Reproduction de : Thèse de doctorat : Mécanique des solides, des matériaux, des structures et des surfaces : Poitiers : 2008. / Titre provenant de l'écran-titre. Bibliogr. 99 réf.

Th. univ.--Sci.--Paris 11, 1995. N°: 3745. / Notes bibliogr. Résumé en français et en anglais.

Th.--Sci.--Bordeaux, 1983. N°: 764.

Th.--Sci. phys.--Besançon, 1981. N°: 147.

La reconnaissance du comportement et la prédiction des activités des personnes depuis la vidéo sont des préoccupations majeures dans le domaine de la vision par ordinateur. L'objectif principal de mon travail de thèse est de proposer des algorithmes qui permettent d'analyser des objets en mouvement à partir de la vidéo pour extraire des comportements humains. Cette analyse est effectuée dans des environnements intérieurs ou extérieurs filmés par des simples webcams ou par des caméras plus sophistiquée. La scène analysée peut être de deux types en fonction du nombre de personnes présentes. On distingue les scènes de foule où le nombre de personnes est important. Dans ce type de scène, nous nous intéressons aux problèmes de la détection d'évènements de foule, à l'analyse des flux et à l'extraction des motifs de mouvement. Le deuxième type de scène se caractérise par la présence d'une seule personne à la fois dans le champ de la caméra. Elle est appelée scène individuelle. Nous y traitons le problème de reconnaissance d'actions humaines. Pour atteindre ces objectifs, nous proposons une approche basée sur trois niveaux d'analyse. Le premier est l'extraction des caractéristiques de bas niveau récupérés les images constituant un flux vidéo (ex. les zones en mouvement). Le deuxième construit des descripteurs pour l’analyse du comportement humain (ex. la direction et la vitesse de mouvement moyennes). Le niveau le plus haut se sert des descripteurs de l'étape intermédiaire afin de fournir aux utilisateurs des résultats concrets sur l'analyse du comportement humain (ex. telle personne marche, une autre court, etc.). Des expérimentations sur des benchmarks connus ont validé nos approches, avec un positionnement très intéressant par rapport à l'état de l'art. / The recognition and prediction of people activities from videos are major concerns in the field of computer vision. The main objective of my thesis is to propose algorithms that analyze human behavior from video. This problem is also called video content analysis or VCA. This analysis is performed in outdoor or indoor environments using simple webcams or more sophisticated surveillance cameras. The video scene can be of two types depending on the number of people present. The first type is characterized by the presence of only one person at a time in the video. We call this an individual scene where we will tackle the problem of human action recognition. The second type of scene contains a large number of persons. This is called a crowd scene where we will address the problems of motion pattern extraction, crowd event detection and people counting. To achieve our goals, we propose an approach based on three levels of analysis. The first level is the detection of low-level descriptors retrieved from the images of the video (e.g. areas in motion). The second level retrieves descriptors for modeling human behavior (e.g. average speed and direction of movement). The top level uses the descriptors of the intermediate step to provide users with concrete results on the analysis of behavior (e.g. this person is running, that one is walking, etc.). Experimentation on well-known benchmarks have validated our approaches, with very satisfying results compared to the state of the art.

