Fiche personnelle

Fiche personnelle de BELAROUSSI Rachid

  • Présentation

    Fonction : Chercheur
    25 allée des Marronniers 78000 Versailles-Satory - Bâtiment : Allee des Marroniersrachid.belaroussi(at)ifsttar.fr

    Affectation : COSYS - LIVIC


    Description

    ________________________________________________________________
    FORMATION
    ________________________________________________________________

    Ingénieur de l'École Supérieure de Physique et de Chimie Industrielles - ESPCI ParisTech

    Master Electronique (UPMC-Paris VI), option Instrumentation

    Doctorat UPMC-Paris VI : Localisation du visage dans des images et séquences vidéos couleur


    ________________________________________________________________
    ACTIVITÉS DE RECHERCHE
    ________________________________________________________________

    Mes activités se tournant vers le machine learning de signaux et de données, mes projets de recherche s’orientent naturellement vers l’application de ces méthodes d’apprentissage à plusieurs problématiques portées par le Grettia (trafic routier, mobilité), ainsi que le LIVIC et le LEPSIS en collaboration avec l'Université de Bologne (données de conduite).  

    Analyse du trafic routier : apprentissage supervisé pour la prévision de volume sur un réseau autoroutier.

    On privilégie une approche d’inférence par compilation de données télé-relevées (boucles de comptage en #véhicules-5 min), dans un domaine où la modélisation physique prime. Les perspectives sont multiples : estimation des temps de parcours, état du trafic, évaluation a posteriori des aménagements (extension possible aux problèmes de simulation a priori), gestion et régulation intelligente du trafic (affectation dynamique).



    Les routes intelligentes sont monitorées par des capteurs enfouis mesurant le nombre de véhicules, et leur vitesse, passant une station donnée durant une période donnée. Le résultat, mesuré en véhicules-5 min, est appelé Volume. La prévision à court-terme du trafic fait largement appel, dans la littérature, à des approches statistiques modélisant les séries temporelles (moyenne glissante, ARIMA, filtre de Kalman…), à des approches non-paramétriques (réseaux de neurones, SVM, k-NN…) ou à une combinaison de ces méthodes ; depuis trois ans, quelques rares articles présentent des travaux d’applications de réseaux profonds à ce problème. Ces travaux appliquant le deep learning aux données de trafic agrègent les mesures des autoroutes de tout le réseau pour ne donner qu’une estimation du flux moyen sur une autoroute (moyenne des stations de cette route). La prévision de trafic utilise alors les volumes moyens des instants précédents du réseau, sans prise en compte de la répartition spatiale des capteurs. Or les stations de comptage sont distribuées sur les routes et autoroutes, et la distance les séparant peut affecter la corrélation de leurs mesures.

    Nous explorons une approche où les corrélations spatiales peuvent être modélisées, en tenant compte de toutes les stations dans l’architecture de nos réseaux et par l’introduction de champ récepteur locaux et d’une ou plusieurs couches de convolution ; on s’intéressera particulièrement au poids des stations d’entrée et de sortie du réseau routier.  


    MATSIM pour la modélisation basée activités des déplacements franciliens

    https://www.youtube.com/watch?v=ITMZlrnaaW0



    Extraction de caractéristiques essentielles de données de conduite par deep learning (LIVIC-LEPSIS/Unibo)

    Étude de modèles génératifs profond (DSAE : auto-encodeurs empilés et DBN : Deep Belief Network) pour la construction d’un espace de représentation des données de conduite (cap, vitesse, accélération long/lat, freinage, angle au volant mais aussi direction du regard et EEG) issues de véhicules réels ou d’un simulateur. On se concentre sur des méthodes d’apprentissage non-supervisé mettant en lumière des événements particuliers (accidents, intersections, feux, céder le passage). Je collabore avec le LEPSIS pour les données d’odométrie d’un simulateur de conduite (conduite de nuit, conducteur avec ou sans cataracte) et avec l’Université de Bologne (Unibo-DICAM) pour les données sur piste réelle (odométrie, et physiologie : oculométrie, EEG).


    Depuis cinq ans, les réseaux de neurones profond révolutionnent la vision des ordinateurs et la reconnaissance de la parole, et montrent des résultats prometteurs dans d’autres domaines tels que la compréhension du langage et la traduction automatique. En dehors des domaines de l’image et du son, ces techniques sont très peu exploitées pour le domaine des transports intelligents : principalement pour faire de la perception autour du véhicule ou dans l’habitacle. Nous utilisation ces réseaux pour faire de la visualisation de données complexes et de grandes dimensions, celle de données de conduite (cap, vitesse, accélération long/lat, freinage, angle au volant mais aussi direction du regard et EEG) issues de véhicules réels ou d’un simulateur. On se concentre sur des méthodes d’apprentissage non-supervisé mettant en lumière des événements particuliers (accidents, intersections, feux, céder le passage).

