La capture de mouvement ambulatoire est un sujet en plein essor pour des applications aussi diverses que le suivi des personnes âgées, l'assistance des sportifs de haut niveau, la réhabilitation fonctionnelle, etc. Ces applications exigent que le mouvement ne soit pas contraint par un système externe, qu’il puisse être réalisé dans différentes situations, y compris en extérieur, que l’équipement soit léger et à un faible coût, qu’il soit réellement ambulatoire et sans procédure complexe de calibration.Actuellement, seuls les systèmes utilisant un exosquelette ou bien des modules inertiels (souvent combinés avec des modules magnétiques) permettent d'effectuer de la capture de mouvement de façon ambulatoire. Le poids de l’exosquelette est très important et il impose des contraintes sur les mouvements de la personne, ce qui le rend inutilisable pour certaines applications telles que le suivi de personnes âgées. La technologie inertielle est plus légère. Elle permet d'effectuer la capture du mouvement sans contrainte sur l’espace de mesure ou sur les mouvements réalisés. Par contre, elle souffre de dérives des gyromètres, et le système doit être recalibré.L'objectif de cette thèse est de développer un système de capture de mouvement de chaînes articulées, bas-coût et temps réel, réellement ambulatoire, ne nécessitant pas d'infrastructure de capture spécifique, permettant une utilisation dans de nombreux domaines applicatifs (rééducation, sport, loisirs, etc.).On s'intéresse plus particulièrement à des mesures intra-corporelles. Ainsi, tous les capteurs sont placés sur le corps et aucun dispositif externe n'est utilisé. Outre un démonstrateur final permettant de valider l'approche proposée, on s'astreint à développer également des outils qui permettent de dimensionner le système en termes de technologie, nombre et position des capteurs, mais également à évaluer différents algorithmes de fusion des données. Pour ce faire, on utilise la borne de Cramer-Rao.Le sujet est donc pluridisciplinaire. Il traite des aspects de modélisation et de dimensionnement de systèmes hybrides entièrement ambulatoires. Il étudie des algorithmes d'estimation adaptés au domaine de la capture de mouvement corps entier en traitant les problématiques d'observabilité de l'état et en tenant compte des contraintes biomécaniques pouvant être appliquées. Ainsi, un traitement adapté permet de reconstruire en temps réel la posture du sujet à partir de mesures intra-corporelles, la source étant également placée sur le corps. / Ambulatory motion capture is of great interest for applications ranging for the monitoring of elderly people, sporty performances monitoring, functional rehabilitation, etc. These applications require that the movement is not constrained by an external system, that it can be performed in different situations, including outdoor environment. It requires lightweight and low cost equipment; it must be truly ambulatory without complex process of calibration.Currently, only systems using an exoskeleton or inertial modules (often combined with magnetic modules) can be used in such situations. Unfortunately, the exoskeleton weight is not affordable and it imposes constraints on the movements of the person, which makes it unusable for certain applications such as monitoring of the elderly.Inertial technology is lighter. Itcan be used for the capture of movement without constraints on the capture space or on the movements. However, it suffers from gyros drift, and the system must be recalibrated.The objective of this thesis is to develop a system of motion capture for an articulated chain, low-cost, real-time truly ambulatory that does not require specific capture infrastructure, that can be used in many application fields (rehabilitation, sport, leisure, etc.).We focus on intra-corporal measurements. Thus, all sensors are placed on the body and no external device is used. In addition to a final demonstrator to validate the proposed approach, we also develop tools to evaluate the system in terms of technology, number and position of sensors, but also to evaluate different algorithms for data fusion. To do this, we use the Cramer-Rao lower bound. \\The subject is multidisciplinary. It addresses aspects of modelling and design of fully ambulatory hybrid systems. It studies estimation algorithms adapted to the field of motion capture of a whole body by considering the problem of observability of the state and taking into account the biomechanical constraints that can be taken into account. Thus, with an appropriate treatment, the pose of a subject can be reconstructed in real time from intra-body measurements.

