Les pays industrialisés comme le Canada doivent faire face au vieillissement de leur population. En particulier, la majorité des personnes âgées, vivant à domicile et souvent seules, font face à des situations à risques telles que des chutes. Dans ce contexte, la vidéosurveillance est une solution innovante qui peut leur permettre de vivre normalement dans un environnement sécurisé. L’idée serait de placer un réseau de caméras dans l’appartement de la personne pour détecter automatiquement une chute. En cas de problème, un message pourrait être envoyé suivant l’urgence aux secours ou à la famille via une connexion internet sécurisée. Pour un système bas coût, nous avons limité le nombre de caméras à une seule par pièce ce qui nous a poussé à explorer les méthodes monoculaires de détection de chutes. Nous avons d’abord exploré le problème d’un point de vue 2D (image) en nous intéressant aux changements importants de la silhouette de la personne lors d’une chute. Les données d’activités normales d’une personne âgée ont été modélisées par un mélange de gaussiennes nous permettant de détecter tout événement anormal. Notre méthode a été validée à l’aide d’une vidéothèque de chutes simulées et d’activités normales réalistes. Cependant, une information 3D telle que la localisation de la personne par rapport à son environnement peut être très intéressante pour un système d’analyse de comportement. Bien qu’il soit préférable d’utiliser un système multi-caméras pour obtenir une information 3D, nous avons prouvé qu’avec une seule caméra calibrée, il était possible de localiser une personne dans son environnement grâce à sa tête. Concrêtement, la tête de la personne, modélisée par une ellipsoide, est suivie dans la séquence d’images à l’aide d’un filtre à particules. La précision de la localisation 3D de la tête a été évaluée avec une bibliothèque de séquence vidéos contenant les vraies localisations 3D obtenues par un système de capture de mouvement (Motion Capture). Un exemple d’application utilisant la trajectoire 3D de la tête est proposée dans le cadre de la détection de chutes. En conclusion, un système de vidéosurveillance pour la détection de chutes avec une seule caméra par pièce est parfaitement envisageable. Pour réduire au maximum les risques de fausses alarmes, une méthode hybride combinant des informations 2D et 3D pourrait être envisagée. / Developed countries like Canada have to adapt to a growing population of seniors. A majority of seniors reside in private homes and most of them live alone, which can be dangerous in case of a fall, particularly if the person cannot call for help. Video surveillance is a new and promising solution for healthcare systems to ensure the safety of elderly people at home. Concretely, a camera network would be placed in the apartment of the person in order to automatically detect a fall. When a fall is detected, a message would be sent to the emergency center or to the family through a secure Internet connection. For a low cost system, we must limit the number of cameras to only one per room, which leads us to explore monocular methods for fall detection. We first studied 2D information (images) by analyzing the shape deformation during a fall. Normal activities of an elderly person were used to train a Gaussian Mixture Model (GMM) to detect any abnormal event. Our method was tested with a realistic video data set of simulated falls and normal activities. However, 3D information like the spatial localization of a person in a room can be very useful for action recognition. Although a multi-camera system is usually preferable to acquire 3D information, we have demonstrated that, with only one calibrated camera, it is possible to localize a person in his/her environment using the person’s head. Concretely, the head, modeled by a 3D ellipsoid, was tracked in the video sequence using particle filters. The precision of the 3D head localization was evaluated with a video data set containing the real 3D head localizations obtained with a Motion Capture system. An application example using the 3D head trajectory for fall detection is also proposed. In conclusion, we have confirmed that a video surveillance system for fall detection with only one camera per room is feasible. To reduce the risk of false alarms, a hybrid method combining 2D and 3D information could be considered.

