Στόχος της παρούσης διπλωματικής εργασίας είναι η διερεύνηση καταλληλότητας της μεθόδου πολυδιάστατης σταδιακής ανάλυσης για την αξιολόγηση σχεδιασμού ιστοσελίδων. Για την επίτευξη του στόχου, αναπτύχθηκε διαδικτυακή εφαρμογή αξιολόγησης με χρήση μεθόδων πολυδιάστατης σταδιακής ανάλυσης και αξιολογήθηκε τόσο η μέθοδος όσο και η εφαρμογή ως προς την χρησιμότητα της στο πλαίσιο που μας ενδιαφέρει, δηλαδή την αξιολόγηση σχεδιασμού ιστοσελίδων. Η εφαρμογή εκμεταλλεύεται τα πλεονεκτήματα των ιστοσελίδων πλούσιας διαδραστικότητας για την πλήρη υποστήριξη της διαδικασίας αξιολόγησης. / -

Abstract Localization and tracking of multiple targets is becoming an essential feature of modern communication services and systems. Although necessary in many contexts, such as surveillance and monitoring applications, low-complexity and reliable solutions capable of coping with different degrees of information are not yet available. This thesis deals with different problems that are encountered in localization and tracking applications and aims to establish a broad understanding of multitarget systems ranging from complete active to incomplete passive solutions in dynamic scenarios. Thereby we start by investigating a fully algebraic framework which is proved to be advantageous in dynamic contexts characterized by no a-priori knowledge. Subsequently we extend the approach to improve its robustness versus corrupted observations. Finally we focus on a Bayesian formulation of the passive multitarget tracking (MTT) problem. The Thesis is based on three parts. The first part focuses on a low complexity mathematical representation of the active problem (i.e manifold-based solution). In particular, the spectrum of the matrices used to represent target locations within an algebraic, multidimensional scaling (MDS) based, solution is characterized statistically. In so doing we propose a novel Jacobi-based eigenspace tracking algorithms for Gramian matrices which is shown to be particularly convenient in a multidimensional scaling formulation of the multitarget tracking problem. The second part deals with incomplete-active multitarget scenarios as well as eventual disturbances on the ranging measurements such as bias due to non-line-of-sight conditions. In particular the aforementioned algebraic solution is extended to cope with heterogeneous information and to incorporate eventual knowledge on the confidence of the measurement information. To do so we solve the classical multidimensional scaling (C-MDS) over a novel kernel matrix and show how the intrinsic nature of this formulation allows to deal with heterogeneous information, specifically angle and distance measurements. Finally, the third part focuses on the random finite sets formulation of Bayesian multisensor MTT problem for passive scenarios. In this area a new gating strategy is proposed to lower the computational complexity of the algorithms without compromising their performance. / Tiivistelmä Useiden kohteiden yhtäaikaisesta paikannuksesta ja seurannasta on tulossa olennainen osa nykyaikaisia viestinnän palveluita ja järjestelmiä. Huolimatta siitä, että yhtäaikainen paikannus on erittäin tarpeellinen osa monissa yhteyksissä, kuten valvonnan ja kontrolloinnin sovelluksissa, siihen ei ole olemassa kompleksisuudeltaan alhaista ratkaisua, joka ottaisi huomioon kaiken saatavilla olevan informaation. Väitöskirja käsittelee useiden kohteiden paikannukseen ja seurantaan liittyviä ongelmia, ja se keskittyy antamaan laajan ymmärryksen aktiivisista täydellisistä menetelmistä passiivisiin epätäydellisiin menetelmiin dynaamisissa ympäristöissä. Saavuttaakseen tavoitteen väitöskirjassa esitetään algebrallinen kehys, jonka todistetaan olevan edistyksellinen dynaamisissa ympäristöissä, joissa ei ole ennakkoinformaatiota saatavilla. Seuraavaksi väitöskirja laajentaa esitettyä lähestymistapaa parantamalla sen vakautta vääriä havaintoja vastaan. Lopuksi esitetään bayesialainen formulointi passiiviselle usean kohteen seuranta -ongelmalle (MTT). Väitöskirja on jaettu kolmeen on osaan. Ensimmäinen osa käsittelee aktiivisen ongelman kuvaamista matemaattisesti säilyttäen alhaisen kompleksisuuden. Erityisesti tässä osassa karakterisoidaan tilastollisesti matriisien spektrin käyttäminen kohteiden paikan esittämiseen moniulotteiseen skaalaukseen (MDS) pohjautuvassa menetelmässä. Saavuttaakseen tämän väitöskirja esittää Jacobin ominaisavaruuksiin perustuvan seuranta-algoritmin Gramian matriiseille, joiden osoitetaan olevan erityisen soveltuvia usean kohteen seuraamisongelman kuvaamiseen MDS-menetelmän avulla. Toinen osa käsittelee epätäydellistä aktiivista usean kohteen skenaariota, kuten myös mittausten lopullisia häiriötä, esim. ei-näköyhteyskanavasta johtuvaa harhaa. Edellä mainittu algebrallinen ratkaisu on laajennettu ottamaan huomioon heterogeeninen informaatio sekä tieto mittausdatan luotettavuudesta. Lisäksi tässä osassa esitetään ratkaisu klassiseen moniulotteiseen skaalausongelmaan (C-MDS) esittelemällä uudenlainen ydinmatriisi ja osoitetaan, kuinka tämä mahdollistaa heterogeenisen informaation, tässä tapauksessa kulma-ja etäisyysmittauksien, huomioon ottamisen. Viimeisessä osassa käsitellään äärellisten satunnaisten joukkojen soveltuvuutta bayesialaisen MTT-ongelman ratkaisuun passiivisissa skenaarioissa. Väitöskirja esittää uuden porttistrategian algoritmien kompleksisuuksien pienentämiseksi säilyttäen kuitenkin samalla niiden suorituskyvyn.