Les capacités physiques sont directement liées au vieillissement en bonne santé. Ainsi, il est indispensable d'être capable de les estimer rapidement et simplement dans le cadre d'une routine clinique. Dans cette thèse, nous nous sommes concentrés sur la transition assis / debout qui est déjà utilisée en gériatrie et qui constitue un mouvement de la vie courante qui se complexifie pour les personnes dont les capacités physiques diminuent. La quantification de ce mouvement a été proposée à l'aide d'une centrale inertielle fixée sur le buste. Ce type de boitier est petit et bon marché, ce qui en fait un excellent candidat pour les mesures ambulatoires.Dans un premier temps, il a été nécessaire de valider les mesures de la cinématique et de l'énergétique du mouvement à l'aide de la centrale lors du lever de chaise. Cette validation s'est faite sur un panel de sujets jeunes et sains en comparaison avec un système de capture du mouvement par caméras de référence Vicon.Le second objectif était de comparer différentes populations à travers la quantification du lever de chaise. Outre un groupe de sujets jeunes sains, un groupe de sujets âgés sains a été intégré à l'étude pour étudier l'effet de l'âge. Un groupe de sujets âgés fragiles a également pris part à l'étude pour investiguer l'effet de la fragilité. Nous avons proposé la mise en place de deux scores composites basés sur les paramètres mesurés. Le premier est un score de vieillissement et le second, un score de fragilité. Chaque score a été construit à l'aide d'une analyse en composantes principales. La performance de chaque score est meilleure que celle de n'importe quel paramètre considéré indépendamment. / Physical abilities are directly related to healthy aging. Thus, it is essential to be able to estimate them quickly and simply during clinical routines. In this thesis, we focused on the sit-to-stand transition that is already used in geriatrics and that constitutes a movement in everyday life that becomes more complex for people whose physical capacities decrease. The quantification of this movement was proposed using a magneto-inertial measurement unit fixed on the chest. This sensor is small and inexpensive, adapted for ambulatory measurements.First, it was necessary to validate the measurements of the kinematic and the kinetic energy using the inertial unit during the sit-to-stand. This validation was realized on a panel of young and healthy subjects compared to a V icon motion captur using cameras.The second objective was to compare different populations through the quantification of the sit-to-stand. In addition of the healthy young subjects, a group of healthy elderly subjects was included in to study the age effect. A group of frail elderly subjects was also included to investigate the effect of frailty. We proposed the implementation of two composite scores based on the measured parameters. The first is an aging score and the second is a frailty score. Each score was constructed using a principal component analysis. The performance of each score is better than that of any parameter considered independently.

Cette thèse porte sur la synthèse de séquences de motion capture avec des modèles statistiques. La synthèse de ce type de séquences est une tâche pertinente pour des domaines d'application divers tels que le divertissement, l'interaction homme-machine, la robotique, etc. Du point de vue de l'apprentissage machine, la conception de modèles de synthèse consiste à apprendre des modèles génératifs, ici pour des données séquentielles. Notre point de départ réside dans deux problèmes principaux rencontrés lors de la synthèse de données de motion capture, assurer le réalisme des positions et des mouvements, et la gestion de la grande variabilité dans ces données. La variabilité vient d'abord des caractéristiques individuelles, nous ne bougeons pas tous de la même manière mais d'une façon qui dépend de notre personnalité, de notre sexe, de notre âge de notre morphologie, et de facteurs de variation plus court terme tels que notre état émotionnel, que nous soyons fatigués, etc.Une première partie présente des travaux préliminaires que nous avons réalisés en étendant des approches de l'état de l'art basées sur des modèles de Markov cachés et des processus gaussiens pour aborder les deux problèmes principaux liés au réalisme et à la variabilité. Nous décrivons d'abord une variante de modèles de Markov cachés contextuels pour gérer la variabilité dans les données en conditionnant les paramètres des modèles à une information contextuelle supplémentaire telle que l'émotion avec laquelle un mouvement a été effectué. Nous proposons ensuite une variante d'une méthode de l'état de l'art utilisée pour réaliser une tâche de synthèse de mouvement spécifique appelée Inverse Kinematics, où nous exploitons les processus gaussiens pour encourager le réalisme de chacune des postures d'un mouvement généré. Nos résultats montrent un certain potentiel de ces modèles statistiques pour la conception de systèmes de synthèse de mouvement