La mesure cardiaque sans contact réalisée grâce aux méthodes de photopléthysmographie sans contact est un domaine de recherche très actif. Depuis l'introduction en 2010 d'une nouvelle méthode de mesure avec des capteurs optiques d'entrée de gamme (webcam PC), les travaux de recherche se sont multipliés. Ainsi, on observe une plus grande diversité des méthodes proposées afin de réaliser la mesure. Egalement, la précision de la mesure a grandement progressé et les scénarios et possibilités d'usage de la technologie sont aujourd'hui très nombreux. Au cœur de ce processus de mesure, la segmentation dans l'image de la ou les zones d'intérêt est une étape clé. Nous proposons dans cette thèse une méthode innovante afin de réaliser la mesure photoplethysmographique sans contact en identifiant implicitement les zones de peau vivante dans la vidéo. Nous avons montré que notre approche permet d'améliorer la qualité de la mesure en favorisant les zones dans l'image où le signal est de plus grande qualité. Afin de rendre possible l'intégration de notre solution, nous avons proposé une nouvelle méthode de segmentation en superpixels, nommée IBIS, qui permet de réduire la complexité algorithmique de cette étape du traitement. Ce faisant, nous avons démontré la faisabilité de l'intégration de notre solution au sein d'une plateforme embarquée. Les différentes méthodes ont été évaluées au travers de plusieurs expérimentations afin de valider leurs performances. Notre méthode de segmentation en superpixels est comparée aux méthodes de l'état de l'art tandis que nous avons implémenté plusieurs des méthodes de mesure du signal photoplethysmographique afin de discuter de l'impact de notre approche sur la qualité de la mesure photoplethysmographique. Que ce soit pour la segmentation en superpixels ou pour l'estimation du rythme cardiaque sans contact, nous avons montré une importante plus-value de nos méthodes comparées à celles disponibles dans la littérature. Les différents travaux présentés dans ce document ont été valorisés au travers de publications en conférences et revue. / Heart-rate estimation performed with remote photoplethysmography is a very active research field. Since pioneer works in 2010, which demonstrated the feasibility of the measure with low-grade consumers’ camera (webcam), the number of scientific publications have increased significantly in the domain. Hence, we observe a multiplication of the methods in order to retrieve the photoplethysmographic signal which has led to an increased precision and quality of the heart-rate estimation. Region of interest segmentation is a key step of the processing pipeline in order to maximize the quality of the measured signal. We propose a new method to perform remote photoplethysmographic measurement using an implicit living skin identification method. Hence, we have shown that our approach lead to an improvement in both quality of the signal measured and precision of the heart-rate estimation by favoring more contributive area. As we are working with hardware integration constraint, we propose a new superpixels segmentation method which requires significantly less computation power than state of the art methods by reducing the algorithmic complexity of this step. Moreover, we have demonstrated the integration and real time capabilities by implementing our solution to an embedded device. All of our proposed method have been evaluated through different experimentations. Our new segmentation method, called IBIS, have been compared to state of the art methods to quantify the quality of the produced segmentation. To quantify the impact of our approach on the quality of the photoplethysmographic measure, we have implemented and compared state of the art methods with our proposed method. For both the superpixels segmentation and remote heart-rate estimation, our methods have shown great results and advantages compared to state of the art ones. Our works have been reviewed by the scientific community through several conference presentations and journal publications.