L’action humaine dans une séquence vidéo peut être considérée comme un volume spatio- temporel induit par la concaténation de silhouettes dans le temps. Nous présentons une approche spatio-temporelle pour la reconnaissance d’actions humaines qui exploite des caractéristiques globales générées par la technique de réduction de dimensionnalité MDS et un découpage en sous-blocs afin de modéliser la dynamique des actions. L’objectif est de fournir une méthode à la fois simple, peu dispendieuse et robuste permettant la reconnaissance d’actions simples. Le procédé est rapide, ne nécessite aucun alignement de vidéo, et est applicable à de nombreux scénarios. En outre, nous démontrons la robustesse de notre méthode face aux occultations partielles, aux déformations de formes, aux changements d’échelle et d’angles de vue, aux irrégularités dans l’exécution d’une action, et à une faible résolution. / Human action in a video sequence can be seen as a space-time volume induced by the concatenation of silhouettes in time. We present a space-time approach for human action recognition, which exploits global characteristics generated by the technique of dimensionality reduction MDS and a cube division into sub-blocks to model the dynamics of the actions. The objective is to provide a method that is simple, inexpensive and robust allowing simple action recognition. The process is fast, does not require video alignment, and is applicable in many scenarios. Moreover, we demonstrate the robustness of our method to partial occlusion, deformation of shapes, significant changes in scale and viewpoint, irregularities in the performance of an action, and low-quality video.

Le mouvement de la marche est un processus essentiel de l'activité humaine et aussi le résultat de nombreuses interactions collaboratives entre les systèmes neurologiques, articulaires et musculo-squelettiques fonctionnant ensemble efficacement. Ceci explique pourquoi une analyse de la marche est aujourd'hui de plus en plus utilisée pour le diagnostic (et aussi la prévention) de différents types de maladies (neurologiques, musculaires, orthopédique, etc.). Ce rapport présente une nouvelle méthode pour visualiser rapidement les différentes parties du corps humain liées à une possible asymétrie (temporellement invariante par translation) existant dans la démarche d'un patient pour une possible utilisation clinique quotidienne. L'objectif est de fournir une méthode à la fois facile et peu dispendieuse permettant la mesure et l'affichage visuel, d'une manière intuitive et perceptive, des différentes parties asymétriques d'une démarche. La méthode proposée repose sur l'utilisation d'un capteur de profondeur peu dispendieux (la Kinect) qui est très bien adaptée pour un diagnostique rapide effectué dans de petites salles médicales car ce capteur est d'une part facile à installer et ne nécessitant aucun marqueur. L'algorithme que nous allons présenter est basé sur le fait que la marche saine possède des propriétés de symétrie (relativement à une invariance temporelle) dans le plan coronal. / The gait movement is an essential process of the human activity and also the result of coordinated effort between the neurological, articular and musculoskeletal systems. This motivates why gait analysis is important and also increasingly used nowadays for the (possible early) diagnosis of many different types (neurological, muscular, orthopedic, etc.) of diseases. This paper introduces a novel method to quickly visualize the different parts of the body related to an asymmetric movement in the human gait of a patient for daily clinical. The goal is to provide a cheap and easy-to-use method to measure the gait asymmetry and display results in a perceptually relevant manner. This method relies on an affordable consumer depth sensor, the Kinect. The Kinect was chosen because this device is amenable for use in small, confined area, like a living room. Also, since it is marker-less, it provides a fast non-invasive diagnostic. The algorithm we are going to introduce relies on the fact that a healthy walk has (temporally shift-invariant) symmetry properties in the coronal plane.