humain. Pourtant, aucune de ces technologies n'offre la flexibilité apportée par les réseaux de neurones et la récente révolution de l'apprentissage profond et de l'apprentissage Adversarial que nous abordons dans la deuxième partie.La deuxième partie de la thèse décrit les travaux que nous avons réalisés avec des réseaux de neurones et des architectures profondes. Nos travaux s'appuient sur la capacité des réseaux neuronaux récurrents à traiter des séquences complexes et sur l'apprentissage Adversarial qui a été introduit très récemment dans la communauté du Deep Learning pour la conception de modèles génératifs performants pour des données complexes, notamment images. Nous proposons une première architecture simple qui combine l'apprentissage Adversarial et des autoencodeurs de séquences, qui permet de mettre au point des systèmes performants de génération aléatoire de séquences réalistes de motion capture. A partir de cette architecture de base, nous proposons plusieurs variantes d'architectures neurales conditionnelles qui permettent de concevoir des systèmes de synthèse que l'on peut contrôler dans une certaine mesure en fournissant une information de haut niveau à laquelle la séquence générée doit correspondre, par exemple l'émotion avec laquelle une activité est réalisée. Pour terminer nous décrivons une dernière variante qui permet de réaliser de l'édition de séquences de motion capture, où le système construit permet de générer une séquence dans le style d'une autre séquence, réelle. / This thesis focuses on the synthesis of motion capture data with statistical models. Motion synthesis is a task of interest for important application fields such as entertainment, human-computer interaction, robotics, etc. It may be used to drive a virtual character that can be involved in the applications of the virtual reality, animation films or computer games. This thesis focuses on the use of statistical models for motion synthesis with a strong focus on neural networks. From the machine learning point of view designing synthesis models consists in learning generative models. Our starting point lies in two main problems one encounters when dealing with motion capture data synthesis, ensuring realism of postures and motion, and handling the large variability in the synthesized motion. The variability in the data comes first from core individual features, we do not all move the same way but accordingly to our personality, our gender, age, and morphology etc. Moreover there are other short term factors of variation like our emotion, the fact that we are interacting with somebody else, that we are tired etc. Data driven models have been studied for generating human motion for many years. Models are learned from labelled datasets where motion capture data are recorded while actors are performed various activities like walking, dancing, running, etc. Traditional statistical models such as Hidden Markov Models, Gaussian Processes have been investigated for motion synthesis, demonstrating strengths but also weaknesses. Our work focuses in this line of research and concerns the design of generative models for sequences able to take into account some contextual information, which will represent the factors of variation. A first part of the thesis present preliminary works that we realised by extending previous approaches relying on Hidden Markov Models and Gaussian Processes to tackle the two main problems related to realism and variability. We first describe an attempt to extend contextual Hidden Markov Models for handling variability in the data by conditioning the parameters of the models to an additional contextual information such as the emotion which which a motion was performed. We then propose a variant of a traditional method for performing a specific motion synthesis task called Inverse Kinematics, where we exploit Gaussian Processes to enforce realism of each of the postures of a generated motion. These preliminary results show some potential of statistical models for designing human motion synthesis systems. Yet none of these technologies offers the flexibility brought by neural networks and the recent deep learning revolution.The second part of the thesis describes the works we realized with neural networks and deep architectures. It builds on recurrent neural networks for dealing with sequences and on adversarial learning which was introduced very recently in the deep learning community for designing accurate generative models for complex data. We propose a simple system as a basis synthesis architecture, which combines adversarial learning with sequence autoencoders, and that allows randomly generating realistic motion capture sequences. Starting from this architecture we design few conditional neural models that allow to design synthesis systems that one can control up to some extent by either providing a high level information that the generated sequence should match (e.g. the emotion) or by providing a sequence in the style of which a sequence should be generated.

