Th.--Sci.--Paris 12, 1979.

Cette thèse s'inscrit dans le cadre du projet ANR Génétic EquipemeNt for biothrEat enviroNmental Analysis and SurveillancE (GENEASE). Ce projet porte sur l'étude d'un système de surveillance et d'analyse biologique en continu de l'environnement, compact et sensible. Cette analyse se fait par une méthode de biologie moléculaire par la détection et l'identification de plusieurs agents biologiques simultanément. Le dispositif visé doit intégrer l'ensemble des fonctions de la collecte de l'échantillon au rendu du résultat. Ce projet s'inscrit essentiellement dans l'axe « gestion de crise » puisqu'il porte sur l'étude d'un équipement mobile et portable de détection et d'identification biologique. Notre tâche est de mettre en place un système qui détecte (ou non) la présence de l'espèce puis d'estimer sa concentration. Cette estimation est faite à partir des données de fluorescence via le nombre du cycle repère (ou instant de rupture). Il s'agit donc d'intégrer dans la même ap-proche la discrimination pour détecter et la régression pour qualifier. En outre, le but est de construire un modèle statistique qui, à partir de la seule observation de la fluorescence d'une goutte, calcule une estimation du cycle repère et en déduire une estimation de la concentration de l'espèce à qualifier tout en minimisant le retard à la détection. Le travail constitue à poser un modèle statistique pour déterminer en temps continu à partir de quel instant on observe ce cycle repère sur la fluorescence. / This thesis is part of the ANR project, Génétic EquipemeNt for biothrEat enviroNmental Analysis and SurveillancE (GENEASE). This project focuses on the study of a system for monitoring and continuous analysis of biological environment. This analysis is done by a molecular biology method for the detection and identificatio of varions biological agents simultaneously. The device referred must integrate aIl the functions of sample collection of the rendering of the result. This project is essentially part of the axis "crisis management" since it focuses on the study of a mobile and portable equipment for the biological detection and identification. Our task i to develop a system that detects (or not) the presence of the species and to estimate its concentration. This estimation is based on fluorescence data using the number of the reference cycle (or break time). It is therefore to integrate into the same approach to the discrimination detect and the régression to qualify. In addition, the aim is to build a statistical model which from the single observation of the fluorescence of a drop, calculates an estimatation of the reference cycle and deduce an estimation of the concentration of the species to qualify while minimizing the delay at the detection. The work is to present a statistical model to determine continuous time fror the moment we observe this reference cycle on the fluorescence.

Dans un contexte social en mouvance et en constant changement, tous les leviers doivent être considérés afm de maintenir la satisfaction et la rétention des employés. Une des actions prises par les équipes de direction des organisations afin de pallier ces perturbations est l'instauration de pratiques de reconnaissance au travail. Depuis plusieurs décennies, les pratiques de reconnaissance monétaire sont adéquatement implantées, mais elles ne répondent plus suffisamment aux besoins et aux attentes individuelles de chaque employé. Afin de diversifier leurs pratiques, les gestionnaires se tournent de plus en plus vers la mise en place de pratiques de reconnaissance informelle au travail. En consultant les recherches sur le sujet, un constat important ressort : aucune mesure valide et fidèle, évaluant plus spécifiquement la reconnaissance informelle, n'a été élaborée jusqu'à présent. Ceci a pour conséquence de réduire les avenues de recherche ainsi que l'évaluation de l'état actuel de la reconnaissance informelle dans les organisations. Dans cette perspective, les objectifs suivants seront poursuivis au cours de cette étude : 1) élaborer un instrument de mesure sur la reconnaissance informelle au travail basé sur un modèle comprenant quatre dimensions et évaluant la fréquence des comportements ainsi que l'importance accordée à ces comportements et 2) procéder à une première étude de validation à l'aide de variables critériées : l'épuisement professionnel et le déséquilibre entre l'effort et la récompense. Les données utilisées pour cette étude proviennent d'un centre de contacts avec la clientèle d'une organisation québécoise en finances, totalisant 185 participants. Les résultats des analyses factorielles exploratoires et confirmatoires démontrent la multidimensionnalité de la reconnaissance informelle. Contrairement à l'hypothèse émise, seulement trois dimensions sont répertoriées dans la reconnaissance informelle, soit l'habilitation, le soutien et la valorisation. Lors des analyses corrélationnelles, des liens significatifs ont pu être observés entre la dimension du soutien de la reconnaissance informelle et les dimensions de l'estime et des aspects fmanciers et les perspectives de promotion de Siegrist (1996; 2002), puis entre la dimension de l'habilitation et de l'estime. Des liens ont également été observés entre la reconnaissance informelle et l'épuisement professionnel. Ainsi, la fréquence, les trois dimensions de l'importance accordée à la reconnaissance informelle et la réduction du sentiment d'efficacité professionnelle sont fortement liées entre elles, ainsi que pour la fréquence, la dimension du soutien et le cynisme. Enfin, lors des analyses de régression, la fréquence et la dimension du soutien semblent jouer un rôle important dans la prédiction du cynisme et de la réduction du sentiment d'efficacité professionnelle tandis que les aspects financiers et les perspectives de promotion prédisent la dimension du soutien dans l'importance accordée à la reconnaissance informelle. L'ensemble de ces résultats apportent un premier éclairage sur la contribution avérée et potentielle de l'instrument proposé. De nouvelles perspectives pour le domaine de la reconnaissance concluent cette thèse.

