Direction de recherche : Séverine DUBUISSON

Co-encadrement : DETYNIECKI Marcin

Détection de stress dans la gestuelle à partir de vidéos

Il est maintenant largement accepté que le stress joue un rôle important dans les sociétés modernes. Le stress impacte en effet le corps et l'esprit à différents niveaux. De plus, le lien entre stress et maladie a été observé dans plusieurs études. Cependant, il n'y a pas encore de définition consensuelle du stress, et par conséquent il n'y a pas de manière consensuelle de le mesurer. Ainsi, bien que la qualité de la mesure joue un rôle majeur dans la réalisation de solutions robustes de détection du stress, les chercheurs doivent choisir une stratégie de mesure parmi un grand nombre de possibilités. Cette hétérogénéité impacte la validité des comparaisons faites entre les différentes solutions.
Dans cette thèse, nous évaluons l'impact de plusieurs stratégies de mesure pour la détection du stress. Dans un premier temps, nous résumons comment différents domaines de recherche définissent et mesurent le stress. Nous décrivons ensuite comment nous avons collecté des données de sujets en situation stressante ainsi que plusieurs mesures du stress. Nous étudions également les liens entre ces différentes mesures. Par la suite, nous présentons les descripteurs comportementaux et physiologiques que nous avons extraits pour nos expériences. Enfin, nous présentons les résultats obtenus concernant l'impact des stratégies de mesure sur 1) la normalisation de données, 2) la performance des descripteurs pour la classification et 3) sur la conception d'algorithmes d'apprentissage automatique.
De manière générale, nous défendons l'idée qu'il faut adopter une approche globale pour concevoir une solution de détection du stress.

Publications 2015-2022

• 2022
  • C. Bove, J. Aigrain, M.‑J. Lesot, Ch. Tijus, M. Detyniecki : “Contextualization and Exploration of Local Feature Importance Explanations to Improve Understanding and Satisfaction of Non-Expert Users”, IUI '22: 27^th International Conference on Intelligent User Interfaces, Helsinki, Finland, pp. 807-819, (ACM) (2022)
• 2021
  • C. Bove, J. Aigrain, M.‑J. Lesot, Ch. Tijus, M. Detyniecki : “Contextualising local explanations for non-expert users: an XAI pricing interface for insurance”, Joint Proceedings of the ACM IUI 2021 Workshops co-located with 26^th ACM Conference on Intelligent User Interfaces (ACM IUI 2021), vol. 2903, CEUR Workshop Proceedings, College Station, United States, (CEUR-WS.org) (2021)
• 2019
  • V. Ballet, †. Xavier, J. Aigrain, Th. Laugel, P. Frossard, M. Detyniecki : “Imperceptible Adversarial Attacks on Tabular Data”, NeurIPS 2019 Workshop on Robust AI in Financial Services: Data, Fairness, Explainability, Trustworthiness and Privacy (Robust AI in FS 2019), Vancouver, Canada (2019)
• 2016
  • J. Aigrain : “Détection de stress dans la gestuelle à partir de vidéos”, soutenance de thèse, soutenance 05/12/2016, direction de recherche Dubuisson, Séverine, co-encadrement : Detyniecki, Marcin (2016)
  • J. Aigrain, A. Dapogny, K. Bailly, S. Dubuisson, M. Detyniecki, M. Chetouani : “On leveraging crowdsourced data for automatic perceived stress detection”, ICMI 2016 - 18^th ACM International Conference on Multimodal Interaction, Tokyo, Japan, pp. 113-120, (ACM Press) (2016)
  • J. Aigrain, M. Spodenkiewicz, S. Dubuisson, M. Detyniecki, D. Cohen, M. Chetouani : “Multimodal stress detection from multiple assessments”, IEEE Transactions on Affective Computing, vol. PP (99), pp. 1-1, (Institute of Electrical and Electronics Engineers) (2016)
• 2015
  • J. Aigrain, S. Dubuisson, M. Detyniecki, M. Chetouani : “Person-specific behavioural features for automatic stress detection”, 2015 11^th IEEE International Conference and Workshops on Automatic Face and Gesture Recognition (FG), Ljubljana, Slovenia (2015)