Le LETI développe des micro-capteurs (tels que des micro-accéléromètres ou des micro-magnétomètres) capables de se géoréférencer et de donner alors leur propre orientation dans l'espace. Ainsi, si nous posons un ensemble de capteurs sur une forme, ils nous fourniront les données tangentielles de la surface aux positions des capteurs. Le travail développé ici consiste à reconstruire la forme d'objets à partir de ces données tangentielles et de la connaissance de la répartition de ces capteurs. Nous étudierons plusieurs cas de reconstruction, en commençant par la reconstruction de courbes planes, puis de courbes gauches et enfin de surfaces. Puis nous proposerons des méthodes de capture de mouvement de formes en déformation, c'est-à-dire que nous allons équiper une courbe ou une surface de capteurs, nous allons lui appliquer des déformations, et nous devrons reconstruire la forme virtuelle associée en temps réel à partir des données fournies par les capteurs. De nombreuses applications sont envisagées (domaines de la santé, de l'aéronautique, du multimédia, ...), et nous élaborons en parallèle des prototypes de capture de forme afin de tester et valider nos méthodes.

Dans cette thèse, nous proposons de nouvelles representations pourles poses du mouvement humain, apprises sur des données réelles, envue d'une synthèse de nouveaux mouvements en temps-réel. Dans unepremière partie, nous exploitons une méthode statistique adaptée auxgroupes de Lie (Analyse en Géodésiques Principales, AGP) pour approximerla variété des poses d'un sujet en mouvement, à partir de donnéesde capture de mouvement. Nous proposons un algorithme de cinématiqueinverse exploitant cette paramétrisation réduite, permettantpar construction de synthétiser des poses proches des données initiales.Nous validons ce modèle cinématique par une application à la compressionde données de mouvements, dans laquelle seules quelques trajectoiresdes extrémités des membres du squelettes permettent de reconstruireune bonne approximation de l'ensemble des données initiales.Dans une deuxième partie, nous étendons cette approche à l'animationphysique de personnages virtuels. La paramétrisation réduitepar AGP fournit les coordonnées généralisées de la formulation Lagrangiennede la mécanique. Nous dérivons un intégrateur temporelexplicite basé sur les intégrateurs variationnels. Afin d'en améliorer lastabilité, nous proposons un modèle d'amortissement inspiré de l'algorithmede Levenberg-Marquardt. Nous présentons également une méthodegéométrique d'apprentissage des limites angulaires sur des donnéesde capture de mouvement, ainsi que leur application comme contraintescinématiques.Dans une troisième partie, nous abordons le problème du contrôledu mouvement. En formulant les étapes de la simulation physique d'unepart, et de la cinématique inverse d'autre part comme deux programmesquadratiques, nous proposons un algorithme de pseudo-contrôle parinterpolation des métriques, permettant un compromis intuitif entre simulationphysique non-contrôlée, et cinématique inverse. Cette approchefaisant intervenir des forces externes, nous proposons une formulationalternative, utilisant uniquement les forces associées à la paramétrisationréduite des poses. Cette formulation est obtenue par relaxationdu problème théorique de contrôle sous contraintes unilatérales, nonconvexe,en un programme quadratique convexe. Ces algorithmes sontévalués sur des contrôleurs d'équilibre et de suivi.