Analyse de la forme 3D est un sujet de recherche extrêmement actif dans les deux l'infographie et vision par ordinateur. Dans la vision par ordinateur, l'acquisition de formes et de modélisation 3D sont généralement le résultat du traitement des données complexes et des méthodes d'analyse de données. Il existe de nombreuses situations concrètes où une forme visuelle est modélisé par un nuage de points observés avec une variété de capteurs 2D et 3D. Contrairement aux données graphiques, les données sensorielles ne sont pas, dans le cas général, uniformément répartie sur toute la surface des objets observés et ils sont souvent corrompus par le bruit du capteur, les valeurs aberrantes, les propriétés de surface (diffusion, spécularités, couleur, etc), l'auto occlusions, les conditions d'éclairage variables. Par ailleurs, le même objet que l'on observe par différents capteurs, à partir de points de vue légèrement différents, ou à des moments différents cas peuvent donner la répartition des points tout à fait différentes, des niveaux de bruit et, plus particulièrement, les différences topologiques, par exemple, la fusion des mains. Dans cette thèse, nous présentons une représentation de multi-échelle des formes articulés et concevoir de nouvelles méthodes d'analyse de forme, en gardant à l'esprit les défis posés par les données de forme visuelle. En particulier, nous analysons en détail le cadre de diffusion de chaleur pour représentation multi-échelle de formes 3D et proposer des solutions pour la segmentation et d'enregistrement en utilisant les méthodes spectrales graphique et divers algorithmes d'apprentissage automatique, à savoir, le modèle de mélange gaussien (GMM) et le Espérance-Maximisation (EM). Nous présentons d'abord l'arrière-plan mathématique sur la géométrie différentielle et l'isomorphisme graphique suivie par l'introduction de la représentation spectrale de formes 3D articulés. Ensuite, nous présentons une nouvelle méthode non supervisée pour la segmentation de la forme 3D par l'analyse des vecteurs propres Laplacien de graphe. Nous décrivons ensuite une solution semi-supervisé pour la segmentation de forme basée sur un nouveau paradigme d'apprendre, d'aligner et de transférer. Ensuite, nous étendre la représentation de forme 3D à une configuration multi-échelle en décrivant le noyau de la chaleur cadre. Enfin, nous présentons une méthode d'appariement dense grâce à la représentation multi-échelle de la chaleur du noyau qui peut gérer les changements topologiques dans des formes visuelles et de conclure par une discussion détaillée et l'orientation future des travaux.

Analyse de la forme 3D est un sujet de recherche extrêmement actif dans les deux l'infographie et vision par ordinateur. Dans la vision par ordinateur, l'acquisition de formes et de modélisation 3D sont généralement le résultat du traitement des données complexes et des méthodes d'analyse de données. Il existe de nombreuses situations concrètes où une forme visuelle est modélisé par un nuage de points observés avec une variété de capteurs 2D et 3D. Contrairement aux données graphiques, les données sensorielles ne sont pas, dans le cas général, uniformément répartie sur toute la surface des objets observés et ils sont souvent corrompus par le bruit du capteur, les valeurs aberrantes, les propriétés de surface (diffusion, spécularités, couleur, etc), l'auto occlusions, les conditions d'éclairage variables. Par ailleurs, le même objet que l'on observe par différents capteurs, à partir de points de vue légèrement différents, ou à des moments différents cas peuvent donner la répartition des points tout à fait différentes, des niveaux de bruit et, plus particulièrement, les différences topologiques, par exemple, la fusion des mains. Dans cette thèse, nous présentons une représentation de multi-échelle des formes articulés et concevoir de nouvelles méthodes d'analyse de forme, en gardant à l'esprit les défis posés par les données de forme visuelle. En particulier, nous analysons en détail le cadre de diffusion de chaleur pour représentation multi-échelle de formes 3D et proposer des solutions pour la segmentation et d'enregistrement en utilisant les méthodes spectrales graphique et divers algorithmes d'apprentissage automatique, à savoir, le modèle de mélange gaussien (GMM) et le Espérance-Maximisation (EM). Nous présentons d'abord l'arrière-plan mathématique sur la géométrie différentielle et l'isomorphisme graphique suivie par l'introduction de la représentation spectrale de formes 3D articulés. Ensuite, nous présentons une nouvelle méthode non supervisée pour la segmentation de la forme 3D par l'analyse des vecteurs propres Laplacien de graphe. Nous décrivons ensuite une solution semi-supervisé pour la segmentation de forme basée sur un nouveau paradigme d'apprendre, d'aligner et de transférer. Ensuite, nous étendre la représentation de forme 