Une séance de téléréadaptation consiste à mettre en interaction une personne sous traitement dans son lieu de résidence avec un professionnel dans une clinique, via Internet, dans le but de mener à distance une consultation ou un traitement. Un exemple typique de séances de téléréadaptation implique la tenue d'exercices sur vélo stationnaire, accompagnés entre autres de la mesure de signes vitaux. Actuellement, le système utilisé par l'équipe de recherche en téléréadaptation de l'Université de Sherbrooke mesure seulement le rythme cardiaque ainsi que la saturation d'oxygène du patient. Pour que les cliniciens puissent avoir plus d'informations sur l'activité de la personne et donc pouvoir mieux adapter leurs consignes lors des séances, il faut que des informations supplémentaires soient ajoutées, telles que le rythme respiratoire, l'échelle de Borg, la vitesse et le niveau de résistance sélectionné lors de séances sur un vélo stationnaire. Ce projet de maîtrise porte sur une de ces mesures, soit celle du rythme respiratoire sans contact. La détection sans contact est moins gênante pour le patient, non biaisée et ne demande pas le port d'un capteur supplémentaire. L'objectif principal du projet est de développer une technique de mesure du rythme respiratoire sans contact utilisant une caméra thermique pan-tilt montée sur un trépied et placée devant le vélo stationnaire. Le système doit être capable de suivre la région bouche-nez d'une personne en temps réel lorsqu'elle est en mouvement grâce à un algorithme de suivi traitant une séquence d'images. La première étape a consisté à passer en revue les techniques envisageables pour mesurer le rythme respiratoire. Ensuite, il a été nécessaire de sélectionner une technique de mesure sans contact, de l'implémenter, de la rendre robuste aux mouvements, et de la tester en conditions réelles. Enfin, les performances du système développé ont été évaluées en comparant ce dernier avec une mesure provenant d'une ceinture respiratoire. Les résultats démontrent que le système fonctionne en temps réel lorsque le patient déplace ou effectue des rotations de sa tête sur le vélo stationnaire. Des recommandations sont faites pour minimiser les limitations du système, par exemple en cas de présence de personnes dans l'arrière-plan ou lorsque le patient parle. Le système réalisé est maintenant prêt pour être déployé lors de sessions de téléréadaptation à domicile afin de vérifier l'acceptabilité et la facilité d'utilisation du système.

Les dépenses de santé augmentent continuellement année après année et prennent une grande partie du budget d’un pays. Pendant les soins médicaux, les signes vitaux, tels que le rythme cardiaque et la respiration, sont des paramètres clés qui sont surveillés en permanence. La toux est un indicateur important de plusieurs problèmes comme la maladie pulmonaire obstructive chronique (MPOC), et c’est aussi la principale raison pour laquelle les patients consultent un médecin. En fait, c’est un mécanisme de défense pulmonaire des voies respiratoires qui permet l’expulsion de substances indésirables et irritantes. Les capteurs de corps sans fil sont de plus en plus utilisés par les cliniciens et les chercheurs, dans un large éventail d’applications telles que le sport, l’ingénierie spatiale et la médecine. La surveillance des signes vitaux en temps réel peut considérablement augmenter la précision du diagnostic et peut permettre des méthodes de guérison automatiques, par exemple, la détection et l’arrêt des crises d’épilepsie ou de narcolepsie. Les paramètres respiratoires sont essentiels en oxygénothérapie, en milieu hospitalier et en surveillance ambulatoire, tandis que l’évaluation de la sévérité de la toux est essentielle pour traiter plusieurs maladies, comme la bronchopneumopathie chronique obstructive (BPCO). Dans cette thèse, un système de surveillance respiratoire sans fil de faible puissance avec détection de la toux est présenté. Ce système utilise des capteurs multimodaux, portables et sans-fils, conçus à l’aide de composants conventionnels disponibles dans le commerce. Ces capteurs portables utilisent une unité de mesure inertielle à 9 axes de faible puissance pour mesurer la fréquence respiratoire, et un microphone MEMS pour effectuer la détection de la toux. L’architecture de chaque capteur sans fil est présentée. De plus, les résultats montrent que le capteur à petite taille de 26,67 x 65,53 mm² consomme environ 12 à 16,2 mA et peut durer au moins 6 heures avec une batterie lithium-ion miniature de 100 mA. L’unité d’acquisition, l’unité de communication sans fil et les algorithmes de traitement de données sont décrits. Les performances du réseau de capteurs sont présentées pour des tests expérimentaux en comparant avec la pléthysmographie d’inductance respiratoire. / Health care expenses are continuously increasing year after year and taking a large part of a country’s budget. During medical care, vital signs, such as heart and breathing rates, are key parameters that are continuously monitored. Coughing is a prominent indicator of several problems such as COPD, and it is also the main reason for why patients seek medical advice. In fact, it is a pulmonary defense mechanism of the respiratory tract that allows the expulsion of undesirable and irritating substances. Wireless body sensors are