Parce qu’elle permet d’associer les capacités physiques d’un robot aux capacités perceptives et cognitives de l’Homme, la robotique collaborative peut être une solution pour répondre au problème des troubles musculo-squelettiques dans l’industrie. Cependant, le gain d’ergonomie qu’apporte l'utilisation de tels robots est rarement quantifié, à cause du manque d’outils adéquats.Ce travail vise à développer un outil générique permettant d’effectuer des évaluation ergonomiques d'activités de co-manipulation, à partir de très peu de données d’entrée. Cet outil s’appuie sur une évaluation en simulation, à l’aide d’un mannequin virtuel. Afin d'estimer les différentes sollicitations biomécaniques auxquelles sont exposés les ouvriers lorsqu’ils réalisent des tâches manuelles, de nombreux indicateurs d'ergonomie sont définis, et mesurés grâce à une simulation dynamique. Le mannequin virtuel est animé avec une technique d’optimisation LQP, et le robot est contrôlé par une commande en amplification d’effort. L'outil proposé est validé à l'aide d'expériences basées sur la capture de mouvement.Cependant, le choix d’un robot plutôt que d’un autre est rendu difficile par le nombre élevé d’indicateurs d'ergonomie à prendre en compte. Une méthode pour analyser la sensibilité des indicateurs aux différents paramètres du robot et de la tâche considérée est donc développée. Une telle analyse permet de réduire le nombre d’indicateurs à prendre en compte, tout en rendant suffisamment compte de l’ergonomie de chaque situation.Enfin, l’outil de simulation mis en place est couplé à un logiciel d’optimisation par algorithme génétique, afin d' optimiser la cinématique d’un robot collaboratif. / The growing number of musculoskeletal disorders in industry could be addressed by the use of collaborative robots, which allow the joint manipulation of objects by both a robot and a person. Designing such robots requires to assess the ergonomic benefit they offer. However there is a lack of adapted assessment tools. This work presents a generic tool for performing accurate ergonomic assessments of co-manipulation activities, with very little input data. This tool relies on an evaluation carried out within a digital world, using a virtual manikin to simulate the worker. A framework is developed to enable the estimation of the different biomechanical solicitations which occur during manual activities. Multiple ergonomic indicators are defined and measured through a dynamic simulation of the considered activity. The virtual manikin is animated through a LQP optimization technique, and the robot is controlled according to the manikin-robot interaction force. The proposed framework is validated with motion capture experiments. However, the high number of indicators that are measured makes any kind of conclusion difficult for the user. Hence, a methodology for analyzing the sensitivity of the various indicators to the robot and task parameters is proposed. The goal of such an analysis is to reduce the number of ergonomic indicators which are considered in an evaluation, while sufficiently accounting for the global ergonomic level of the considered activity. Finally, an application of the proposed methodology is presented. The evaluation framework is linked to a genetic algorithm software in order to optimize the morphology of a collaborative robot for a given task.

La prise en compte des usagers et des usages dans la conception des produits reste un aspect difficile à traiter, en particulier lorsque leur caractérisation est très spécifique (c'est le cas des personnes handicapées ou des situations d'usages dans des environnements contraignants). Dans ce contexte, l'objet de ces travaux est de contribuer à une meilleure prise en compte des usagers et usages par la mise en place d'outils et de méthodes permettant de les caractériser. Cette caractérisation, intégrée dans un processus de conception de produits, a contribué à répondre aux besoins de l'Association AE2M (Adaptation Ergonomique du Matériel Musical). Celle-ci a pour objectif de mettre à disposition de personnes en situation de handicap moteur des aides techniques leur permettant de jouer un ou plusieurs instruments de musique avec le même niveau d'autonomie que les personnes valides. Dans le cadre de ce travail de thèse, nous avons tout d'abord proposé une conceptualisation commune de ce qu'est une situation de handicap et avons mis en avant les conditions de bon déroulement des travaux de recherche. Dans un second temps, nous avons effectué une étude bibliographique centrée sur les approches de conception liée au handicap, les interactions Homme Machine dans le contexte musicale et les moyens et méthodes d'analyse des spécificités motrices des sujets. Cette étape nous a permis de proposé une méthode générique de processus de conception adapté au contexte de la conception d'aides techniques pour personnes en situation de handicap. Cette méthode nommée CARACTH est inspirée de la méthodologie de la Conception Centrée Utilisateur à laquelle nous proposons d'insérer : (1) une étape de caractérisation des spécificités motrices des utilisateurs et (2) une étape pour la définition d'une architecture produit modulaire. Ces évolution permettent notamment (3) de simplifier les phases d'itérations à l'intérieur du processus de conception pour permettre une personnalisation efficace et rapide du produit (partie commande et partie opérative). Nous présentons ensuite un ensemble d'expérimentations menées au laboratoire et sur le terrain. Elles ont permis de proposer et de valider la pertinence de l'architecture produit modulaire pour faciliter la conception d'aides techniques pour la pratique musicale, mais aussi de concevoir un système nommé KinecLAB pour la mesure et l'interprétation des possibilités gestuelles des usagers. Ce système KinectLAB a été testé et validé auprès de professionnel kinésithérapeute du CHU Michallon de Grenoble. Enfin, notre processus CARACTH a été appliqué pour la conception d'un système personnalisable aux