3D à une configuration multi-échelle en décrivant le noyau de la chaleur cadre. Enfin, nous présentons une méthode d'appariement dense grâce à la représentation multi-échelle de la chaleur du noyau qui peut gérer les changements topologiques dans des formes visuelles et de conclure par une discussion détaillée et l'orientation future des travaux. / 3D shape analysis is an extremely active research topic in both computer graphics and computer vision. In computer vision, 3D shape acquisition and modeling are generally the result of complex data processing and data analysis methods. There are many practical situations where a visual shape is modeled by a point cloud observed with a variety of 2D and 3D sensors. Unlike the graphical data, the sensory data are not, in the general case, uniformly distributed across the surfaces of the observed objects and they are often corrupted by sensor noise, outliers, surface properties (scattering, specularities, color, etc.), self occlusions, varying lighting conditions. Moreover, the same object that is observed by different sensors, from slightly different viewpoints, or at different time instances may yield completely different point distributions, noise levels and, most notably, topological differences, e.g., merging of hands. In this thesis we outline single and multi-scale representation of articulated 3D shapes and devise new shape analysis methods, keeping in mind the challenges posed by visual shape data. In particular, we discuss in detail the heat diffusion framework for multi-scale shape representation and propose solutions for shape segmentation and dense shape registration using the spectral graph methods and various other machine learning algorithms, namely, the Gaussian Mixture Model (GMM) and the Expectation Maximization (EM). We first introduce the mathematical background on differential geometry and graph isomorphism followed by the introduction of pose-invariant spectral embedding representation of 3D articulated shapes. Next we present a novel unsupervised method for visual shape segmentation by analyzing the Laplacian eigenvectors. We then outline a semi-supervised solution for shape segmentation based upon a new learn, align and transfer paradigm. Next we extend the shape representation to a multi-scale setup by outlining the heat-kernel framework. Finally, we present a topologically-robust dense shape matching method using the multi-scale heat kernel representation and conclude with a detailed discussion and future direction of work.

L’objectif de cette thèse est l’étude des changements de la forme de l’hippocampe due à l’atrophie causée par la maladie d’Alzheimer. Pour ce faire, des algorithmes et des méthodes ont été développés pour segmenter l’hippocampe à partir d’imagerie structurelle par résonance magnétique (IRM) et pour modéliser les variations dans sa forme. Nous avons utilisé une méthode de segmentation par propagation de multiple atlas pour la segmentation de l’hippocampe, méthode qui a été démontrée comme étant robuste dans la segmentation des structures cérébrales. Nous avons développé une méthode supervisée pour construire une base de données d’atlas spécifique à la population d’intérêt en propageant les parcellations d’une base de données génériques d’atlas. Les images correctement segmentées sont inspectées et ajoutées à la base de données d’atlas, de manière à améliorer sa capacité à segmenter de nouvelles images. Ces atlas sont évalués en termes de leur accord lors de la segmentation de nouvelles images. Comparé aux atlas génériques, les atlas spécifiques à la population d’intérêt obtiennent une plus grande concordance lors de la segmentation des des images provenant de cette population. La sélection d’atlas est utilisée pour améliorer la précision de la segmentation. La méthode classique de sélection basée sur la similarité des images est ici étendue pour prendre en compte la pertinence marginale maximale (MMR) et la régression des moindres angles (LAR). En prenant en considération la redondance parmi les atlas, des critères de diversité se montrent être plus efficace dans la sélection des atlas dans le cas où seul un nombre limité d’atlas peut-être fusionné. A partir des hippocampes segmentés, des modèles statistiques de la forme (SSM) sont construits afin de modéliser les variations de la forme de l’hippocampe dans la population. La correspondance entre les hippocampes est établie par une optimisation d’ensemble des surfaces paramétriques. Les paramétrages sphériques des surfaces sont aplatis pour faciliter la reparamétrisation et l’interpolation. Le reparamétrage est régularisé par une contrainte de type fluide visqueux, qui est effectué à l’aide d’une implémentation basée sur la transformées en sinus discrète. Afin d’utiliser le SSM pour décrire la forme d’une nouvelle surface hippocampique, nous avons développé un estimateur des