Les copépodes sont des petits crustacés de longueur autour de 1 mm en stade adulte. Leurs réponses à différents facteurs de stress tels que la salinité et la température peuvent être observées à différentes échelles d’organisation allant du gène, cellule jusqu’à l’organisme. Jusqu'à présent, aucune observation des effets de stress de température ou de salinité sur les copépodes n’a été faite par microscopie optique. Dans ce travail, nous avons mis en œuvre pour l'étude de ces copépodes les techniques de microscopie linéaire et non linéaires. D’abord avec la technique CLSM (Confocal Laser Scanning Microscopy) nous avons pu étudier, caractériser et quantifier les effets de stress appliqués sur le copépode calanoïde Pseudodiaptomus marinus maintenu en culture pendant plusieurs générations dans le laboratoire à des conditions favorables et stables de salinité (30 psu) et de température (18 °C). Ces différents stress appliqués sont: une forte diminution de la température (18 à 4 ° C), des diminutions mineure et majeure de la salinité (de 30 respectivement à 15 PSU et à 0 PSU) et enfin, un stress mélangé d’une baisse simultané de la température et de la salinité (de 18 ° C et 30 psu à 4 ° C et 0 PSU). Nos observations ont été concentrées sur le muscle du copépode.Cette étude a été complétée par la technique SHG/TPEF qui nous a répondu à quelques questions à propos de la disparition des stries musculaires. Cette technique a été suivie par la technique de transformation de Fourier (FFT) appliquée sur les profils des stries musculaires pour mieux comprendre l’état des stries dans chaque stress. Enfin, nous avons appliqué la microscopie CARS qui a été développée dans notre laboratoire à l'imagerie de ces échantillons. Avec cette technique d’imagerie on a pu identifier les stries musculaires et les réserves lipidiques. / Copepods are small crustaceans with length about 1mm in adult stage. Their responses to different external strain factors such as salinity and temperature can be observed at different scales from genes to organism (individual). Until now, no observation of the effects of temperature or salinity stresses on copepods has been done by light microscopy In this work we exploited optical imaging techniques and specifically nonlinear microscopy linear and nonlinear. First of all CLSM (Confocal Laser Scanning Microscopy) allow studying, characterisation and quantifying stress effect applied on calanoid Pseudodiaptomus marinus copepod maintained during several generations in the laboratory at favorable and stable condition of salinity (30 psu) and temperature (18° C). These stresses applied were: a sharp decrease in temperature (18 to 4°C), a moderate and a major decrease in salinity (from 30 respectively to 15 psu and 0 psu), and finally a mixed stress with a decrease both in temperature and salinity (from 18°C and 30 psu to 4°C and 0 psu). Our observations are concentrated on copepod muscles regions.This study has been completed with SHG/TPEF techniques to answer some questions about stripes disappearance. This technique was followed by Fourier transformation (FFT) applied on the stripes muscles profiles to more understanding about stripes situations in each stress. Finally, we applied CARS microscopy which was developed in our laboratory to image these samples. With this technique we were able to identify these muscles stripes and also lipid reserves.