capacités motrices d'un utilisateur en situation de handicap. Nous avons pu vérifier sa bonne intégration dans une situation d'usage en concert et aussi d'étudier la pertinence de la personnalisation sur les performances et la charge de travail de l'utilisateur. / The users and uses inclusion in product design remains a difficult aspect to be addressed, especially when their characterization is very specific (in the case of disabled people or situations of uses in stressful environments). In this context, the purpose of this work is to contribute to a better consideration of the users and uses by the implementation of tools and methods to characterize them. This characterization integrated into the design process, helped to meet the needs of AE2M Association (Ergonomic Adaptation of Musical Equipments). It aims to provide assistive technologies for people with physical impairments. These systems allow them to play musical instruments with the same level of independence that able-bodied people. In the context of this thesis, we firstly proposed a common conceptualization of "disability situation" in our context and have highlighted the constraints to the success of this thesis. Secondly, we did a bibliography study about design approaches in the disabled context, Human-Machine Interface in the musical context, and means and methods for the analysis of the users' motors specificities. This step allowed us to propose a generic design process approach adapted to the context of the design of assistive technology for people with physical impairments. This CARACTH method is inspired from the User Centered Design methodology to which we propose to insert: (1) a specific users' motor characterization step and (2) a modular architecture product definition step. These proposals permitted (3) to simplifying the iteration phases within the design process to allow a quick and effective personalization of the product (control and operative parts). Next, a set of experiments was conducted in the laboratory and in situ. They allowed offering and validating the modular product architecture pertinence for facilitating the assistive devices design for music practice, but also for proposing a system named KinecLAB to measure and interpret user's gestural capabilities. This KinectLAB system was tested and validated with professional physiotherapists in the Michallon Grenoble Hospital. Finally, our CARACTH process was applied to design a customizable system adapted to the physical capabilities of a disabled user. We confirmed its successful integration into a use situation during musical concert. We also studied the relevance of customization on user performances and workload.

La langue des signes (LS) est encore une langue peu décrite, en particulier ce qui concerne le mouvement des articulateurs. La recherche sur la LS s’est concentrée sur la compréhension et la modélisation des propretés linguistiques. Peu d’études ont essayé de comprendre la cinématique et la dynamique du mouvement en lui-même et ce que cela apporte à compréhensibilité de la LS générée par des modèles. Cette thèse porte sur l’analyse du mouvement en Langue des Signes Française (LSF) tant des points de vue de sa production et de sa compréhension par les individus sourds.Mieux appréhender le mouvement en LS nécessite la création de nouvelles ressources pour la communauté scientifique étudiant les LSF. Dans cette perspective, nous avons créé et annoté un corpus de données de mouvements 3D de la partie supérieure du corps et du visage, à l'aide du système de capture de mouvement. Le traitement de ce corpus a permis de spécifier la cinématique du mouvement en LSF durant les signes et les transitions.La question posée dans la première partie de cette thèse était de quantifier dans quelle mesure certaines lois classiques connues en contrôle moteur restaient valides durant les mouvements de LS, afin de savoir si les connaissances acquises en contrôle moteur pouvaient être réutilisées en LS.Trouver quelles informations du mouvement sont cruciales pour la compréhension de la LS a constitué la deuxième partie de cette thèse. L’intérêt était de savoir quels aspects du mouvement des modèles de production de LS devraient reproduire en priorité. Dans cette démarche, nous avons étudié dans quelle mesure des individus sourds, signeurs ou non, parvenaient à comprendre la LS en fonction de la quantité d’informations qui leur est disponible. / Nowadays, Sign Language (SL) is still little described, particularly for what concerns the movement of articulators. Research on SL has focused on understanding and modeling linguistic properties. Few investigations have been carried out to understand the kinematics and dynamics of the movement itself and what it brings to understand the LS SL generated by models. This thesis deals with the analysis of movement in the French Sign Language LSF with a main focus on its production as well as its understanding by deaf people.Better understanding the movement in SL requires the creation of new resources for the scientific community studying SL. In this framework, we have created and annotated a corpus of 3D motion data from the upper body and face, using a motion capture system. The processing of this corpus made it possible to specify the kinematics of the movement in SL during the signs and the transitions.The first contribution of this thesis was to quantify to what extent certain classical laws, known in motor control, remained valid during the movements of SL, in order to know if the knowledge acquired in motor control could be exploited in SL.Finding relevant information of the movement that is crucial for understanding SL represented the second part of this thesis. We were basically interested to know which aspects of the movement of SL production models should be replicated as a priority. In this approach, we have examined to what extent deaf individuals, whether signers or not, were able to understand SL according to the amount of information available to them.