paramètres du model de la forme basée sur l’espérance-maximisation de l’algorithme du plus proche voisin itéré (EM-ICP). Un terme de symétrie est inclus pour forcer une consistance entre la transformée directe et inverse entre le modèle et la forme, ce qui permet une reconstruction plus précise de la forme à partir du modèle. La connaissance a priori sur la forme modélisé par le SSM est utilisée dans l’estimation du maximum a posteriori des paramètres de forme. Cette méthode permet de forcer la continuité spatiale et éviter l’effet de sur-apprentissage. Dans l’étude de l’hippocampe dans la maladie d’Alzheimer, nous utilisons le SSM pour modéliser le changement de forme de l’hippocampe entre les sujets sains et des patients souffrant d’Alzheimer. Nous identifions les régions touchées par l’atrophie dans la maladie d’Alzheimer en évaluant la différence entre les groupes de contrôle et ceux d’Alzheimer sur chaque point correspondant sur la surface. L’analyse des changements de la forme est restreinte aux régions présentant des différences significatives entre les groupes, ce qui a pour effet d’améliorer la discrimination basée sur l’analyse en composantes principales (ACP) du SSM. Les composantes principales décrivant la variabilité de la forme à l’intérieur des régions discriminantes ont une corrélation plus fortes avec le déclin des scores de mémoire épisodique liée à la pathologie de l’hippocampe dans la maladie d’Alzheimer. / The aim of this thesis is to investigate the shape change in hippocampus due to the atrophy in Alzheimer’s disease (AD). To this end, specific algorithms and methodologies were developed to segment the hippocampus from structural magnetic resonance (MR) images and model variations in its shape. We use a multi-atlas based segmentation propagation approach for the segmentation of hippocampus which has been shown to obtain accurate parcellation of brain structures. We developed a supervised method to build a population specific atlas database, by propagating the parcellations from a smaller generic atlas database. Well segmented images are inspected and added to the set of atlases, such that the segmentation capability of the atlas set may be enhanced. The population specific atlases are evaluated in terms of the agreement among the propagated labels when segmenting new cases. Compared with using generic atlases, the population specific atlases obtain a higher agreement when dealing with images from the target population. Atlas selection is used to improve segmentation accuracy. In addition to the conventional selection by image similarity ranking, atlas selection based on maximum marginal relevance (MMR) re-ranking and least angle regression (LAR) sequence are developed for atlas selection. By taking the redundancy among atlases into consideration, diversity criteria are shown to be more efficient in atlas selection which is applicable in the situation where the number of atlases to be fused is limited by the computational resources. Given the segmented hippocampal volumes, statistical shape models (SSMs) of hippocampi are built on the samples to model the shape variation among the population. The correspondence across the training samples of hippocampi is established by a groupwise optimization of the parameterized shape surfaces. The spherical parameterization of the hippocampal surfaces are flatten to facilitate the reparameterization and interpolation. The reparameterization is regularized by viscous fluid, which is solved by a fast implementation based on discrete sine transform. In order to use the hippocampal SSM to describe the shape of an unseen hippocampal surface, we developed a shape parameter estimator based on the expectationmaximization iterative closest points (EM-ICP) algorithm. A symmetric data term is included to achieve the inverse consistency of the transformation between the model and the shape, which gives more accurate reconstruction of the shape from the model. The shape prior modeled by the SSM is used in the maximum a posteriori estimation of the shape parameters, which is shown to enforce the smoothness and avoid the effect of over-fitting. In the study of the hippocampus in AD, we use the SSM to model the hippocampal shape change between the healthy control subjects and patients diagnosed with AD. We identify the regions affected by the atrophy in AD by assessing the spatial difference between the control and AD groups at each corresponding landmark. Localized shape analysis is performed on the regions exhibiting significant inter-group difference, which is shown to improve the discrimination ability of the principal component analysis (PCA) based SSM. The principal components describing the localized shape variability among the population are also shown to display stronger correlation with the decline of episodic memory scores linked to the pathology of hippocampus in AD.

