Description

Cette thèse porte sur l’utilisation de l’imagerie thermique faciale comme méthode non intrusive pour évaluer en temps réel les états mentaux et physiques des contrôleurs aériens, notamment le stress et la charge mentale. Deux expériences seront menées : une en laboratoire, sous conditions contrôlées, et une autre en environnement simulé réaliste de contrôle aérien. L’objectif est de valider la faisabilité et la robustesse de cette technique dans des contextes opérationnels. Des algorithmes d’apprentissage automatique seront développés pour classifier ces états à partir des données thermiques, en identifiant les régions faciales les plus pertinentes (comme le nez et le front), et en corrélant les signaux avec des indicateurs physiologiques connus (comme la fréquence cardiaque). L’approche se veut moins contraignante que d'autres techniques (EEG, fNIRS) souvent jugées intrusives. La thèse intègre également des approches d’intelligence artificielle explicable (XAI) pour rendre les diagnostics plus interprétables et dignes de confiance pour les utilisateurs. En fin de parcours, un assistant digital en temps réel sera développé pour assister les contrôleurs à partir des diagnostics thermiques. Ce travail, s’appuyant sur les collaborations entre l’ENAC et l’ISAE-SUPAERO, vise à améliorer la sécurité et la performance dans le contrôle aérien grâce à des technologies innovantes et adaptées aux environnements dynamiques.

Compétences requises

Le doctorant ou la doctorante recherchée devra présenter un profil scientifique solide, avec un fort intérêt pour la recherche interdisciplinaire à l’interface des facteurs humains, de l’intelligence artificielle et des systèmes aéronautiques. Sur le plan du profil académique, le candidat devra être titulaire d’un Master ou diplôme équivalent en informatique, intelligence artificielle, sciences cognitives, ergonomie, neurosciences, traitement du signal, vision par ordinateur, ou domaines connexes. Une spécialisation ou une expérience préalable dans le domaine aéronautique ou des facteurs humains sera considérée comme un atout.

Bibliographie

References
Abdelrahman, Y., Velloso, E., Dingler, T., Schmidt, A., & Vetere, F. (2017). Cognitive heat: Exploring the usage of thermal imaging to unobtrusively estimate cognitive load. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 1(3), 1–20.
Causse, M., Chua, Z., Peysakhovich, V., Del Campo, N., & Matton, N. (2017). Mental workload and neural efficiency quantified in the prefrontal cortex using fNIRS. Scientific Reports, 7(1), 1–15. https://doi.org/10.1038/s41598-017-05378- x
Causse, M., Nourhen, A., Ginès, R., & Christophe, hurter. (2024). Non-contact physiological monitoring of heart rate, facial temperature, and respiration rate with thermal and RGB cameras. AHFE 2024.
Cho, Y., Bianchi-Berthouze, N., Oliveira, M., Holloway, C., & Julier, S. (2019). Nose heat: Exploring stress-induced nasal thermal variability through mobile thermal imaging. 566–572.
Degas, A., Islam, M. R., Hurter, C., Barua, S., Rahman, H., Poudel, M., Ruscio, D., Ahmed, M. U., Begum, S., & Rahman,
M. A. (2022). A survey on artificial intelligence (ai) and explainable ai in air traffic management: Current trends and development with future research trajectory. Applied Sciences, 12(3), 1295.
Deniel, J., Neubert, J., Schwartz, F., & Causse, M. (2024). Impact of Startle Reflex on Cognitive Performance, Face Temperature and Brain Activity. 36–50.
Di Giacinto, A., Brunetti, M., Sepede, G., Ferretti, A., & Merla, A. (2014). Thermal signature of fear conditioning in mild post traumatic stress disorder. Neuroscience, 266, 216–223.
Diaz-Piedra, C., Gomez-Milan, E., & Di Stasi, L. L. (2019). Nasal skin temperature reveals changes in arousal levels due to time on task: An experimental thermal infrared imaging study. Applied Ergonomics, 81, 102870.
Dzedzickis, A., Kaklauskas, A., & Bucinskas, V. (2020). Human emotion recognition: Review of sensors and methods. Sensors, 20(3), 592.
Ekman, P., & Friesen, W. V. (1978). Facial action coding system. Environmental Psychology & Nonverbal Behavior. Ekman, P., Friesen, W. V., O’sullivan, M., Chan, A., Diacoyanni-Tarlatzis, I., Heider, K., Krause, R., LeCompte, W. A., Pitcairn, T., & Ricci-Bitti, P. E. (1987). Universals and cultural differences in the judgments of facial expressions of emotion. Journal of Personality and Social Psychology, 53(4), 712.
Ekman, P., Friesen, W. V., & Simons, R. C. (1985). Is the startle reaction an emotion? Journal of Personality and Social Psychology, 49(5), 1416.
Engert, V., Merla, A., Grant, J. A., Cardone, D., Tusche, A., & Singer, T. (2014). Exploring the use of thermal infrared imaging in human stress research. PloS One, 9(3), e90782.
Gateau, T., Durantin, G., Lancelot, F., Scannella, S., & Dehais, F. (2015). Real-time state estimation in a flight simulator using fNIRS. PloS One, 10(3), e0121279.
Gioia, F., Pascali, M. A., Greco, A., Colantonio, S., & Scilingo, E. P. (2021). Discriminating stress from cognitive load using contactless thermal imaging devices. 608–611.
Goulart, C., Valadão, C., Delisle-Rodriguez, D., Tavares, D., Caldeira, E., & Bastos-Filho, T. (2019). Emotional state analysis through InfraRed thermal imaging. 199–203.
Hassoumi, A., Peysakhovich, V., Le Coz, A., Hurter, C., & Causse, M. (2022). Thermal Imaging of the Face: Mental Workload Detection in Flight Simulator.
Hurter, C., & McDuff, D. (2017). Cardiolens: Remote physiological monitoring in a mixed reality environment. In ACM siggraph 2017 emerging technologies (pp. 1–2).
Kikukawa, A., Kobayashi, A., & Miyamoto, Y. (2008). Monitoring of pre-frontal oxygen status in helicopter pilots using near- infrared spectrophotometers. Dynamic Medicine, 7, 1–10.
Merla, A. (2014). Revealing psychophysiology and emotions through thermal infrared imaging. 2, 368–377.
Morris, C. H., & Leung, Y. K. (2006). Pilot mental workload: How well do pilots really perform? Ergonomics, 49(15), 1581– 1596.
Nhan, B. R., & Chau, T. (2009). Classifying affective states using thermal infrared imaging of the human face. IEEE Transactions on Biomedical Engineering, 57(4), 979–987.
Puri, C., Olson, L., Pavlidis, I., Levine, J., & Starren, J. (2005). StressCam: Non-contact measurement of users’ emotional states through thermal imaging. 1725–1728.
Schützwohl, A., & Reisenzein, R. (2012). Facial expressions in response to a highly surprising event exceeding the field of vision: A test of Darwin’s theory of surprise. Evolution and Human Behavior, 33(6), 657–664.

Mots clés

Imagerie thermique faciale, Monitoring non intrusif , Charge mentale , Contrôle aérien , Facteurs humains , ergonomie cognitive