Dans un contexte applicatif de surveillance de zone maritime, nous voulons fournir à un opérateur humain des informations sémantiquement riches et dynamiques relatives aux comportements des entités sous surveillance. Réussir à relier les mesures brutes en provenance d’un système de capteurs aux descriptions abstraites de ces comportements est un problème difficile. Ce dernier est d’ailleurs en général traité en deux temps: tout d’abord, réaliser un prétraitement sur les données hétérogènes, multidimensionnelles et imprécises pour les transformer en un flux d’évènements symbolique, puis utiliser des techniques de reconnaissance de plans sur ces mêmes évènements. Ceci permet de décrire des étapes de plans symboliques de haut niveau sans avoir à se soucier des spécificités des capteurs bas niveau. Cependant, cette première étape est destructrice d’information et de ce fait génère une ambigüité supplémentaire dans le processus de reconnaissance. De plus, séparer les tâches de reconnaissance de comportements est générateur de calculs redondants et rend l’écriture de la bibliothèque de plans plus ardue. Ainsi, nous proposons d’aborder cette problématique sans séparer en deux le processus de reconnaissance. Pour y parvenir, nous proposons un nouveau modèle hiérarchique, inspiré de la théorie des langages formels, nous permettant de construire un pont au-dessus du fossé sémantique séparant les mesures des capteurs des intentions des entités. Grâce à l’aide d’un ensemble d’algorithmes manipulant ce modèle, nous sommes capables, à partir d’observations, de déduire les plausibles futures évolutions de la zone sous surveillance, tout en les justifiant des explications nécessaires. / In a maritime area supervision context, we seek providing a human operator with dynamic information on the behaviors of the monitored entities. Linking raw measurements, coming from sensors, with the abstract descriptions of those behaviors is a tough challenge. This problem is usually addressed with a two-stepped treatment: filtering the multidimensional, heterogeneous and imprecise measurements into symbolic events and then using efficient plan recognition techniques on those events. This allows, among other things, the possibility of describing high level symbolic plan steps without being overwhelmed by low level sensor specificities. However, the first step is information destructive and generates additional ambiguity in the recognition process. Furthermore, splitting the behavior recognition task leads to unnecessary computations and makes the building of the plan library tougher. Thus, we propose to tackle this problem without dividing the solution into two processes. We present a hierarchical model, inspired by the formal language theory, allowing us to describe behaviors in a continuous way, and build a bridge over the semantic gap between measurements and intents. Thanks to a set of algorithms using this model, we are able, from observations, to deduce the possible future developments of the monitored area while providing the appropriate explanations.