increasingly used by clinicians and researchers, in a wide range of applications such as sports, space engineering and medicine. Monitoring vital signs in real time can dramatically increase diagnosis accuracy and enable automatic curing procedures, e.g. detect and stop epilepsy or narcolepsy seizures. Breathing parameters are critical in oxygen therapy, hospital and ambulatory monitoring, while the assessment of cough severity is essential when dealing with several diseases, such as chronic obstructive pulmonary disease (COPD). In this thesis, a low-power wireless respiratory monitoring system with cough detection is proposed to measure the breathing rate and the frequency of coughing. This system uses wearable wireless multimodal patch sensors, designed using off the shelf components. These wearable sensors use a low-power 9-axis inertial measurement unit to measure the respiratory frequency, and a MEMs microphone to perform cough detection. The architecture of each wireless patch-sensor is presented. In fact, the results show that the small 26.67 x 65.53 mm² patch-sensor consumes around 12 to 16.2 mA, and can last at least 6 hours with a miniature 100 mA lithium ion battery. The acquisition unit, the wireless communication unit and the data processing algorithms are described. The proposed network performance is presented for experimental tests with a freely behaving user in parallel with the gold standard respiratory inductance plethysmography

La vigilance telle que définie par van Schie (2021) est la capacité d'être conscient des changements pertinents et imprévus dans son environnement. L'hypovigilance, un état de vigilance réduite, affecte la perception, l'attention, la prise de décision et le jugement, et constitue une manifestation d'un délirium. Cette dernière condition est associée, dans les milieux de soins, à une incidence élevée de complications médicales. Il est donc intéressant d'explorer la détection d'une baisse de vigilance afin de prédire le délirium pour qu'un système d'aide à la décision puisse un jour identifier des épisodes de délirium ou prédire leur survenue à l'avance. Cependant, cela doit être effectué de façon non intrusive, efficace, et en continu, particulièrement dans des milieux opérationnels comme les unités de soins intensifs. Or, les avancées en intelligence artificielle permettent de développer des modèles de détection de l'hypovigilance basés sur les fluctuations psychophysiologiques des signes vitaux tels que la fréquence cardiaque et la respiration, comme mesures indirectes des changements d'état de vigilance. L'objectif de cette étude était de dériver un algorithme d'intelligence artificielle capable de détecter les épisodes d'hypovigilance à partir de tels signes vitaux de patients admis aux soins intensifs. En utilisant la base de données ÉVEILS (Évaluation du délirium à l'aide de paramètres physiologiques et de la surveillance de l'hypovigilance) six modèles ont été développés. Le plus performant fut le LightGBM, avec une précision moyenne de 0.76, un rappel moyen de 0.74 et un score F1 moyen de 0.69. Ces résultats mettent en évidence la possibilité de développer un modèle automatisé pour détecter l'hypovigilance à partir des signes vitaux colligés en continue au chevet des patients. Des études supplémentaires seront nécessaires pour valider ce modèle auprès d'autres cohortes de patients, et pour une généralisation à des populations en santé et à d'autres types de contextes où la vigilance est aussi importante (par exemple des pilotes d'avion). / Vigilance is defined by van Schie (2021) as the ability to be aware of relevant and unexpected changes in an individual's environment. Hypovigilance, a state of reduced vigilance, affects perception, attention, decision-making, and judgment, and is a clinical manifestation of delirium and one of the diagnostic criteria used to diagnose delirium. The latter condition is associated, in hospital care environments, with a high incidence of medical complications. It is therefore desirable to use hypovigilance detection to identify and eventually possibly predict the onset of episodes of delirium. However, this must be done non-intrusively, efficiently, and continuously, particularly in operational settings such as intensive care units. Advances in artificial intelligence (AI) are now making it possible to develop hypovigilance detection models based on psychophysiological fluctuations in vital signs such as heart rate and respiration, as indirect measures of changes in vigilance state. The aim of this study was to derive an AI algorithm capable of detecting hypovigilance episodes from such vital signs of patients admitted to intensive care unit. Using the ÉVEILS (Evaluation of delirium using physiological parameters and hypovigilance monitoring) database, six models were developed. The best performing model was LightGBM, with an average precision of 0.76, an average recall of 0.74, and an average F1 score of 0.69. These results highlight the possibility of developing an automated model to detect hypovigilance based on vital signs collected continuously at the bedside. Further studies need to be conducted to validate this model with other patient cohorts, and for generalization to healthy populations and other types of context where vigilance is also important (e.g. aircraft pilots).