Dans cette thèse nous intéressons à la conception d'un robot mobile capable d’analyser le comportement et le mouvement d’une personne en environnement intérieur et encombré, par exemple le domicile d’une personne âgée. Plus précisément, notre objectif est de doter le robot des capacités de perception visuelle de la posture humaine de façon à mieux maîtriser certaines situations qui nécessitent de comprendre l’intention des personnes avec lesquelles le robot interagit, ou encore de détecter des situations à risques comme les chutes ou encore d’analyser les capacités motrices des personnes dont il a la garde. Le suivi de la posture dans un environnement dynamique et encombré relève plusieurs défis notamment l'apprentissage en continue du fond de la scène et l'extraction la silhouette qui peut être partiellement observable lorsque la personne est dans des endroits occultés. Ces difficultés rendent le suivi de la posture une tâche difficile. La majorité des méthodes existantes, supposent que la scène est statique et la personne est toujours visible en entier. Ces approches ne sont pas adaptées pour fonctionner dans des conditions réelles. Nous proposons, dans cette thèse, un nouveau système de suivi capable de suivre la posture de la personne dans ces conditions réelles. Notre approche utilise une grille d'occupation avec un modèle de Markov caché pour apprendre en continu l'évolution de la scène et d'extraire la silhouette, ensuite un algorithme de filtrage particulaire hiérarchique est utilisé pour reconstruire la posture. Nous proposons aussi un nouvel algorithme de gestion d'occlusion capable d'identifier et d'exclure les parties du corps cachées du processus de l'estimation de la pose. Finalement, nous avons proposé une base de données contenant des images RGB-D avec la vérité-terrain dans le but d'établir une nouvelle référence pour l'évaluation des systèmes de capture de mouvement dans un environnement réel avec occlusions. La vérité-terrain est obtenue à partir d'un système de capture de mouvement à base de marqueur de haute précision avec huit caméras infrarouges. L'ensemble des données est disponible en ligne. La deuxième contribution de cette thèse, est le développement d'une méthode de localisation visuelle à partir d'une caméra du type RGB-D montée sur un robot qui se déplace dans un environnement dynamique. En effet, le système de capture de mouvement que nous avons développé doit équiper un robot se déplaçant dans une scène. Ainsi, l'estimation de mouvement du robot est importante pour garantir une extraction de silhouette correcte pour le suivi. La difficulté majeure de la localisation d'une caméra dans un environnement dynamique, est que les objets mobiles de la scène induisent un mouvement supplémentaire qui génère des pixels aberrants. Ces pixels doivent être exclus du processus de l'estimation du mouvement de la caméra. Nous proposons ainsi une extension de la méthode de localisation dense basée sur le flux optique pour isoler les pixels aberrants en utilisant l'algorithme de RANSAC. / In this thesis we are interested in designing a mobile robot able to analyze the behavior and movement of a a person in indoor and cluttered environment. Our goal is to equip the robot by visual perception capabilities of the human posture to better analyze situations that require understanding of person with which the robot interacts, or detect risk situations such as falls or analyze motor skills of the person. Motion capture in a dynamic and crowded environment raises multiple challenges such as learning the background of the environment and extracting the silhouette that can be partially observable when the person is in hidden places. These difficulties make motion capture difficult. Most of existing methods assume that the scene is static and the person is always fully visible by the camera. These approaches are not able to work in such realistic conditions. In this thesis, We propose a new motion capture system capable of tracking a person in realistic world conditions. Our approach uses a 3D occupancy grid with a hidden Markov model to continuously learn the changing background of the scene and to extract silhouette of the person, then a hierarchical particle filtering algorithm is used to reconstruct the posture. We propose a novel occlusion management algorithm able to identify and discards hidden body parts of the person from process of the pose estimation. We also proposed a new database containing RGBD images with ground truth data in order to establish a new benchmark for the assessment of motion capture systems in a real environment with occlusions. The ground truth is obtained from a motion capture system based on high-precision marker with eight infrared cameras. All data is available online. The second contribution of this thesis is the development of a new visual odometry method to localize an RGB-D camera mounted on a robot moving in a dynamic environment. The major difficulty of the localization in a dynamic environment, is that mobile objects in the scene induce additional movement that generates outliers pixels. These pixels should be excluded from the camera motion estimation process in order to produce accurate and precise localization. We thus propose an extension of the dense localization method based on the optical flow method to remove outliers pixels using the RANSAC algorithm.

