Problématiques scientifiques > Gestion du Comportement utilisateur(s)
Il s’agit de détecter des indices caractéristiques permettant de reconnaître les comportements inventoriés (mouvements, attitudes, expressions, ….). De manière complémentaire aux actions explicites du joueur, exprimées au moyen des interfaces traditionnelles (souris, clavier, écrans tactiles...), des situations comportementales relevant de l’implicite sont identifiées au moyen de caméras (gestuelle, attitude, expression, regard , …).
Une étude sémantique d’éléments temporels (attente, séquence d’ations) ou de certaines réalisations commandées par l’application et effectuées par l’utilisateur permettra de les interpréter en terme de comportement (par exemple à l’occasion d’un dessin : reconnaissance d’une forme répertoriée ou confinement de l’écriture dans un coin).
Dans tous les cas, il sera nécessaire de se référer à un corpus préalablement établi par le concepteur du jeu.
– A bas niveau : capture sans marqueur, analyse d’image et de mouvement (séquences temporelles) d’éléments visuels à comportement complexe et évolutif, prise en compte des occlusions, obtention d’une information des profondeurs précises….
– A haut niveau : Gestion des connaissances : conception par apprentissage adaptatif d’un modèle du joueur, analyse et filtrage des paramètres du modèle d’apprentissage (identification comportements multimodaux : Expressions faciales, états émotionnels, mouvement, comportement collectifs sociaux et économiques… )
Modélisation des connaissances d’expertise: Ontologie, mécanismes de fusion d’information–Classification de données (comportement joueur, état du système, …).
L’introduction des comportements implicites constituera un élément de plus value important. Une difficulté majeure réside dans la détection et suivi de détails temps réel. En plus des recherches sur l’analyse d’Images animées, une problématique de fond correspond à celle de l’intégration de données sémantiques dans l’aide à l’analyse d’images. Ceci repose sur la modélisation de l’utilisateur, du raisonnement et de l’expertise dont le calibrage repose sur des données incertaines et évolutives. Les contraintes temps-réel renforcent les problèmes difficiles de classification des comportements, de détection de situations et d’identification de contexte