La dynamique des ailes battantes observée dans le règne animal suscite l'attention de plusieurs chercheurs afin de mieux comprendre et exploiter ce phénomène de propulsion et de sustentation. Il a notamment été démontré que le phénomène de «clap-and-fling», où deux ailes entrent à grande proximité l'une avec l'autre pendant leur mouvement, génère un haut niveau de force de portance ou de propulsion. Ce mécanisme est particulièrement efficace à de petites échelles dans la nature, ce qui rend son application attrayante au niveau de la miniaturisation d'engins volants comme les drones. En effet, certains insectes et petits oiseaux battent des ailes pour voler, ce qui implique un mécanisme biologique sous-jacent qui est associé à des performances aérodynamiques efficaces qui ont été adoptées à travers la sélection naturelle. Les résultats obtenus à travers les simulations numériques effectuées démontrent bel et bien l'utilité du mécanisme de «clap-and-fling». D'un point de vue cinématique, le mouvement de l'aile oscillante peut être résumé en deux dimensions à deux sous-mouvements sinusoïdaux, soit une oscillation verticale (pilonnement) et une rotation de l'aile autour de son point de pivot (tangage). En effet, la campagne paramétrique effectuée selon ces mouvements confirme que l'interaction entre deux ailes battantes qui débattent en grande proximité permet de générer un haut niveau de propulsion avec une augmentation de l'efficacité marquée par rapport à l'utilisation d'une seule aile. Une campagne numérique additionnelle qui se base sur la meilleure configuration utilisant deux ailes battantes, introduit un nouveau mouvement sinusoïdal, soit la déviation. Ce dernier est une oscillation additionnelle horizontale qui a notament pour but d'augmenter l'efficacité du système en amplifiant les effets instationnaires du mécanisme de «clap-and-fling». Ces deux campagnes numériques basées sur des simulations numériques simplifiées en deux dimensions ont permis de mieux comprendre les subtilités du phénomène et d'en améliorer les performances. Les effets tridimensionnels ont été explorés numériquement à partir de la meilleure configuration rapportée par l'étude 2D. Les résultats obtenus de cette étude démontrent les effets 3D présents pour un tel système qui affectent nécessairement ses performances et permettent ainsi de proposer les lignes directrices pour la conception éventuelle d'un prototype de micro-drone utilisant le mécanisme de «clap-and-fling». / The flapping wing dynamics observed in the animal kingdom are attracting the attention of many researchers to better understand and exploit this propulsion and lift phenomenon. In particular, it has been shown that the phenomenon of clap-and-fling, where two wings enter close proximity to each other during their movement, generates a high level of lift or propulsive force. This mechanism is particularly effective on small scales in nature, making its application attractive for the miniaturization of flying machines such as drones. Indeed, some insects and small birds flap their wings to fly, implying an underlying biological mechanism associated with efficient aerodynamic performances that has been adopted through natural selection. The results obtained from the numerical simulations carried out clearly demonstrate the usefulness of the clap-and-fling mechanism. From a kinematic point of view, the motion of the oscillating wing can be summarized in two dimensions as two sinusoidal submovements, i.e. a vertical oscillation (heave) and a rotation of the wing around its pivot point (pitch). In fact, the parametric campaign performed according to these motions confirms that the interaction between two flapping wings oscillating in close proximity generates a high level of thrust with a marked increase in efficiency compared with the use of a single wing. An additional numerical campaign, based on the best configuration using two flapping wings, introduces a new sinusoidal motion, namely deviation. The latter is an additional horizontal oscillation designed to increase the system's efficiency by amplifying the unsteady effects of the clap-and-fling mechanism. These two numerical campaigns, based on simplified two-dimensional numerical simulations, allow a better understanding of the subtleties of the phenomenon and improve its performance. The three-dimensional effects were explored numerically based on the best configuration reported by the 2D study. The results obtained from this study demonstrate the 3D effects present for such a system, which necessarily affect its performances, and thus enable the proposal of guidelines for the eventual design of a micro-drone prototype using the clap-and-fling mechanism.