EDELWEISS est une expérience de détection directe de matière noire froide non-baryonique sous forme de particules massives et faiblement interagissantes (connues sous l'acronyme de WIMPs), qui constituent actuellement les candidats les plus populaires pour rendre compte de la masse manquante de l'Univers. Dans ce but, EDELWEISS utilise des bolomètres de germanium opérés à température cryogénique (20 mK environ) dans le Laboratoire Souterrain de Modane (LSM) à la frontière franco-italienne. En particulier, depuis 2008, un nouveau type de détecteur est en fonctionnement, équipé d'électrodes concentriques pour optimiser le rejet des évènements de surface (détecteurs à grilles coplanaires). Cette thèse se décompose en plusieurs axes de recherche. Tout d'abord, nous avons réalisé des mesures concernant la collecte des charges dans les cristaux. Les lois de vitesse des porteurs (électrons et trous) ont été déterminées dans le germanium à 20 mK dans la direction <100>, et une étude complète de la répartition des charges a été menée, avec une évaluation de l'anisotropie du transport et de la diffusion transverse des porteurs. Ces résultats permettent d'avoir une meilleure compréhension du fonctionnement interne des détecteurs d'Edelweiss. Ensuite, des études portant sur l'amélioration des performances ont été effectuées. Nous avons en particulier permis d'optimiser la procédure de régénération des cristaux et améliorer le rejet passif des évènements de surface (β). Le volume utile de détection des détecteurs a été évalué en utilisant les raies de deux radio-isotopes activés cosmiquement, le 68Ge et le 65Zn. Enfin, une étude exhaustive portant sur l'étude des spectres à basse énergie a été menée, ce qui permet de mettre au point une méthode d'analyse systématique pour la recherche de WIMPs de basse masse dans EDELWEISS. / EDELWEISS is a direct non-baryonic cold dark matter detection experiment in the form of weakly interacting massive particles (also known as WIMPs), which currently constitute the most popular candidates to account for the missing mass in the Universe. To this purpose, EDELWEISS uses germanium bolometers at cryogenic temperature (20 mK approximately) in the Underground Laboratory of Modane (LSM) at the French-Italian border. Since 2008, a new type of detector is operated, equipped with concentric electrodes to optimize the rejection of surface events (coplanar-grid detectors). This thesis work is divided into several research orientations. First, we carried out measurements concerning charge collection in the crystals. The velocity laws of the carriers (electrons and holes) have been determined in germanium at 20 mK in the <100> orientation, and a complete study of charge sharing has been done, including an evaluation of the transport anisotropy and of the straggling of the carriers. These results lead to a better understanding of the inner properties of the EDELWEISS detectors. Then, studies relating to the improvement of the performances were carried out. In particular, we have optimized the space-charge cancellation procedure in the crystals and improved the passive rejection of surface events (β). The fiducial volume of the detectors has been evaluated using two X-ray lines from cosmically activated radionuclides: 68Ge and 65Zn. Lastly, an exhaustive study of the low energy spectra has been carried out, which makes it possible to develop a systematic analysis method for the search of low-mass WIMPs in EDELWEISS.

Le but de ce travail est d'étudier l'influence de la microstructure de roches poreuses hétérogènes sur le comportement à l'échelle macroscopique. Ainsi, nous avons caractérisé la microstructure et les propriétés micromécaniques (grâce à des tests de nano-indentation) de deux roches oolithiques poreuses (calcaire de Lavoux et minerai de fer) pour calculer leurs propriétés mécaniques et thermiques effectives. Les roches oolithiques sont constituées d'un assemblage de grains poreux (oolithes), de pores et de cristaux intergranulaires. La microscopie électronique à balayage et la tomographie 3D aux rayons X ont été utilisées pour identifier les différents composants de ces roches. Une attention particulière a été accordée à la tomographie aux rayons X car cette méthode analytique permet de caractériser le réseau poreux (taille, distribution spatiale et fraction volumique), ainsi que la forme des oolithes et des cristaux inter-oolithiques. La nouveauté de ce travail réside dans la prise en compte de la forme 3D réelle des pores. Par conséquent, nous avons approximé les oolites poreuses par des sphères et les pores de forme irrégulière par des ellipsoïdes. Cette approximation a été réalisée grâce à l'analyse en composantes principales (ACP), qui fournit les propriétés géométriques telles que la longueur des demi-axes et l'orientation des ellipsoïdes résultants. La sphéricité des oolites approximées a