    Je collabore avec le LEPSIS pour les données d’odométrie d’un simulateur de conduite (conduite de nuit, conducteur avec ou sans cataracte) et avec l’Université de Bologne (Unibo-DICAM) pour les données sur piste réelle (odométrie, et physiologie : oculométrie, EEG). L’intégration de données physiologiques aux données du véhicule, particulièrement peu explorée dans ce domaine intéresse beaucoup le DICAM et nous collaborons par l’intermédiaire d’une doctorante et une stagiaire de l'Unibo.



    _________________________________________________________________
    Publications
    _________________________________________________________________

    https://scholar.google.fr/citations?user=gM_1xWcAAAAJ&hl=fr

    https://dblp.org/pers/hd/b/Belaroussi:Rachid


    ________________________________________________________________
    ENSEIGNEMENT ET FORMATION À LA RECHERCHE
    ________________________________________________________________

    Enseignant vacataire de 2015 à 2018 :
    -    Master 2 Robotique de POLYTECH Paris UPMC (Paris VI). Cours magistraux et TP en Reconnaissance des formes et Apprentissage statistique.
    -       Master 2 CFA I4 (Paris VI). TP en vision des ordinateurs (OpenCV)



  • Publications

    Publications

    GRUYER, Dominique, DEMMEL, Sébastien, MAGNIER, Valentin, BELAROUSSI, Rachid, 2016, Multi-Hypotheses Tracking using the Dempster-Shafer Theory. Application to ambiguous road context., Information Fusion, 29, Elsevier, pp40-56, DOI: 10.1016/j.inffus.2015

    http://dx.doi.org/10.1016/j.inffus.2015

    Plus d'infos

    GRUYER, Dominique, BELAROUSSI, Rachid, REVILLOUD, Marc, 2016, Accurate lateral positioning from map data and road marking detection, Expert Systems with Applications, 43, ELSEVIER, 8p, DOI: 10.1016/j.eswa.2015.08.015

    http://www.sciencedirect.com/science/journal/09574174
    http://dx.doi.org/10.1016/j.eswa.2015.08.015

    Plus d'infos

    BELAROUSSI, Rachid, GRUYER, Dominique, 2015, Road Sign-Aided Estimation of Visibility Conditions, 14th IAPR Conference on Machine Vision Applications (MVA 2015), Tokyo, Japon, 2015-05-18, 4p, DOI: 10.1109/MVA.2015.7153167

    http://dx.doi.org/10.1109/MVA.2015.7153167

    Plus d'infos

    GRUYER, Dominique, BELAROUSSI, Rachid, LI, Xuanpeng, LUSETTI, Benoit, REVILLOUD, Marc, GLASER, Sébastien, 2015, PerSEE: a Central Fusion Sensors Electronic Control Unit for the development of perception-based ADAS, 14th IAPR Conference on Machine Vision Applications (MVA 2015), Tokyo, Japon, 2015-05-18, Institute of Electrical and Electronics Engineers - IEEE, pp.250-254, DOI: 10.1109/MVA.2015.7153178

    http://dx.doi.org/10.1109/MVA.2015.7153178

    Plus d'infos

    BELAROUSSI, Rachid, GRUYER, Dominique, 2015, Convergence of a Traffic Signs-based Fog Density Model, ITSC 2015 - IEEE 18th International Conference on Intelligent Transportation Systems, Las Palmas, Espagne, 2015-09-15, 5p, DOI: 10.1109/ITSC.2015.132

    http://itsc2015.exordo.com/files/papers/759/final_draft/PID3770363.pdf
    http://ieeexplore.ieee.org/

    Plus d'infos

    GRUYER, Dominique, BELAROUSSI, Rachid, VIGNERON, Vincent, CORD, Aurélien, 2014, How to Manage Conflict and Ambiguities in Localization and Map Matching?, Journal of Intelligent Systems, 23, 2, WALTER DE GRUYTER, pp. 171-182, DOI: 10.1515/jisys-2013-0076

    http://www.degruyter.com/view/j/jisys
    http://dx.doi.org/10.1515/jisys-2013-0076