Afin de planifier le déploiement d'un parc d'hydroliennes en rivière et de maximiser son extraction d'énergie, des simulations de parc de turbines sont souvent effectuées. Cependant, dans un contexte où des dizaines de turbines sont déployées, il est impensable de simuler la géométrie complète de chaque turbine. Il est donc nécessaire d'utiliser des modèles simplifiés qui reproduisent fidèlement les turbines et qui intègrent toutes les principales interactions se produisant dans un parc de turbines, à savoir les interactions turbine-sillage, les effets de blocage et l'interaction avec la ressource. Le modèle EPTM (Effective Performance Turbine Model) est un outil approprié en ce sens, permettant de tester et d'analyser un grand nombre de configurations de parc différentes à un faible coût de calcul. Pour garantir une utilisation adéquate et fiable dans des conditions d'écoulement de rivière et de parc, l'EPTM a d'abord été validé et adapté, en se concentrant sur la technologie de turbine à axe transversal (Cross-Flow Turbine : CFT). Dans ce but, une méthodologie numérique a été développée pour reproduire les conditions d'écoulement de rivière et les conditions d'écoulement de parc (présence de perturbations). À l'aide de simulations complètes de turbine en 3D utilisant cette méthodologie, on constate qu'une turbine fonctionnant dans ces conditions voit une réduction de ses performances. Cependant, il s'avère que le coefficient de traînée effectif reste essentiellement inchangé, ce qui permet d'utiliser la même distribution de coefficients de force locale effectif dans toute situation. De plus, bien que le coefficient de puissance effectif apparaisse plus faible que pour une turbine dans des conditions d'écoulement idéalisées, il ne varie pas en fonction du type de perturbation et sa diminution est faible en conditions de surface libre. Ceci est important pour l'utilisation de l'EPTM, car le modèle simplifié est basé sur cette hypothèse. De multiples comparaisons entre l'EPTM et les simulations de turbine complète dans des conditions d'écoulement de rivière ou de parc ont confirmé que l'EPTM-CFT est toujours capable de prédire avec précision les performances des turbines et de reproduire leur sillage moyen avec un haut degré de fiabilité. Suite à cette procédure de validation, des simulations de parc de turbines ont été réalisées à l'aide de l'EPTM-CFT. Assumant un écoulement ambient turbulent, de nombreuses configurations de parc de turbines à axe vertical ont été testées pour étudier plus précisément l'effet du blocage local, de l'espacement latéral et longitudinal, du décalage latéral entre les rangées et du sens de rotation sur les performances des turbines. Les résultats ont montré que les effets de blocage doivent être considérés simultanément avec les interactions turbine-sillage, en particulier lorsque les turbines génèrent un sillage qui dévie latéralement en aval. Ce dernier aspect joue d'ailleurs un rôle important en vue de déterminer si les rangées devraient être décalées entre elles ou non. Pour un parc à plusieurs rangées, cet aspect affecte également la pertinence des différents paramètres utilisés. En effet, dans ce contexte, l'espacement latéral devient plus significatif que la valeur de blocage local. Pour aider à statuer sur l'espacement latéral et longitudinal optimal à fixer au sein d'un parc, un nouveau paramètre a été proposé : la puissance marginale par turbine. Comme de nombreuses variables économiques peuvent entrer en jeu, ce paramètre permet de quantifier l'avantage d'ajouter des rangées ou des colonnes de turbines par rapport à la puissance déjà installée. Enfin, il est possible, pour un parc de turbines optimal donné, d'évaluer son impact sur la ressource. Sur la base d'un vrai site en rivière, une simulation réaliste d'un parc de turbines en rivière a été effectuée en utilisant la méthodologie développée précédemment. Les résultats de la simulation, comparés aux résultats de simulations plus simplifiées, ont souligné qu'une géométrie de canal appropriée et une distribution juste de la vitesse d'entrée sont essentielles pour obtenir des performances de turbine fiables. S'il apparaît que la prise en compte de la surface libre a affecté de manière négligeable les performances du parc et le niveau d'eau en amont pour le cas considéré, il n'en reste pas moins que l'évaluation de l'impact sur la ressource est toujours pertinente puisque l'élévation du niveau