The focus of this study explores the adaptations of the Lag-Llama univariate time series forecasting approach [8] to handle multivariate time series, named LSTM2Lag-Llama. This extension is motivated by the increasing necessity to deal with datasets containing many variables of interest, particularly in the healthcare sector. A novel approach is introduced that harnesses the capabilities of the Long Short-Term Memory (LSTM) model. The baseline LSTM model takes multivariate input data and has been used widely to capture long-range dependencies within time series data. These features make it an ideal candidate for our task of expanding the Lag-Llama model to handle multivariate time series. The research process involves a detailed and systematic LSTM2Lag-Llama model to accommodate multiple input and output variables. This adaptation process is not a straightforward task. It requires careful consideration of the model architecture, loss function, and training methodologies. The performance of the LSTM2Lag-Llama model is then evaluated using a real-world dataset on early sepsis predictions. This dataset presents a challenging yet practical scenario for time series forecasting, making it an ideal testbed for our LSTM2Lag-Llama model. The results of this research demonstrate the feasibility and effectiveness of the proposed approach, representing a significant step towards exploring multivariate adaptations of the Lag-Llama model. The LSTM2Lag-Llama model not only handles multivariate data but also leverages the LSTM model’s ability to capture multivariate relationships in its hidden states. While the study does not directly implement the model in a practical healthcare setting, it underscores the potential of such advancements in time series forecasting techniques. This research represents a significant contribution to the field of time series forecasting in healthcare. It opens up new avenues for future research and has the potential to significantly impact the way healthcare professionals use time series data for prediction and decision-making. / L'objectif de cette étude est d'explorer les adaptations de l'approche de prévision univariée des séries temporelles Lag-Llama [8] pour traiter les séries temporelles multivariées, nommée LSTM2Lag-Llama. Cette extension est motivée par la nécessité croissante de traiter des ensembles de données contenant de nombreuses variables d'intérêt, notamment dans le secteur de la santé. Une nouvelle approche est introduite qui exploite les capacités du modèle Long Short-Term Memory (LSTM). Le modèle LSTM de base prend des données d'entrée multivariées et a été largement utilisé pour capturer les dépendances à long terme dans les données de séries temporelles. Ces caractéristiques en font un candidat idéal pour notre tâche d'extension du modèle Lag-Llama pour gérer les séries temporelles multivariées. Le processus de recherche implique un modèle LSTM2Lag-Llama détaillé et systématique pour accueillir plusieurs variables d'entrée et de sortie. Ce processus d'adaptation n'est pas une tâche simple. Il nécessite une considération minutieuse de l'architecture du modèle, de la fonction de perte et des méthodologies d'apprentissage. Les performances du modèle LSTM2Lag-Llama sont ensuite évaluées à l'aide d'un ensemble de données du monde réel sur les prédictions précoces de septicémie. Cet ensemble de données présente un scénario difficile mais pratique pour la prévision de séries temporelles, ce qui en fait un banc d'essai idéal pour notre modèle LSTM2Lag-Llama. Les résultats de cette recherche démontrent la faisabilité et l'efficacité de l'approche proposée, ce qui représente une étape importante vers l'exploration des adaptations multivariées du modèle Lag-Llama. Le modèle LSTM2Lag-Llama gère non seulement les données multivariées, mais tire également parti de la capacité du modèle LSTM à capturer les relations multivariées dans ses états cachés. Bien que l'étude n'implémente pas directement le modèle dans un contexte pratique de soins de santé, elle souligne le potentiel de telles avancées dans les techniques de prévision des séries temporelles. Cette recherche représente une contribution significative au domaine de la prévision des séries temporelles dans le domaine de la santé. Elle ouvre de nouvelles voies pour la recherche future et a le potentiel d'impact significatif sur la manière dont les professionnels de la santé utilisent les données de séries temporelles pour la prédiction et la prise de décision.