été calculée et les valeurs proches de 1 nous ont permis de considérer les oolithes comme des sphères. Pour vérifier l'approximation dans le cas des pores, nous avons évalué la contribution de ces pores tridimensionnels de forme irrégulière aux propriétés élastiques et thermiques effectives. Ainsi, les tenseurs de contribution de souplesse pour les pores irréguliers 3D et leurs approximations ellipsoïdales ont été calculés en utilisant la méthode des éléments finis (FEM). Ces tenseurs ont été comparés et une erreur relative a été estimée pour évaluer la précision de l'approximation. Cette erreur produit une distance maximale de 4,5% entre les deux solutions pour les pores et les ellipsoïdes, ce qui vérifie la procédure d'approximation proposée basée sur ACP. La méthode numérique FEM a été vérifiée en comparant la solution numérique des tenseurs de contribution des ellipsoïdes à la solution analytique basée sur la théorie d'Eshelby. La différence entre ces deux solutions ne dépasse pas 3%. La même méthode numérique a été utilisée pour calculer les tenseurs de contribution de résistivité thermique. Les tenseurs de souplesse et de résistivité calculés ont été utilisés pour évaluer les propriétés élastiques effectives (module élastique et coefficient de cisaillement) et la conductivité thermique effective en considérant le schéma d'homogénéisation de Maxwell en deux étapes. Les résultats ont montré une influence importante de la porosité sur les propriétés effectives. Enfin, les résultats obtenus pour les pores irréguliers ont été comparés à ceux des ellipsoïdes et ils ont montré un bon accord avec un écart maximal de 4% ce qui vérifie l'approximation des pores de forme irrégulière par des ellipsoïdes triaxiaux / The aim of this work is to study the influence of the microstructure of heterogeneous porous rocks on the behavior at the macroscopic scale. Thus, we characterized the microstructure and micromechanical properties (thanks to nano-indentation tests) of two porous oolitic rocks (Lavoux limestone and iron ore) to calculate their effective mechanical and thermal properties. Oolitic rocks are constituted by an assemblage of porous grains (oolites), pores and inter-granular crystals. Scanning electron microscopy and X-ray 3D Computed Tomography were used to identify the different components of these rocks. Particular attention was given to X-Ray computed tomography since this analytical method allows the characterization of the porous network (size, spatial distribution, and volume fraction), and the shapes of oolites and inter-oolitic crystals. The novelty of this work lies in taking into account the 3D real shape of pores. Hence, we approximated porous oolites by spheres and irregularly shaped pores by ellipsoids. This approximation was performed thanks to the principal component analysis (PCA), which provides the geometrical properties such as length of semi-axes and orientation of resulting ellipsoids. The sphericity of the approximated oolites was calculated and the values close to 1 allowed us to consider oolites as spheres. To verify the approximation in the case of pores, we evaluated the contribution of these irregularly shaped three-dimensional pores to the overall elastic properties. Thus, compliance contribution tensors for 3D irregular pores and their ellipsoidal approximations were calculated using the finite element method (FEM). These tensors were compared and a relative error was estimated to evaluate the accuracy of the approximation. This error produces a maximum discrepancy of 4.5% between the two solutions for pores and ellipsoids which verifies the proposed approximation procedure based on PCA. The FEM numerical method was verified by comparing the numerical solution for compliance contribution tensors of ellipsoids to the analytical solution based on Eshelby’s theory. The difference between these two solutions does not exceed 3%. The same numerical method was used to calculate thermal resistivity contribution tensors. Calculated compliance and resistivity contribution tensors were used to evaluate effective elastic properties (bulk modulus and shear coefficient) and effective thermal conductivity by considering the two-step Maxwell homogenization scheme. The results showed an important influence of the porosity on effective properties. Finally, the results obtained for irregular pores were compared to those for ellipsoidal ones and they showed a good agreement with a maximum deviation of 4% which verifies once again the approximation of irregularly shaped pores by tri-axial ellipsoids