d'eau peut être plus importante si le niveau de blocage ou le nombre de Froude sont plus élevés. / In order to plan a river hydrokinetic turbine array deployment and to maximize its energy extraction, turbine array simulations are often carried out. However, in a context where tens of turbines are deployed, it is unthinkable to simulate the complete rotating geometry of every turbine. It is therefore necessary to use simplified models that reproduce accurately the turbines and that incorporate all the main interactions taking place in a turbine array, namely the turbine-wake interactions, the blockage effects and the interaction with the resource. The Effective Performance Turbine Model (EPTM) is a suitable tool in that sense, allowing to test and analyze a large amount of different array configurations at a low computational cost. Although the EPTM has been developed to serve as a tool for array analysis, it has only been tested up to now in a uniform flow with a low turbulence level. For this reason, the EPTM has been validated and adapted in this work to ensure a proper and reliable use in river array flow conditions. Herein, the efforts has been mainly put on a cross-flow turbine (CFT) technology. First, a numerical methodology has been developed to reproduce river flow conditions and array flow conditions, which include shear, large-scale temporal fluctuations and (modeled) turbulence. Following 3D blade-resolved turbine simulations, it is found that a turbine operating in those conditions sees a reduction of its performance, especially when the shear aspect is present. However, it turns out that the effective drag coefficient remains essentially unchanged, allowing to use the same local effective force coefficient distribution in every situation. Moreover, although the effective power coefficient appears to be lower than for a turbine in idealized flow conditions, it does not vary depending of the type of perturbation and its decrease is small under free-surface conditions. This is important for the use of the EPTM, since the simplified model is based on this assumption. Multiple comparisons between EPTM and blade-resolved turbine simulations in river/array flow conditions have confirmed that the EPTM-CFT is always able to predict accurately the performances of the turbines and to reproduce their mean wake with a high degree of reliability. Following this validation procedure, a series of turbine array simulations have been conducted using the EPTM-CFT. Assuming a turbulent flow environment, many vertical-axis turbine array configurations have been tested to study more precisely the effect of local blockage, lateral and longitudinal spacing, array staggering and direction of rotation on turbine performance. Results have shown that all aspects of blockage, local and global, must be considered simultaneously with the possibility of turbine-wake interaction, especially when the turbines generate a wake that deflects sideways downstream. The latter aspect could play an important role in determining whether or not the array should be staggered. For a multiple-row array, this aspect also affects the relevance of the different array parameters used. Indeed, in this context, the lateral spacing becomes more meaningful than the local blockage value. To help decide on the optimal lateral and longitudinal spacing to set within an array, a new parameter has been proposed: the marginal power per turbine. As many economic variables can come into play, this parameter helps quantifying the benefit of adding rows or columns of turbines in comparison to the already installed power. Finally, it is possible, for an identified optimal turbine array, to assess its impact on the resource. Based on an actual river site, a realistic simulation of a turbine array in river has been performed using the methodology previously developed. The simulation results, compared with the results of more simplified simulations, have pointed out that an appropriate channel geometry and an accurate inflow velocity distribution are essential to obtain reliable array performances. Although it arises that taking into account the free surface has negligibly affected the array performances and the water level upstream for the case considered, it remains that the assessment of the impact on the resource is always relevant since the rise in the water level can be larger if the blockage ratio or the Froude number are higher.