Les approches actuelles pour diagnostiquer les troubles du sommeil sont lourdes, intrusives et peuvent influer sur la qualité du sommeil du patient. Il y a donc un besoin crucial de systèmes moins encombrants pour diagnostiquer les problèmes liés au sommeil. Nous proposons d'utiliser un nouveau système de suivi du sommeil non intrusif basé sur un tapis à fibre optique à microflexion placée sous le matelas de lit. La qualité du sommeil est évaluée en fonction de différents paramètres, y compris la fréquence cardiaque, le rythme respiratoire, les mouvements du corps, l’heure du réveil, la durée du sommeil, le mouvement nocturne et l’heure du coucher. Le système proposé a été validé dans un environnement de santé et de bien-être, en plus d'un environnement clinique comme suit. Dans le premier cas, la fréquence cardiaque est mesurée à partir de signaux ballistocardiogramme bruités acquis de 50 volontaires en position assise à l'aide d'une chaise de massage. Les signaux sont recueillis discrètement à partir d'un capteur de fibre optique microflexible intégrée dans l'appui-tête de la chaise, puis transmis à un ordinateur par une connexion Bluetooth. La fréquence cardiaque est calculée à l'aide de l'analyse multi-résolution de la transformée discrète en ondelettes à chevauchement maximal. L'erreur entre la méthode proposée et électrocardiogramme de référence est estimée en battements par minute en utilisant l'erreur absolue moyenne où le système a obtenu des résultats relativement bons (10.12±4.69) malgré la quantité remarquable d'artefact de mouvement produit en raison des fréquents mouvements corporels et/ou vibrations de la chaise de massage pendant le massage de soulagement du stress. Contrairement à l'algorithme complet de décomposition du mode empirique de l'ensemble, précédemment utilisé pour l'estimation de la fréquence cardiaque, le système proposé est beaucoup plus rapide. Par conséquent, il peut être utilisé dans les applications temps réel. Dans ce dernier cas, nous avons évalué la capacité du capteur de fibre optique microflexible pour suivre la fréquence cardiaque et la respiration d’une manière discrète. En outre, nous avons testé la capacité du capteur dans la discrimination entre la respiration superficielle et pas de respiration. Le capteur proposé a été comparé à un dispositif de surveillance portatif à trois canaux (ApneaLink) dans un milieu clinique au cours d'une endoscopie sous anesthésie. Parmi les dix patients recrutés pour notre étude, le système a obtenu des résultats satisfaisants quant à la fréquence cardiaque moyenne et quant à la fréquence respiratoire moyenne avec une erreur de 0.55 ± 0.59 battements/minute et de 0.38 ± 0.32 respirations/minute, respectivement. De plus, le coefficient de corrélation Pearson entre le capteur proposé et le dispositif de référence était de 0.96 et 0.78 pour la fréquence cardiaque et la respiration, respectivement. Au contraire, le capteur proposé a fourni une très faible sensibilité (24.24 ± 12.81%) et une spécificité relativement élevée (85.88 ± 6.01%) pour la détection de l'apnée du sommeil. On s'attend à ce que cette recherche préliminaire ouvre la voie vers la détection discrète de l'apnée obstructive du sommeil en temps réel. Suite à la validation réussie du système proposé, nous avons déployé avec succès notre système de surveillance du sommeil pendant plus de 6 mois dans treize appartements habités principalement par les personnes âgées. Néanmoins, dans cette recherche, nous nous concentrons sur un déploiement d'un mois avec trois résidents seniors de sexe féminin. Le système proposé montre l’accord avec l’enquête utilisateur recueillie avant l'étude. En outre, le système est intégré dans une plate-forme d’autonomie assistée existante avec une interface conviviale pour rendre plus commode pour les aidants le suivi des paramètres de sommeil des résidents. / The current approaches for diagnosing sleep disorders are burdensome, intrusive, and can affect the patient’s sleep quality. As a result, there is a crucial need for less cumbersome systems to diagnose sleep-related problems. We propose to use a novel nonintrusive sleep monitoring system based on a microbend fiber-optic mat placed under the bed mattress. The sleep quality is assessed based on different parameters, including heart rate, breathing rate, body movements, wake up time, sleep time, night movement, and bedtime. The proposed system has been validated in a health and wellness environment in addition to a clinical environment as follows. In the former case, the heart rate is measured from noisy ballistocardiogram signals acquired from 50 human volunteers in a sitting position using a massage chair. The signals are unobtrusively collected from a microbend fiber optic sensor embedded within the headrest of the chair and then transmitted to a computer through a Bluetooth connection. The heart rate is computed using the multiresolution analysis of the maximal overlap discrete wavelet transform. The error between the proposed method and the reference ECG is estimated in beats per minute using the mean absolute error where the system achieved relatively good results (10.12 ± 4.69) despite the remarkable amount of motion artifact produced owing to the frequent body movements and/or vibrations of the massage chair during stress relief massage. Unlike the complete ensemble empirical mode decomposition algorithm, previously employed for heart rate estimation, the suggested system is much faster. Hence, it can be used in real-time applications. In the latter case, we evaluated the capacity of the microbend fiber optic sensor to monitor heart rate and respiration unobtrusively. In addition, we tested the capacity of the sensor in discriminating between shallow breathing and no breathing. The proposed sensor was compared to a three-channel portable monitoring device (ApneaLink) in a clinical setting during a drug-induced sleep endoscopy. Across all ten patients recruited for our study, the system achieved satisfactory results in the mean heart rate and the mean respiratory rate with an error of 0.55±0.59 beats/minute and 0.38 ± 0.32 breaths/minute, respectively. Besides, the Pearson correlation coefficient between the proposed sensor and the reference device was 0.96 and 0.78 for heart rate and respiration, respectively. On the contrary, the proposed sensor provided a very low sensitivity (24.24 ± 12.81%) and a relatively high specificity (85.88 ± 6.01%) for sleep apnea detection. It is expected that this preliminary research will pave the way toward unobtrusive detection of obstructive sleep apnea in real-time. Following successful validation of the proposed system, we have successfully deployed our sleep monitoring system in thirteen apartments with mainly senior residents over six months. Nevertheless, in this research, we concentrate on a one-month deployment with three senior female residents. The proposed system shows an agreement with a user’s survey collected before the study. Furthermore, the system is integrated within an existing ambient assisted living platform with a user-friendly interface to make it more convenient for the caregivers to follow-up the sleep parameters of the residents.

