COBVIS-D et SPEED-Q, projets sur le comportement céphalooculaire des conducteurs automobiles


Résumé : Le projet COBVIS-D avait pour but de développer un environnement de simulation pour l'analyse des comportements céphalooculaires des conducteurs automobiles âgés. Il doit permettre d'élaborer des programmes de rééducation plus appropriés et des outils pour mieux identifier les conducteurs à risque. Le projet SPEED-Q visait à adapter ce simulateur à une plate-forme automobile. 

Partenaire : Le maître d'œuvre du projet est le Laboratoire de vision et systèmes numériques de l'Université Laval. 

Résultat : L'équipe du CRIM a contribué à la détection et de la reconnaissance automatique des expressions faciales avec le « Facial Action Coding System » dans des contextes de conduite difficile. Le projet était financé par le Centre d'excellence canadien Auto21 et la Société d'assurance automobile du Québec (SAAQ).

Équipes

Nouvelles récentes

  • 5G : Une autre Journée Techno réussie pour le CRIM!
    30/01/2019

    Le 29 janvier dernier, le CRIM a organisé une Journée Techno portant sur le thème de la 5G. Cet événement a suscité un intérêt marqué auprès de la communauté des TI et des gens d’affaires, attirant une soixantaine de personnes au CRIM.

    +

Événement à venir

  • Génie 4.0: prenez le virage vous aussi
    26/02/19 0h00
    Usine C (Montréal)
    Le CRIM, partenaire de cet événement, sera présent le 26 février 2019 à Montréal pour la Journée-conférence organisée par Genium 360, en collaboration avec CRIM, CRIQ, CEFRIO, MQQ, Deloitte.
    +
  • Chambre de commerce RT @chambremontreal: "Une des caractéristiques du @CRIM_ca est de travailler avec les entreprises pour résoudre leurs problématiques. On a…
  • Chambre de commerce RT @chambremontreal: .@_CelineHuot de la @ChambreMontreal anime un panel sur la formation et le transfert technologique avec Simon Delamarr…

Publications récentes

  • Object Counting on Low Quality Images: A Case Study of Near Real-Time Traffic Monitoring

    +
  • Object Counting on Low Quality Images: A Case Study of Near Real-Time Traffic Monitoring

    +