La thermographie à phase pulsée (TPP) a été présentée comme une nouvelle technique robuste de thermographie infrarouge (TIR) pour les essais non destructifs (END). Elle utilise la transformée de Fourier discrète (TFD) sur les images thermiques obtenues après un chauffage flash de la surface avant d'un spécimen pour extraire les informations de délai de phase (ou phase). Les gammes de phase calcules (ou cartes de phase) sont utilises pour la visualisation des défauts dans de nombreux matériaux. Le contraste de température permet de détecter les défauts à partir des données thermographiques. Cependant, les images thermiques comportent généralement un niveau de bruit important et des arrière-plans non uniformes causés par un chauffage inégal et des réflexions environnementales. Par conséquent, il n'est pas facile de reconnaître efficacement les régions défectueuses. Dans ce travail, nous avons appliqué la technique LSTM (Long Short Term Memory) et des réseaux de neurones convolutifs (RNC) basés sur des modèles d'apprentissage profond (AP) à la détection des défauts et à la classification de la profondeur des défauts à partir de données d'images thermographiques. Nos résultats expérimentaux ont montré que l'architecture proposée basée sur l'AP a obtenu des scores de précision de 0.95 et 0.77 pour la classification des pixels sains et défectueux. En outre, les résultats expérimentaux ont montré que les techniques LSTM et RNC ont obtenu des précisions de 0.91 et 0.82 pour la classification de la profondeur des défauts, respectivement. Par conséquent, la technique LSTM a surpassé la technique RNC pour les cas de détection des défauts et de classification de la profondeur des défauts. / Pulse Phase Thermography (PPT) has been introduced as a novel robust Non-Destructive Testing (NDT) Infrared Thermography (IRT) technique. It employs Discrete Fourier Transform (DFT) to thermal images obtained following flash heating of the front surface of a specimen to extract the phase delay (or phase) information. The computed phase grams (or phase maps) are used for defect visualization in many materials. The temperature contrast enables defect detection based on thermographic data. However, thermal images usually involve significant measurement noise and non-uniform backgrounds caused by uneven heating and environmental reflections. As a result, it is not easy to recognize the defective regions efficiently. In this work, we applied Long Short-Term Memory (LSTM) and Convolutions Neural Networks works (CNNs) based on deep learning (DL) models to defect detection and defect depth classification from thermographic image data. Our experimental results showed that the proposed DL-based architecture achieved 0.95 and 0.77 accuracy scores for sound and defected pixels classification. Furthermore, the experimental results illustrated that LSTM and CNN techniques achieved 0.91 and 0.82 accuracies for defect-depth classification, respectively. Consequently, the LSTM technique overcame the CNNs technique for defect detection and defect-depth classification cases.

L'évaluation non destructive (END) est un domaine permettant d'identifier tous les types de dommages structurels dans un objet d'intérêt sans appliquer de dommages et de modifications permanents. Ce domaine fait l'objet de recherches intensives depuis de nombreuses années. La thermographie infrarouge (IR) est l'une des technologies d'évaluation non destructive qui permet d'inspecter, de caractériser et d'analyser les défauts sur la base d'images infrarouges (séquences) provenant de l'enregistrement de l'émission et de la réflexion de la lumière infrarouge afin d'évaluer les objets non autochauffants pour le contrôle de la qualité et l'assurance de la sécurité. Ces dernières années, le domaine de l'apprentissage profond de l'intelligence artificielle a fait des progrès remarquables dans les applications de traitement d'images. Ce domaine a montré sa capacité à surmonter la plupart des inconvénients des autres approches existantes auparavant dans un grand nombre d'applications. Cependant, en raison de l'insuffisance des données d'entraînement, les algorithmes d'apprentissage profond restent encore inexplorés, et seules quelques publications font état de leur application à l'évaluation non destructive de la thermographie (TNDE). Les algorithmes d'apprentissage profond intelligents et hautement automatisés pourraient être couplés à la thermographie infrarouge pour identifier les défauts (dommages) dans les composites, l'acier, etc. avec une confiance et une précision élevée. Parmi les sujets du domaine de recherche TNDE, les techniques d'apprentissage automatique supervisées et non supervisées sont les tâches les plus innovantes et les plus difficiles pour l'analyse de la détection des défauts. Dans ce projet, nous construisons des cadres intégrés pour le traitement des données brutes de la thermographie infrarouge à l'aide d'algorithmes d'apprentissage profond et les points forts des méthodologies proposées