Perception visuelle du mouvement humain dans les interactions lors de tâches locomotrices - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Theses Year : 2018

Visual perception of human movement during walking task interactions

Perception visuelle du mouvement humain dans les interactions lors de tâches locomotrices

Abstract

During daily activities, a walker interacts with their environment, especially the other walkers, avoiding any collision with them. The nature of visual information that is used for a collision-free interaction requires further understanding. Specifically, the thesis aims to answer the following questions: what are the visual cues an individual perceives from the movement of others? What are the possible interpretation mechanisms and models used for determining future predicted crossing distances? To answer these questions, we designed experiments considering collision avoidance interactions between two walkers in virtual reality, allowing detailed control of the visual environment and the available visual information. The first study of the thesis focused on the nature of visual information provided from another walker, investigating whether these visual cues are extracted from local body parts or from global perception of the body motion. The second study investigated the influence of the walker's path (straight or curved), which the participant is interacting with for the accurate estimation of future risk of collision. Finally, the third study investigated whether eye contact influences the interaction. Here we have demonstrated the coupling of perceived actionopportunities affordances from the nature of visual information and evidenced that walkers can detect future predicted collisions when another walker follows a path with constant acceleration.
Durant ses activités quotidiennes, un marcheur interagit avec son environnement et en particulier avec les autres marcheurs, notamment en évitant toute collision. La nature de l'information visuelle utilisée pour une interaction sans collision est une question encore très ouverte à ce jour. Dans ce cadre, cette thèse vise à répondre aux questions suivantes : quels sont les indices visuels qu'un individu perçoit à partir du mouvement des autres ? Quels sont les mécanismes d'interprétation possibles et les modèles utilisés pour déterminer les possibles risques de collision ? Afin de répondre à ces questions, nous avons mis en place des expérimentations impliquant des évitements de collision entre deux marcheurs en utilisant la réalité virtuelle, permettant un contrôle détaillé de l'environnement visuel et des informations visuelles disponibles. La première étude s'est concentrée sur la nature de l'information visuelle fournie par un autre marcheur, en particulier, si ces informations sont extraites d’une perception locale considérant les segments corporels, ou d’une perception globale du mouvement du corps. La deuxième étude s'est concentrée sur l’influence de la trajectoire de l’autre marcheur (en ligne droite ou en courbe) sur la capacité à estimer de façon précise un possible risque de collision. Enfin, la troisième étude s'est concentrée sur l’effet du contact visuel sur l'interaction entre les deux marcheurs. Nous avons présenté ici le couplage entre les possibilités d'action perçues et les possibilités offertes par la nature de l'information visuelle et démontré que les marcheurs peuvent détecter les collisions futures prévues lorsqu'un autre marcheur suit une trajectoire avec des accélérations constantes.
Fichier principal
Vignette du fichier
2018theseLynchS.pdf (67.85 Mo) Télécharger le fichier
Origin : Version validated by the jury (STAR)

Dates and versions

tel-01944500 , version 1 (04-12-2018)
tel-01944500 , version 2 (09-01-2019)

Identifiers

  • HAL Id : tel-01944500 , version 2

Cite

Sean Lynch. Perception visuelle du mouvement humain dans les interactions lors de tâches locomotrices. Education. Université Rennes 2, 2018. Français. ⟨NNT : 2018REN20046⟩. ⟨tel-01944500v2⟩
1070 View
72 Download

Share

Gmail Facebook X LinkedIn More