La simulation du geste humain est une thématique de recherche importante et trouve notamment une application dans l'analyse ergonomique pour l'aide à la conception de postes de travail. Le sujet de cette thèse concerne la génération automatique de tâches d'atteinte dans le plan horizontal pour un humanoïde. Ces dernières, à partir d'un objectif exprimé dans l'espace de la tâche, requièrent une coordination de l'ensemble des liaisons. L'une des principales difficultés rencontrées lors de la simulation de gestes réalistes est liée à la redondance naturelle de l'humain. Notre démarche est focalisée principalement sur deux aspects : - le mouvement de la main dans l'espace opérationnel (trajectoire spatiale et profil temporel), - la coordination des différentes sous-chaînes cinématiques. Afin de caractériser le mouvement humain, nous avons mené une campagne de capture de mouvements pour des gestes d'atteinte contraignant la position et l'orientation de la main dans le plan horizontal. Ces acquisitions nous ont permis de connaître l'évolution spatiale et temporelle de la main dans l'espace de la tâche, en translation et en rotation. Ces données acquises couplées à une méthode de rejeu ont également permis d'analyser les relations intrinsèques qui lient l'espace de la tâche à l'espace articulaire du mannequin. Le schéma de génération automatique de mouvements réalistes est basé sur une pile de tâche avec une approche cinématique. L'hypothèse retenue pour simuler le geste est de suivre le chemin le plus court dans l'espace de la tâche tout en bornant le coût dans l'espace articulaire. Un ensemble de paramètres permet de régler le schéma. Il en résulte une cartographie de réglages qui permet de simuler une classe de mouvements réalistes. Enfin, ce schéma de génération automatique de mouvements réalistes est validé par une comparaison quantitative et qualitative entre la simulation et le geste humain. / The simulation of human movement is an active theme of research, particularly in ergonomic analysis to aid in the design of workstations. The aim of this thesis concerns the automatic generation of reaching tasks in the horizontal plane for a virtual humanoid. An objective expressed in the task space, requires coordination of all joints of the mannequin. The main difficulties encountered in the simulation of realistic movements is related to the natural redundancy of the human. Our approach is focused mainly on two aspects: - Motion of the hand's operator in the task space (spatial and temporal aspect), - Coordination of all kinematic chains. To characterize human movement, we conducted a set of motion capture with position and orientation constraints of the hand in the horizontal plane. These acquisitions allowed to know the spatial and temporal evolution of the hand in the task space, for translation and rotation aspects. These acquired data were coupled with a playback method to analyze the intrinsic relations that link the task space to joint space of the model. The automatic generation scheme of realistic motion is based on a stack of task with a kinematic approach. The assumption used to simulate the action is to follow the shortest path in the task space while limiting the cost in the joint space. The scheme is characterized by a set of parameters. A global map of parameter adjustment enables the simulation of a class of realistic movements. Finally, this scheme is validated quantitatively and qualitatively with comparison between the simulation and the human gesture.