Takeo Kanade est un informaticien nippo-américain et professeur à l'Université Carnegie-Mellon, largement reconnu comme un pionnier de la vision par ordinateur et de la robotique. Ses recherches ont façonné les domaines de la compréhension d'images, de la détection de visages et de la conduite autonome, influençant à la fois la recherche académique et les applications industrielles. Le travail de Kanade s'étend sur des décennies, des premiers algorithmes de flux optique au développement de la méthode de Lucas-Kanade, une pierre angulaire de l'estimation du mouvement.
Né au Japon, Kanade a obtenu ses diplômes de licence, de maîtrise et de doctorat en génie électrique à l'Université de Kyoto, complétant son doctorat en 1974. Il a commencé sa carrière académique à l'Université de Kyoto avant de s'installer aux États-Unis, où il a rejoint l'Université Carnegie-Mellon en 1980. À la CMU, il a fondé le groupe de vision de l'Institut de robotique et a ensuite dirigé l'Institut de robotique de 1992 à 1998, favorisant une culture de recherche interdisciplinaire reliant l'informatique, le génie mécanique et la psychologie cognitive.
Premières contributions et méthode de Lucas-Kanade
Les premiers travaux de Kanade dans les années 1970 et 1980 ont jeté les bases de la vision par ordinateur moderne. En 1981, lui et Bruce Lucas ont publié la méthode de Lucas-Kanade, une technique itérative pour estimer le flux optique et suivre des caractéristiques dans des séquences d'images. Cet algorithme reste largement utilisé dans la stabilisation vidéo, le suivi d'objets et la reconstruction 3D, et il a été intégré dans de nombreux systèmes commerciaux et open-source. L'efficacité et la robustesse de cette méthode en ont fait un outil standard dans le domaine, et son influence s'étend aux approches contemporaines de apprentissage profond qui intègrent des priorités classiques de vision.
Détection de visages et cadre de Viola-Jones
Les contributions de Kanade à la détection de visages sont tout aussi significatives. Dans les années 1990, lui et ses étudiants ont développé l'un des premiers systèmes de détection de visages en temps réel, utilisant une combinaison de modélisation de la couleur de la peau et de correspondance de modèles. Ce travail a précédé le détecteur de Viola-Jones mais a établi des principes clés de reconnaissance basée sur les caractéristiques. La recherche de Kanade sur l'analyse des expressions faciales a également conduit à la création de la base de données d'expressions faciales codées AU de CMU-Pittsburgh, une ressource largement utilisée dans les études d'informatique affective et d'interaction homme-machine.
Robotique et véhicules autonomes
À Carnegie Mellon, Kanade a dirigé des projets qui ont repoussé les limites de la robotique. Il a été chercheur principal sur la série de véhicules autonomes Navlab, qui a commencé dans les années 1980 et a démontré la faisabilité de la navigation pilotée par vision par ordinateur. Ces véhicules utilisaient des télémètres laser et des caméras pour parcourir des routes et des terrains hors route, atteignant des jalons notables tels qu'une conduite autonome transcontinentale en 1995 (l'expérience « No Hands Across America »). Le travail de Kanade sur le système de réalité virtualisée, qui reconstruit des scènes 3D à partir de plusieurs vues de caméras, a également influencé les développements ultérieurs en réalité augmentée et en téléprésence.
Recherches ultérieures et impact industriel
Dans les années 2000 et 2010, Kanade a continué à innover. Il a développé le suiveur de caractéristiques Kanade-Lucas-Tomasi (KLT), une extension de sa méthode antérieure qui est devenue un standard dans les systèmes de localisation et de cartographie simultanées (SLAM). Il a également exploré l'intersection de la vision et de l'intelligence artificielle, contribuant aux premières approches de apprentissage automatique pour la reconnaissance d'objets. Son groupe de recherche à la CMU a produit de nombreux articles influents sur la forme à partir de l'ombrage, la vision stéréo et le mosaïquage d'images, dont beaucoup sont cités dans les architectures modernes de réseaux neuronaux et de transformeurs pour les tâches visuelles.
Les collaborations industrielles de Kanade incluent un travail avec Nokia Bell Labs sur la compression vidéo et avec Samsung Electronics sur les systèmes de caméras. Il a également été consultant pour diverses entreprises technologiques, conseillant sur les applications de vision par ordinateur dans l'électronique grand public et la sécurité automobile. Ses brevets et algorithmes ont été licenciés par des entreprises allant de Intel à Qualcomm, soulignant la pertinence commerciale de ses recherches.
Récompenses et héritage
Kanade a reçu de nombreux honneurs, notamment le prix ACM Turing en 2019 (partagé avec son étudiant, bien que le prix ait spécifiquement reconnu ses contributions à la vision par ordinateur), le prix Bower de l'Institut Franklin en 2018 et la médaille d'honneur de l'IEEE en 2022. Il est membre de l'IEEE, de l'ACM et de l'Association américaine pour l'intelligence artificielle. Son mentorat a produit une génération de chercheurs de premier plan, dont beaucoup occupent maintenant des postes de professeur dans les meilleures universités ou dirigent des laboratoires d'IA dans des entreprises comme Google DeepMind et OpenAI.
L'héritage de Kanade est défini par sa capacité à combiner rigueur théorique et ingénierie pratique. Ses algorithmes sont intégrés dans des milliards d'appareils, des caméras de smartphones aux véhicules autonomes, et son approche pédagogique a façonné la manière dont la vision par ordinateur est enseignée dans le monde entier. À la fin de sa carrière, il reste actif en tant que professeur émérite à la CMU, continuant à conseiller des étudiants et à collaborer sur des projets impliquant la robotique et l'apprentissage automatique. Son travail illustre le pouvoir transformateur de la recherche fondamentale en intelligence artificielle.