Les systèmes neuromusculaires et musculo-squelettique sont considérés comme un système de systèmes complexe. En effet, le mouvement du corps humain est contrôlé par le système nerveux central par l'activation des cellules musculaires squelettiques. L'activation du muscle produit deux phénomènes différents : mécanique et électrique. Ces deux activités possèdent des propriétés différentes, mais l'activité mécanique ne peut avoir lieu sans l'activité électrique et réciproquement. L'activité mécanique de la contraction du muscle squelettique est responsable du mouvement. Le mouvement étant primordial pour la vie humaine, il est crucial de comprendre son fonctionnement et sa génération qui pourront aider à détecter des déficiences dans les systèmes neuromusculaire et musculo-squelettique. Ce mouvement est décrit par les forces musculaires et les moments agissant sur une articulation particulière. En conséquence, les systèmes neuromusculaires et musculo-squelettique peuvent être évalués avec le diagnostic et le management des maladies neurologiques et orthopédiques à travers l'estimation de la force. Néanmoins, la force produite par un seul muscle ne peut être mesurée que par une technique très invasive. C'est pour cela, que l'estimation de cette force reste l'un des grands challenges de la biomécanique. De plus, comme dit précédemment, l'activation musculaire possède aussi une réponse électrique qui est corrélée à la réponse mécanique. Cette résultante électrique est appelée l'électromyogramme (EMG) et peut être mesurée d'une façon non invasive à l'aide d'électrodes de surface. L'EMG est la somme des trains de potentiel d'action d'unité motrice qui sont responsable de la contraction musculaire et de la génération du mouvement. Ce signal électrique peut être mesuré par des électrodes à la surface de la peau et est appelé I'EMG de surface {sEMG). Pour un muscle unique, en supposant que la relation entre l'amplitude du sEMG et la force est monotone, plusieurs études ont essayé d'estimer cette force en développant des modèles actionnés par ce signal. Toutefois, ces modèles contiennent plusieurs limites à cause des hypothèses irréalistes par rapport à l'activation neurale. Dans cette thèse, nous proposons un nouveau modèle de relation sEMG/force en intégrant ce qu'on appelle le sEMG haute définition (HD-sEMG), qui est une nouvelle technique d'enregistrement des signaux sEMG ayant démontré une meilleure estimation de la force en surmontant le problème de la position de l'électrode sur le muscle. Ce modèle de relation sEMG/force sera développé dans un contexte sans fatigue pour des contractions isométriques, isotoniques et anisotoniques du Biceps Brachii (BB) lors une flexion isométrique de l'articulation du coude à 90°. / The neuromuscular and musculoskeletal systems are complex System of Systems (SoS) that perfectly interact to provide motion. This interaction is illustrated by the muscular force, generated by muscle activation driven by the Central Nervous System (CNS) which pilots joint motion. The knowledge of the force level is highly important in biomechanical and clinical applications. However, the recording of the force produced by a unique muscle is impossible using noninvasive procedures. Therefore, it is necessary to develop a way to estimate it. The muscle activation also generates another electric phenomenon, measured at the skin using electrodes, namely the surface electromyogram (sEMG). ln the biomechanics literature, several models of the sEMG/force relationship are provided. They are principally used to command musculoskeletal models. However, these models suffer from several important limitations such lacks of physiological realism, personalization, and representability when using single sEMG channel input. ln this work, we propose to construct a model of the sEMG/force relationship for the Biceps Brachii (BB) based on the data analysis of a High Density sEMG (HD-sEMG) sensor network. For this purpose, we first have to prepare the data for the processing stage by denoising the sEMG signals and removing the parasite signals. Therefore, we propose a HD-sEMG denoising procedure based on Canonical Correlation Analysis (CCA) that removes two types of noise that degrade the sEMG signals and a source separation method that combines CCA and image segmentation in order to separate the electrical activities of the BB and the Brachialis (BR). Second, we have to extract the information from an 8 X 8 HD-sEMG electrode grid in order to form the input of the sEMG/force model Thusly, we investigated different parameters that describe muscle activation and can affect the relationship shape then we applied data fusion through an image segmentation algorithm. Finally, we proposed a new HDsEMG/force relationship, using simulated data from a realistic HD-sEMG generation model of the BB and a Twitch based model to estimate a specific force profile corresponding to a specific sEMG sensor network and muscle configuration. Then, we tested this new relationship in force estimation using both machine learning and analytical approaches. This study is motivated by the impossibility of obtaining the intrinsic force from one muscle in experimentation.