sont les suivants: 1. Identification et segmentation automatique des défauts par des algorithmes d'apprentissage profond en thermographie infrarouge. Les réseaux neuronaux convolutifs (CNN) pré-entraînés sont introduits pour capturer les caractéristiques des défauts dans les images thermiques infrarouges afin de mettre en œuvre des modèles basés sur les CNN pour la détection des défauts structurels dans les échantillons composés de matériaux composites (diagnostic des défauts). Plusieurs alternatives de CNNs profonds pour la détection de défauts dans la thermographie infrarouge. Les comparaisons de performance de la détection et de la segmentation automatique des défauts dans la thermographie infrarouge en utilisant différentes méthodes de détection par apprentissage profond : (i) segmentation d'instance (Center-mask ; Mask-RCNN) ; (ii) détection d’objet (Yolo-v3 ; Faster-RCNN) ; (iii) segmentation sémantique (Unet ; Res-unet); 2. Technique d'augmentation des données par la génération de données synthétiques pour réduire le coût des dépenses élevées associées à la collecte de données infrarouges originales dans les composites (composants d'aéronefs.) afin d'enrichir les données de formation pour l'apprentissage des caractéristiques dans TNDE; 3. Le réseau antagoniste génératif (GAN convolutif profond et GAN de Wasserstein) est introduit dans la thermographie infrarouge associée à la thermographie partielle des moindres carrés (PLST) (réseau PLS-GANs) pour l'extraction des caractéristiques visibles des défauts et l'amélioration de la visibilité des défauts pour éliminer le bruit dans la thermographie pulsée; 4. Estimation automatique de la profondeur des défauts (question de la caractérisation) à partir de données infrarouges simulées en utilisant un réseau neuronal récurrent simplifié : Gate Recurrent Unit (GRU) à travers l'apprentissage supervisé par régression. / Non-destructive evaluation (NDE) is a field to identify all types of structural damage in an object of interest without applying any permanent damage and modification. This field has been intensively investigated for many years. The infrared thermography (IR) is one of NDE technology through inspecting, characterize and analyzing defects based on the infrared images (sequences) from the recordation of infrared light emission and reflection to evaluate non-self-heating objects for quality control and safety assurance. In recent years, the deep learning field of artificial intelligence has made remarkable progress in image processing applications. This field has shown its ability to overcome most of the disadvantages in other approaches existing previously in a great number of applications. Whereas due to the insufficient training data, deep learning algorithms still remain unexplored, and only few publications involving the application of it for thermography nondestructive evaluation (TNDE). The intelligent and highly automated deep learning algorithms could be coupled with infrared thermography to identify the defect (damages) in composites, steel, etc. with high confidence and accuracy. Among the topics in the TNDE research field, the supervised and unsupervised machine learning techniques both are the most innovative and challenging tasks for defect detection analysis. In this project, we construct integrated frameworks for processing raw data from infrared thermography using deep learning algorithms and highlight of the methodologies proposed include the following: 1. Automatic defect identification and segmentation by deep learning algorithms in infrared thermography. The pre-trained convolutional neural networks (CNNs) are introduced to capture defect feature in infrared thermal images to implement CNNs based models for the detection of structural defects in samples made of composite materials (fault diagnosis). Several alternatives of deep CNNs for the detection of defects in the Infrared thermography. The comparisons of performance of the automatic defect detection and segmentation in infrared thermography using different deep learning detection methods: (i) instance segmentation (Center-mask; Mask-RCNN); (ii) objective location (Yolo-v3; Faster-RCNN); (iii) semantic segmentation (Unet; Res-unet); 2. Data augmentation technique through synthetic data generation to reduce the cost of high expense associated with the collection of original infrared data in the composites (aircraft components.) to enrich training data for feature learning in TNDE; 3. The generative adversarial network (Deep convolutional GAN and Wasserstein GAN) is introduced to the infrared thermography associated with partial least square thermography (PLST) (PLS-GANs network) for visible feature extraction of defects and enhancement of the visibility of defects to remove noise in Pulsed thermography; 4. Automatic defect depth estimation (Characterization issue) from simulated infrared data using a simplified recurrent neural network: Gate Recurrent Unit (GRU) through the regression supervised learning.

