Laboratoire de Génie Informatique et d’Automatique de l’Artois

Samir HACHOUR

Maître de conférences
2015
Livre Scientifique
Belief function based multisensor multitarget classification solution
Multisensor data fusion, From algorithms and architectural design to applications, pp 331-348, H. Fourati (Ed.), CRC Press, août 2015
Object tracking and credal classification with kinematic data in a multi-target context
Information Fusion, pp 174-188, Vol. 20, , novembre 2014
A new parameterless credal method to track-to-track assignment problem
3rd International Conference on Belief Functions, BELIEF 2014, pp 403-411, Oxford, United Kingdom, F. Cuzzolin (Ed.), septembre 2014
A distributed solution for multi-object tracking and classification
17th International Conference on Information Fusion, FUSION 2014, Salamanca, Spain, , paper 323, juillet 2014
2014
Conférence Internationale avec Comité de Lecture
Comparison of credal assignment algorithms in kinematic data tracking context
15th Information Processing and Management of Uncertainty in Knowledge-Based Systems International Conference, IPMU 2014, pp 200-211, Montpellier, France, juillet 2014
Multi-Sensor multi-target tracking with robust kinematic data based credal classification
8th Workshop, Sensor Data Fusion: Trends, Solutions, Application , SDF 2013, Bonn, Germany, octobre 2013
2013
Conférence Nationale avec Comité de Lecture
Fusion d’Informations pour la Classification Multi-capteurs, Multi-cibles
22èmes Rencontres Francophones sur la Logique Floue et ses Applications , 10-11 octobre , LFA 2013, pp 111-118, Reims, janvier 2013
Tracking and Identification of Multiple Targets
7ème Workshop Interdisciplinaire sur la Sécurité Globale, WISG, No. 13, Troyes, France, janvier 2013
Classification crédale multi-cibles
21e Rencontres Francophones sur la Logique Floue et ses Applications (LFA 2012), pp 201-208, Compiègne, France, novembre 2012

Auteur de la thèse intitulée "Suivi et classification d’objets multiples : contributions avec la théorie des fonctions de croyance"

2011 - 2015

Cette thèse aborde le problèeme du suivi et de la classification de plusieurs objets simultanément.Il est montré dans la thèese que les fonctions de croyance permettent d’améliorer les résultatsfournis par des méthodes classiques à base d’approches Bayésiennes. En particulier, une précédenteapproche développée dans le cas d’un seul objet est étendue au cas de plusieurs objets. Il est montréque dans toutes les approches multi-objets, la phase d’association entre observations et objetsconnus est fondamentale. Cette thèse propose également de nouvelles méthodes d’associationcrédales qui apparaissent plus robustes que celles trouvées dans la littérature. Enfin, est abordée laquestion de la classification multi-capteurs qui nécessite une seconde phase d’association. Dans cedernier cas, deux architectures de fusion des données capteurs sont proposées, une dite centraliséeet une autre dite distribuée. De nombreuses comparaisons illustrent l’intérêt de ces travaux, queles classes des objets soient constantes ou variantes dans le temps.

GS2RI (ELSAT 2020)

2015 - 2020

Greener and Safer Rail Road Interaction

Résumé :

L’objet du projet est de réaliser la co-simulation ferroviaire dans un réseau urbain entre des tramways d’une part, et des véhicules et piétons d’autre part, dans le but d’améliorer la sécurité des usagers.