La turbulence optique et son impact sur les images obtenues à partir d'instruments de mesure est un phénomène connu dans le domaine de l'astronomie. Des modèles issus de la théorie de Kolmogorov, développée pour une turbulence dynamique, ainsi que des méthodes de correction, telles que l'optique adaptative, existent pour l'analyse et la compensation des effets de cette turbulence optique. L'analyse de cette dernière dans les milieux confinés est cependant plus limitée. Les sources susceptibles de générer une turbulence optique dans ces espaces sont pourtant multiples et peuvent avoir un impact non négligeable sur les mesures des instruments installés à proximité. Ce mémoire constitue une première approche de la caractérisation de la turbulence optique dans un espace confiné. Après l'introduction des phénomènes étudiés et des outils mathématiques employés, ce mémoire présente les résultats issus d'analyses de coupoles de télescopes et de caractérisations de salles blanches employées par l'entreprise Thales Alenia Space pour l'intégration et le test d'instruments optiques. Ces résultats sont obtenus avec l'instrument INTENSE, développé durant la thèse pour la caractérisation de la turbulence optique locale via la mesure des fluctuations des angles d'arrivée de multiples faisceaux lasers. En prévision de futurs améliorations de l'analyse de la turbulence en espace confiné, un chapitre du mémoire est dédié aux travaux réalisés sur une méthode d'extraction du profil de l'énergie de la turbulence et à son application sur l'instrument INTENSE. Les conclusions et les perspectives des travaux réalisés pendant la thèse sont présentées à la fin du mémoire. / Optical turbulence and its impact on measured images is a well-known phenomenon in astronomy. Models based on the Kolmogorov theory, elaborated for a dynamical turbulence description, and methods, such as Adaptive Optics, were both developed so as to understand and correct the degradations caused by this turbulence. Analysis of the same phenomenon in indoor situation was however less investigated. The local air volume is nonetheless prone to optical perturbations sources which could have non negligible impacts on the measurements of instruments installed at proximity. This document introduces a first approach of indoor optical turbulence characterization. After the introduction of the studied phenomenon and the mathematical tools employed, this thesis present optical turbulence characterizations inside Thales Alenia Space clean rooms used for optical instrument integration and testing. Analyses inside telescope domes are also shown in this document. All the results were obtained using the INTENSE instrument which was developed during the thesis for optical turbulence characterizations using angle of arrival fluctuations of laser beams. In anticipation for future ameliorations of optical turbulence analysis methods, a chapter of this thesis is dedicated to the work made on a turbulence energy profile extraction and its application on the INTENSE instrument. Conclusions and perspectives of the work made during this thesis are presented at the end of the document.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Concevoir une lentille, que ce soit pour l'astronomie, la microscopie ou la vision numérique, est un problème de taille visant à trouver un compromis idéal entre la qualité d'image et les différentes contraintes. Par une procédure d'essais-erreurs, une approche typique consiste à sélectionner un point de départ parmi une banque de designs optiques puis à l'optimiser dans l'espoir de satisfaire les présents requis. Cette approche n'exploite pas pleinement la montagne d'information contenue dans les banques de designs : un seul de ces designs contribue au problème à la fois, et seulement s'il répond approximativement aux spécifications et à la configuration désirée. Comment peut-on faire mieux ? L'hypothèse de départ de cette thèse est que l'on peut utiliser l'apprentissage automatique pour extraire et exploiter les caractéristiques communes aux designs de haute qualité que l'on retrouve dans ces banques de données. Concrètement, ces designs conçus par des experts contribuent à l'entraînement d'un modèle d'apprentissage profond qui prend en entrée les spécifications désirées et retourne tous les paramètres nécessaires pour modéliser une lentille. Le contenu de cette thèse, qui détaille le développement de ce cadre d'extrapolation de lentilles, peut se résumer en trois principales contributions. Premièrement, nous définissons et validons un objectif d'entraînement qui compense pour la rareté des données disponibles, soit en intégrant le problème d'optimisation de lentilles directement à la boucle d'entraînement du modèle. Deuxièmement, nous élaborons un modèle dynamique qui acquiert une représentation commune pour toutes les lentilles indépendamment de leur configuration, ce qui nous permet d'extrapoler la banque de designs pour générer des lentilles sur de nouvelles configurations. Troisièmement, nous ajustons le cadre pour refléter le caractère multimodal de la conception afin d'inférer plusieurs lentilles de structures différentes pour n'importe quel ensemble de spécifications et de configuration de lentille. Avec une portée adéquate et un entraînement réussi, ce cadre d'extrapolation de lentilles représente un outil inédit pour la conception optique : une fois le modèle déployé, il permet d'obtenir sur demande des points de départ de haute qualité, variés et sur mesure, et ce, en un temps minimal. / Designing a lens, whether for astronomy, microscopy, or computer vision, is a challenging task that seeks an ideal balance between image quality and various constraints. Through a trial-and-error process, a typical approach consists in selecting a starting point in a lens design database and optimizing it to hopefully satisfy the problem at hand. This approach, however, does not fully harness the wealth of information contained in lens design databases: only one such design contributes to the problem at a time, and only if it approximately meets the desired specifications and configuration. How can we do better? The premise of this work is that machine learning can be used to extract and exploit the common features of the high-quality designs contained in lens design databases. Specifically, the expertly conceived designs that compose these databases are used to guide the training process of a deep learning-based model, which receives the design specifications as input and returns all the parameters needed to fully represent a lens. The content of the thesis, which details the development of this lens design extrapolation framework, can be summarized in three main contributions. First, we define and validate a training objective that compensates for the scarcity of available data, by integrating the lens optimization problem directly into the model training loop. Second, we develop a dynamic model that acquires a common representation for all lenses regardless of their configuration, allowing us to extrapolate the lens database to generate lenses on new, unseen configurations. Third, we extend the framework to capture the multimodal nature of lens design, so that multiple lenses with different structures can be inferred for any given set of specifications and configuration. With a suitable scope and a successful training process, this lens design extrapolation framework offers a new and valuable tool for lens designers: once the model is deployed, only a minimal amount of time is required to obtain varied, high-quality starting points that are tailored to the desired specifications.