technologies web

    +