There has been recent interest by the military to have platforms capable of operating close to a point of interest without being detected while providing critical surveillance. By providing information that is not readily available, these platforms could provide a useful tool for small unit commanders in potentially life-threatening situations. Highly maneuverable, slow-flying micro air vehicles could fly under canopies, through alleys, or indoors to provide such intelligence. This study consists of a survey of current micro-sized technologies and commercially available components. The findings are presented and used in the design process of a larger payload-carrying variant of the NPS flapping wing micro air vehicle. The intent is to develop a readily deployable, backpackable, slow-flying micro air vehicle that can be used by smaller-size ground units in theatre for urban reconnaissance.

Lam Kwan Heung. / Thesis (M.Phil.)--Chinese University of Hong Kong, 2006. / Includes bibliographical references (leaves 135-137). / Abstracts in English and Chinese; appendices in English with some Chinese. / Abstract --- p.ii-iv / Acknowledgement --- p.v / Table of Contents --- p.vi / Chapter Chapter 1 --- Introduction --- p.1-6 / Chapter Chapter 2 --- Literature Review --- p.7-22 / Chapter Chapter 3 --- Research Methods --- p.23-35 / Chapter Chapter 4 --- An Overview on Hainan --- p.36-46 / Chapter Chapter 5 --- Framing of Hainan --- p.47-92 / Chapter ´Ø --- International law and order / Chapter ´Ø --- U.S. peacekeeping surveillance / Chapter ´Ø --- Victimized U.S / Chapter Chapter 6 --- Framing of China --- p.93-125 / Chapter ´Ø --- China's skewed media / Chapter ´Ø --- China as a problematic communist state / Chapter ´Ø --- China as a secretive military power / Chapter ´Ø --- China's aggression towards Taiwan / Chapter ´Ø --- China's buying off U.S. politicians / Chapter Chapter 7 --- Conclusion --- p.126-134 / Bibliography --- p.135-137 / Appendices --- p.138-182

Network operators need detailed understanding of their networks in order to ensure functionality and to mitigate security risks. Unfortunately, legacy networks are poorly suited to providing this understanding. While the software-defined networking paradigm has the potential to, existing switch-based implementations are unable to scale sufficiently to provide information in a fine-grained. Furthermore, as switches are inherently blind to the inner workings of hosts, significantly hindering an operator's ability to understand the true context behind network traffic. In this work, we explore a host-based software-defined networking implementation. We evaluation our implementation, showing that it is able to scale beyond the capabilities of a switch-based implementation. Furthermore, we discuss various detailed network policies that network operators can write and enforce which are impossible in a switch-based implementation. We also implement and discuss an anti-reconnaissance system that can be deployed without any additional components.

L'émergence de capteurs de profondeur capturant la structure 3D de la scène et du corps humain offre de nouvelles possibilités pour l'étude du mouvement et la compréhension des comportements humains. Cependant, la conception et le développement de modules de reconnaissance de comportements à la fois précis et efficaces est une tâche difficile en raison de la variabilité de la posture humaine, la complexité du mouvement et les interactions avec l'environnement. Dans cette thèse, nous nous concentrons d'abord sur le problème de la reconnaissance d'actions en représentant la trajectoire du corps humain au cours du temps, capturant ainsi simultanément la forme du corps et la dynamique du mouvement. Le problème de la reconnaissance d'actions est alors formulé comme le calcul de similitude entre la forme des trajectoires dans un cadre Riemannien. Les expériences menées sur quatre bases de données démontrent le potentiel de la solution en termes de précision/temps de latence de la reconnaissance d'actions. Deuxièmement, nous étendons l'étude aux comportements plus complexes en analysant l'évolution de la forme de la posture pour décomposer la séquence en unités de mouvement. Chaque unité de mouvement est alors caractérisée par la trajectoire de mouvement et l'apparence autour des mains, de manière à décrire le mouvement humain et l'interaction avec les objets. Enfin, la séquence de segments temporels est modélisée par un classifieur Bayésien naïf dynamique. Les expériences menées sur quatre bases de données évaluent le potentiel de l'approche dans différents contextes de reconnaissance et détection en ligne de comportements. / The emergence of RGB-D sensors providing the 3D structure of both the scene and the human body offers new opportunities for studying human motion and understanding human behaviors. However, the design and development of models for behavior recognition that are both accurate and efficient is a challenging task due to the variability of the human pose, the complexity of human motion and possible interactions with the environment. In this thesis, we first focus on the action recognition problem by representing human action as the trajectory of 3D coordinates of human body joints over the time, thus capturing simultaneously the body shape and the dynamics of the motion. The action recognition problem is then formulated as the problem of computing the similarity between shape of trajectories in a Riemannian framework. Experiments carried out on four representative benchmarks demonstrate the potential of the proposed solution in terms of accuracy/latency for a low-latency action recognition. Second, we extend the study to more complex behaviors by analyzing the evolution of the human pose shape to decompose the motion stream into short motion units. Each motion unit is then characterized by the motion trajectory and depth appearance around hand joints, so as to describe the human motion and interaction with objects. Finally, the sequence of temporal segments is modeled through a Dynamic Naive Bayesian Classifier. Experiments on four representative datasets evaluate the potential of the proposed approach in different contexts, including recognition and online detection of behaviors.