La « vision » à travers les milieux opaques (murs, cloisons, décombres, ou plus généralement tout milieu qui occulte la vision humaine) est l’un des problèmes clefs du contrôle et de la sécurité. Il apparaît à l’heure actuelle un réel besoin de disposer de dispositifs d’observation à travers ces milieux pour des applications tant militaires (lors des assauts, des prises d’otages, etc.) que civiles (recherche de personnes enfouies dans des décombres, dans un incendie, etc). Les avancées sur cette problématique ont conduit à mettre en place des systèmes radars à très courte portée, opérationnels pour la détection et le tracking de personnes dans des environnements simples. Cependant ils nécessitent que les cibles soient en déplacement afin de les différencier des objets statiques. Cette limitation constitue un défaut majeur pour un certain nombre de scénarii réels où des personnes, par stratégie ou par contrainte, restent immobiles. Ces travaux de thèse visent à explorer les mécanismes de détection de personnes statiques par le biais de leurs micro-mouvements, e.g. des mouvements induits par le thorax lors de la respiration. Nous avons étudié - d’un point de vue théorique - les principes physiques sous-jacents à la détection de ces micro-mouvements par radar UWB impulsionnel à partir du mécanisme Doppler impulsionnel. Ce dernier s’appuie sur des mesures consécutives des phases des impulsions réfléchies. La compréhension de ce phénomène a permis de définir une architecture radar impulsionnelle et de la positionner, en termes de contributions, au regard des différents radars UWB proposés dans la littérature : le FMCW et le radar de bruit. Deux dispositifs radars ont servi de support à ce travail. Le premier, de type démonstrateur académique, repose sur l’utilisation d’un oscilloscope rapide pour numériser les impulsions UWB de 3 à 6 GHz de bande. Il a permis de mettre en place une chaîne de traitement complète de vision à travers les murs. Le second dispositif est un prototype radar développé autour d’une plateforme de numérisation ultra-rapide (100 Gsps par échantillonnage équivalent) de fréquence de rafraîchissement très élevée (100 Hz). Il est construit autour d’un FPGA, d’un ADC rapide (1,25 GHz) et d’un T&H très large bande (18 GHz). Il permet ainsi la détection des micro-mouvements par traitement Doppler impulsionnel. / "Vision" through opaque environments (walls, partitions, rubble, or any environment that obscures human vision) is one of the key issues of control and security. Advances on this issue have led to operational shortrange radar systems for people detection and tracking in simple environments. However, most of them require the targets to move in order to differentiate them from static objects. This requirement constitues a major shortcoming for a certain number of real scenarios where people, by strategies or by constraints, remain motionless. Hence, this thesis aims to explore the mechanisms of detection of static people through their micro-movements, e.g. movements induced by the thorax during breathing. We have studied - from a theoretical point of view - the physical principles underlying the detection of these micro-movements by pulsed UWB radar with the pulsed Doppler phenomenon, which relies on consecutive measurements of the reflected pulses phases. The understanding of this phenomenon made it possible to define a radar architecture and to position it, in terms of contributions, with regard to the different UWB radars proposed in the literature : the FMCW and the noise radar. Two radar devices served as support for this work. An academic demonstrator based on the use of a fast oscilloscope to digitize the pulses. It allowed to set up a complete processing chain for the application of vision through the walls. The second device is a radar prototype developed around a high-speed scanning platform (100 Gsps perequivalent sampling) with a very high refresh rate (100 Hz). This prototype is built around an FPGA, a fast ADC (1.25 GHz) and a very wide band T&H (18 GHz). This thereby enables to detect micro-movements by pulsed Doppler processing.