Les convulsions fébriles (CF) surviennent chez 2 à 5 % des jeunes enfants. La grande majorité de ces épisodes sont complètement bénins et aucune conséquence ne découle de ces convulsions. Une récente étude a par contre démontré qu'au sein d'une population pédiatrique atteinte d'épilepsie du lobe temporal (ELT), plusieurs enfants ont développé des CF avant l'apparition de ce trouble neurologique. De plus, cette étude a démontré une prévalence élevée de double pathologie chez ces enfants (sclérose de l'hippocampe et malformation corticale), suggérant un lien de causalité entre les CF, la malformation corticale et le développement de l'ELT. En se basant sur ces observations cliniques, la présente étude a pour but d'étudier les changements morphologiques et métaboliques cérébraux survenant suite aux convulsions hyperthermiques chez un modèle raton atteint de dysplasie corticale focale. Pour ce faire, une analyse du changement d'intensité de signal IRM en pondération-T[indice inférieur 2] et de multiples images TEP obtenues à l'aide de différents radiotraceurs([[indice supérieur 18]F]-FDG, [[indice supérieur 13]N]-NH[indice inférieur 3], [[indice supérieur 11]C]-acétoacétate) a été effectuée. De plus, un suivi longitudinal du développement volumétrique de l'hippocampe et des ventricules latéraux a été effectué. Les résultats de cette étude présentent une atteinte plus prononcée de l'hippocampe suite aux convulsions hyperthermiques chez le cerveau avec dysplasie corticale. En effet, 5 h après l'induction des convulsions hyperthermiques, un hyposignal IRM T[indice inférieur 2] est présent dans l'hippocampe de ce groupe comparativement au groupe contrôle atteint de dysplasie corticale seule. Les images TEP acquises pendant des convulsions hyperthermiques prolongées révèlent une inhomogénéité importante de captation du [[indice supérieur 18]F]-FDG au sein des structures cérébrales. L'hippocampe est d'ailleurs la structure avec la plus faible captation de [[indice supérieur 18]F]-FDG. À P38, une atrophie de l'hippocampe dorsal et une dilatation des ventricules latéraux sont mesurées au sein du groupe d'intérêt. Nos observations nous amènent à poser l'hypothèse que les perturbations remarquées chez le rat adulte sont causées par une vascularisation immature et inhomogène de l'hippocampe à P10 causant une atteinte hypoxique durant l'épisode de convulsion fébrile atypique. Ces résultats suggèrent donc que l'hypoxie durant un épisode de convulsions fébrile atypique mérite d'être davantage investiguée afin de développer de nouvelles avenues thérapeutiques pouvant diminuer l'impact des convulsions fébriles atypiques sur le développement cérébral.

L'apparition de l'acquisition et de la cession des actions étrangères en Chine s'inscrit dans la progression de développement de l'économie chinoise qui a été fortement stimulée par l'application de la politique d'ouverture. Depuis l'adhésion à l'OMC en 2001,les modes d'investissement de l'acquisition et de la cession d'actions ont graduellement commencé à remplacer celle d'investissement relative simplement à l'installation d'une entreprise étrangère en Chine. Bien que la législation chinoise ait essayé de contribuer à la protection de ces nouvelles modes d'investissement étranger, les défauts de loi ainsi que le vide juridique deviennent comme même l'obstacle principal qui empêche le développement de l'acquisition et la cession des actions étrangères en Chine. Dans ce contexte, la problématique de cette thèse est d'une part d'analyser l'ensemble des dispositions actuelles portant sur l'acquisition et la cession des actions étrangères afin de les mettre en œuvre en pratique, d'autre part de rationaliser les mécanismes juridiques chinois en recherchant la possibilité de réforme proposé.

