BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Etis - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Etis
X-ORIGINAL-URL:https://www.etis-lab.fr
X-WR-CALDESC:Events for Etis
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20270328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20271031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260112T140000
DTEND;TZID=Europe/Paris:20260112T163000
DTSTAMP:20260421T125144
CREATED:20260106T111020Z
LAST-MODIFIED:20260106T111020Z
UID:9667-1768226400-1768235400@www.etis-lab.fr
SUMMARY:Soutenance de thèse - Claire Béranger
DESCRIPTION:Claire Béranger\, doctorante dans l’équipe CELL\, soutient sa thèse intitulée “Reconnaissance de la marche et prédiction de chute par apprentissage profond sur des signatures micro-Doppler” le 12 janvier 2026 dans l’auditorium de la Maison de la Recherche Annie-Ernaux (CY Cergy Paris Université). \nRésumé\nReconnaissance de la marche et prédiction de chute par apprentissage profond sur des signatures micro-Doppler \nLes chutes chez les personnes âgées constituent un enjeu majeur de santé publique\, entraînant chaque année en France un nombre significatif de décès et d’hospitalisations.\nBien que des systèmes de téléassistance aient été déployés pour réduire ces risques\, leur efficacité reste limitée en raison d’un taux élevé de fausses alertes. \nCette thèse propose des méthodes de reconnaissance d’activités à partir de données radar non conventionnelles\, permettant un suivi précis des mouvements des personnes âgées tout en préservant leur intimité.\nLes travaux portent sur l’extraction de caractéristiques pertinentes à partir de spectrogrammes radar et sur le développement de modèles de classification performants pour l’identification de l’activité quotidienne. \nUn jeu de données multimodal expérimental a été constitué afin de soutenir l’analyse et l’évaluation des modèles. L’optimisation des approches et la fusion des résultats des modèles ont permis d’atteindre un taux de reconnaissance des activités proche de 95%\,\ndémontrant la robustesse et l’efficacité des méthodes développées. Ces résultats ouvrent des perspectives concrètes pour l’amélioration des systèmes de téléassistance et la prévention des chutes. \nAu-delà de ces applications\, ce travail illustre le potentiel des technologies radar pour l’étude des activités humaines et ouvre de nouvelles pistes pour la recherche en suivi comportemental et analyse biomécanique. \nAbstract\nGait Recognition and Fall Prediction with Deep-Learning on Micro-Doppler Signatures \nFalls among elderly people represent a major public health challenge\, resulting each year in France in a substantial number of deaths and hospitalisations.\nAlthough teleassistance systems have been deployed to mitigate these risks\, their effectiveness remains limited due to a high rate of false alarms. \nThis thesis presents methods for activity recognition using unconventional radar data\, enabling precise monitoring of elderly people’s movements while preserving their privacy.\nThe work focuses on the extraction of relevant features from radar spectrograms and the development of robust classification models for identifying daily activities. \nAn experimental multimodal dataset was created to support the analysis and evaluation of the models.\nOptimisation of the approaches and fusion of model outputs achieved an activity recognition rate of approximately 95%\, demonstrating the robustness and effectiveness of the proposed methods.\nThese results provide concrete prospects for improving teleassistance systems and preventing falls. \nBeyond these applications\, this work highlights the potential of radar technologies for the study of human activities and opens new avenues for research in behavioural monitoring and biomechanical analysis. \nComposition du jury\nRapporteurs : \n\nMme Iness AHRIZ Maîtresse de conférences\, HDR\, Conservatoire National des Arts et Métiers Paris\, CEDRIC\nMme Catherine DEZAN Maîtresse de conférences\, HDR\, Université de Bretagne Occidentale\, Lab-STICC\n\nExaminateurs : \n\nMr Hedi TABIA Professeur\, Université Paris-Saclay\, IBISC\nMr Rémi DUBOIS Professeur\, Université de Bordeaux\, IHU LIRYC\nMr Thanh Phuong NGUYEN Professeur\, Université of Côte d’Azur\, I3S\n\nEncadrant : \n\nMr Petr DOBIÁŠ Maître de conférences\, CY Cergy Paris Université\, ETIS\n\nCo-directeur : \n\nMr Ngoc-Son VU Maître de conférences\, HDR\, ENSEA\, ETIS\n\nDirecteur : \n\nMr Olivier ROMAIN Professeur\, CY Cergy Paris Université\, ETIS\n\nInvités : \n\nMr David GUYARD CEO\, BlueLinea\nMr Julien LE KERNEC Maître de conférences\, HDR\, University of Glasgow\, ETIS\n\nDate et lieu de soutenance\n\n12 janvier 2026\, 14h\nCY Cergy Paris Université\, Auditorium de la Maison de la Recherche Annie-Ernaux
URL:https://www.etis-lab.fr/event/soutenance-de-these-claire-beranger/
LOCATION:Auditorium – Maison de la Rercherche Annie-Ernaux\, CYU Cergy Paris Université\, 33 Boulevard du Port\, Cergy\, 95011\, France
CATEGORIES:PhD Defense
END:VEVENT
END:VCALENDAR