    Plus d'infos

    BELAROUSSI, Rachid, GRUYER, Dominique, 2014, Impact of Reduced Visibility from Fog on Traffic Sign Detection, IV 2014 - IEEE Intelligent Vehicles Symposium, DETROIT, ETATS-UNIS, 2014-06-08, pp. 1302-1306, DOI: 10.1109/IVS.2014.6856535

    http://ieeexplore.ieee.org/

    Plus d'infos

    GRUYER, Dominique, BELAROUSSI, Rachid, REVILLOUD, Marc, 2014, Map-Aided Localization with Lateral Perception, IV 2014 - IEEE Intelligent Vehicles Symposium, DETROIT, ETATS-UNIS, 2014-06-08, 7p, DOI: 10.1109/IVS.2014.6856528

    http://ieeexplore.ieee.org/

    Télécharger le document

    GRUYER, Dominique, CORD, Aurélien, BELAROUSSI, Rachid, 2013, Target-to-Track Collaborative Association Combining a Laser Scanner and a Camera, ITSC 2013 - 16th IEEE Conference on Intelligent Transportation Systems, LA HAYE, PAYS-BAS, 2013-10-06, pp. 1125-1130, DOI: 10.1109/ITSC.2013.6728383

    http://ieeexplore.ieee.org/

    Plus d'infos

    GRUYER, Dominique, CORD, Aurélien, BELAROUSSI, Rachid, 2013, Vehicle detection and tracking by collaborative fusion between laser scanner and camera, IEEE/RSJ - International Conference on Intelligent Robots and Systems, TOKYO, JAPON, 2013-11-03, pp. 6207-6214, DOI: DOI: 10.1109/IROS.2013.6697109

    http://ieeexplore.ieee.org/

    Plus d'infos

    BELAROUSSI, Rachid ; MILGRAM, Maurice , 2012 , A comparative study on face detection and tracking algorithms , Expert Systems with Applications , 39 , 8 , ELSEVIER , pp. 7158-7164 , DOI: 10.1016/j.eswa.2012.01.076

    http://www.journals.elsevier.com/expert-systems-with-applications/

    Plus d'infos

    TAREL, Jean Philippe ; BELAROUSSI, Rachid, 2012, Robust 2D Location of Interest Points by Accumulation, ICIP 2012 - IEEE International Conference on Image Processing, ORLANDO, ETATS-UNIS, 30/09/2012, 4p.,

    http://perso.lcpc.fr/tarel.jean-philippe/publis/icip12.html

    Télécharger le document

    BELAROUSSI, Rachid ; TAREL, Jean Philippe ; HAUTIERE, Nicolas, 2011, Vehicle Attitude Estimation in Adverse Weather Conditions using a Camera, a GPS and a 3D road Map, IV'11 - IEEE Intelligent Vehicles Symposium, BADEN BADEN, ALLEMAGNE, 05/06/2011, 6p.,

    Plus d'infos

    HAUTIERE, Nicolas ; BELAROUSSI, Rachid , 2010 , Assistance à la navigation automobile par temps de brouillard, In Projet DIVAS , HERMES-LAVOISIER , pp 267-282

    http://perso.lcpc.fr/tarel.jean-philippe/publis/divas10b.html

    Plus d'infos

    BELAROUSSI, Rachid ; TAREL, Jean Philippe , 2010 , Détection des panneaux de signalisation routière par accumulation bivariée , Traitement du signal , 27 , 3 , pp 265-296 , DOI: 10.3166/ts.27.265-296

    http://perso.lcpc.fr/tarel.jean-philippe/publis/ts10.html

    http://ts.revuesonline.com/accueil.jsp

    Plus d'infos

    FOUCHER, Philippe ; TAREL, Jean Philippe ; SOHEILIAN, Bahman ; CHARBONNIER, Pierre ; PAPARODITIS, Nicolas , 2010 , Road Sign Detection in Images : A Case Study , ICPR'10 , ISTANBUL , TURQUIE , 23/08/2010 , pp 484-488

    {http://perso.lcpc.fr/tarel.jean-philippe/publis/icpr10.html}
    ;

    Plus d'infos

    BELAROUSSI, Rachid , 2010 , Modèle géométrique du sommet et de la bissectrice d'un angle pour la détection de panneaux triangulaires , Reconnaissance des Formes et Intelligence Artificielle , CAEN , FRANCE , 19/01/2010 , pp 757-764

    http://perso.lcpc.fr/tarel.jean-philippe/publis/rfia10.html

    Plus d'infos

    BELAROUSSI, Rachid , 2009 , Angle Vertex and Bisector Geometric Model for Triangular Road Sign Detection , IEEE Workshop on Applications of Computer Vision (WACV'09) , Snowbird , ETATS-UNIS , 07/12/2009 , sp

    http://perso.lcpc.fr/tarel.jean-philippe/publis/wacv09.html

    Plus d'infos

    BELAROUSSI, Rachid , 2009 , A Real-Time Road Sign Detection Using Bilateral Chinese Transform , IEEE International Symposium on Visual Computing (ISVC'09) , LAS VEGAS , ETATS-UNIS , 30/11/2009 , pp 1161-1170

    http://perso.lcpc.fr/tarel.jean-philippe/publis/isvc09.html

    Plus d'infos