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

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

La thèse traite du problème de la reconnaissance des gestes avec des accents particuliers orientés vers la modélisation des trajectoires de mouvement ainsi que vers l’estimation de la variabilité présente dans l’exécution gestuelle. Les gestes sont acquis dans un scénario typique pour la vision par ordinateur qui approche les particularités des surfaces interactives. On propose un modèle flexible pour les commandes gestuelles à partir d’une représentation par courbes splines et des analogies avec des éléments de la théorie d’élasticité de la physique classique. On utilise les propriétés du modèle pour la reconnaissance des gestes dans un contexte d’apprentissage supervisé. Pour adresser le problème de la variation présente dans l’exécution des gestes, on propose un modèle qui mesure dans une manière quantitative et objective les tendances locales que les utilisateurs sont tentés d'introduire dans leurs exécutions. On utilise ce modèle pour proposer une solution à un problème reconnu comme difficile dans la communauté : la segmentation automatique des trajectoires continues de mouvement et l’identification invariante a l’échelle des commands gestuelles. On démontre aussi l’efficacité du modèle pour effectuer des analyses de type ergonomique pour les dictionnaires de gestes. / We address in this thesis the problem of gesture recognition with specific focus on providing a flexible model for movement trajectories as well as for estimating the variation in execution that is inherently present when performing gestures. Gestures are captured in a computer vision scenario which approaches somewhat the specifics of interactive surfaces. We propose a flexible model for gesture commands based on a spline representation which is enhanced with elastic properties in a direct analogy with the theory of elasticity from classical physics. The model is further used for achieving gesture recognition in the context of supervised learning. In order to address the problem of variability in execution, we propose a model that measures objectively and quantitatively the local tendencies that users introduce in their executions. We make use of this model in order to address a problem that is considered hard by the community: automatic segmentation of continuous motion trajectories and scale invariant identification of gesture commands. We equally show the usefulness of our model for performing ergonomic analysis on gesture dictionaries.

A gestão da manutenção de uma edificação tem influência direta em seu desempenho, ou seja, em sua duração, seus impactos e seu consumo de recursos como água e energia. O planejamento, a facilidade e demanda de execução dos serviços de manutenção, assim como a transparência para os usuários das necessidades, prazos e procedimentos de manutenção são de fundamental importância para a qualidade e sustentabilidade dos edifícios. O processo de gestão da manutenção de uma edificação tem início ainda nas etapas iniciais de projeto do empreendimento, quando tomadas de decisões que considerem fatores de manutenção fornecem subsídios para elaboração de projetos da manutenção mais eficazes e de menor impacto social, ambiental e econômico, tem continuidade durante a etapa de construção quando se deve primar pela qualidade e continua durante a etapa de operação, uso e manutenção. Particularmente em empreendimentos de habitação de interesse social, a geração de subsídios, a consideração de fatores de manutenção, o planejamento da manutenção, da maneira como operacionalizá-la, são fatores determinantes para conservação de edificações, além de contribuir com a luta contra o déficit habitacional, buscando empreendimentos de melhor qualidade, com maiores graus de manutenibilidade e conseqüentemente tarifas condominiais e consumo de recursos reduzidos. Neste contexto, esta pesquisa tem como objetivo contribuir com o processo de gestão da manutenção, a partir de um levantamento feito através do ponto de vista das empresas administradoras de empreendimentos PAR do estado de São Paulo, abordando o tratamento dispensado à manutenção a partir da fase de uso e operação, identificando requisitos para elaboração de diretrizes que contribuam com a operacionalização da manutenção. / A building maintenance management has direct influence on its performance, ie, its duration, its impacts and its resources consumption as water and energy. The planning, execution ease and demand of maintenance services as well as transparency of needs, deadlines and maintenance procedures for the users are essential to the quality and sustainability of buildings. The process of a building maintenance management begins in the early stages of a building design, when making decisions considering maintenance aspects provides subsides for more effective designs with less social, environmental and economic impacts. This process continues during the construction stage when it is necessary to strive for quality, maintaining this line of reasoning during the operation, use and maintenance phase. Particularly in housing projects, generating subsides, considering maintenance factors, maintenance planning and the means to operate it are determining factors for building maintenance, thus it contributes to combating the housing shortage seeking buildings of better quality, with greater degrees of maintainability and condominium prices and therefore reduced resource consumption. Thus, this research aims to contribute to the maintenance management process, starting from a survey done by the point of view of companies that manage PAR housing projects of the state of São Paulo, addressing the treatment given to the operation, use and maintenance phase, identifying requirements for guidelines developing to contribute to the maintenance operation and management.