No description available.

L’étude menée dans le cadre de cette thèse vise l’étude du rôle de la dynamique de formes faciales 3D à révéler l’identité des personnes et leurs états émotionnels. Pour se faire, nous avons proposé un cadre géométrique pour l’étude des formes faciales 3D et leurs dynamiques dans le temps. Une séquence 3D est d’abord divisée en courtes sous-séquences, puis chacune des sous-séquences obtenues est représentée dans une variété de Grassmann (ensemble des sous-espaces linéaires de dimension fixe). Nous avons exploité la géométrie de ces variétés pour comparer des sous-séquences 3D, calculer des statistiques (telles que des moyennes) et quantifier la divergence entre des éléments d’une même variété Grassmannienne. Nous avons aussi proposé deux représentations possibles pour les deux applications cibles – (1) la première est basée sur les dictionnaires (de sous-espaces) associée à des techniques de Dictionary Learning Sparse Coding pour la reconnaissance d’identité et (2) le représentation par des trajectoires paramétrées par le temps sur les Grassmanniennes couplée avec une variante de l’algorithme de classification SVM, permettant un apprentissage avec des données partielles, pour la détection précoce des émotions spontanée. Les expérimentations réalisées sur les bases publiques BU-4DFE, Cam3D et BP4D-Spontaneous montrent à la fois l’intérêt du cadre géométrique proposé (en terme de temps de calcul et de robustesse au bruit et aux données manquantes) et les représentations adoptées (dictionnaires pour la reconnaissance d’identité et trajectoires pour la détection précoce des émotions spontanées). / In this thesis, we have investigated the problems of identity recognition and emotion detection from facial 3D shapes animations (called 4D faces). In particular, we have studied the role of facial (shapes) dynamics in revealing the human identity and their exhibited spontaneous emotion. To this end, we have adopted a comprehensive geometric framework for the purpose of analyzing 3D faces and their dynamics across time. That is, a sequence of 3D faces is first split to an indexed collection of short-term sub-sequences that are represented as matrix (subspace) which define a special matrix manifold called, Grassmann manifold (set of k-dimensional linear subspaces). The geometry of the underlying space is used to effectively compare the 3D sub-sequences, compute statistical summaries (e.g. sample mean, etc.) and quantify densely the divergence between subspaces. Two different representations have been proposed to address the problems of face recognition and emotion detection. They are respectively (1) a dictionary (of subspaces) representation associated to Dictionary Learning and Sparse Coding techniques and (2) a time-parameterized curve (trajectory) representation on the underlying space associated with the Structured-Output SVM classifier for early emotion detection. Experimental evaluations conducted on publicly available BU-4DFE, BU4D-Spontaneous and Cam3D Kinect datasets illustrate the effectiveness of these representations and the algorithmic solutions for identity recognition and emotion detection proposed in this thesis.