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.

Cette thése a été réalisée dans le cadre d'une cotutelle avec l'Institut National Polytechnique de Grenoble (France). La recherche a été effectuée au sein des laboratoires de vision 3D (DIRO, UdM) et PERCEPTION-INRIA (Grenoble). / Cette thèse s’intéresse à trois problèmes fondamentaux de la vision par ordinateur qui sont le suivi vidéo, le calibrage et la reconstruction 3D. Les approches proposées sont strictement basées sur des contraintes photométriques et géométriques présentent dans des images 2D. Le suivi de mouvement se fait généralement dans un flux vidéo et consiste à suivre un objet d’intérêt identifié par l’usager. Nous reprenons une des méthodes les plus robustes à cet effet et l’améliorons de sorte à prendre en charge, en plus de ses translations, les rotations qu’effectue l’objet d’intérêt. Par la suite nous nous attelons au calibrage de caméras; un autre problème fondamental en vision. Il s’agit là, d’estimer des paramètres intrinsèques qui décrivent la projection d’entités 3D dans une image plane. Plus précisément, nous proposons des algorithmes de calibrage plan pour les cam ́eras linéaires (pushbroom) et les vidéo projecteurs lesquels ́etaient, jusque là, calibrés de façon laborieuse. Le troisième volet de cette thèse sera consacré à la reconstruction 3D par ombres projetée. À moins de connaissance à-priori sur le contenu de la scène, cette technique est intrinsèquement ambigüe. Nous proposons une méthode pour réduire cette ambiguïté en exploitant le fait que les spots de lumières sont souvent visibles dans la caméra. / The topic of this thesis revolves around three fundamental problems in computer vision; namely, video tracking, camera calibration and shape recovery. The proposed methods are solely based on photometric and geometric constraints found in the images. Video tracking, usually performed on a video sequence, consists in tracking a region of interest, selected manually by an operator. We extend a successful tracking method by adding the ability to estimate the orientation of the tracked object. Furthermore, we consider another fundamental problem in computer vision: cali- bration. Here we tackle the problem of calibrating linear cameras (a.k.a: pushbroom) and video projectors. For the former one we propose a convenient plane-based cali- bration algorithm and for the latter, a calibration algorithm that does not require a physical grid and a planar auto-calibration algorithm. Finally, we pointed our third research direction toward shape reconstruction using coplanar shadows. This technique is known to suffer from a bas-relief ambiguity if no extra information on the scene or light source is provided. We propose a simple method to reduce this ambiguity from four to a single parameter. We achieve this by taking into account the visibility of the light spots in the camera.

Cette thèse s’intéresse à trois problèmes fondamentaux de la vision par ordinateur qui sont le suivi vidéo, le calibrage et la reconstruction 3D. Les approches proposées sont strictement basées sur des contraintes photométriques et géométriques présentent dans des images 2D. Le suivi de mouvement se fait généralement dans un flux vidéo et consiste à suivre un objet d’intérêt identifié par l’usager. Nous reprenons une des méthodes les plus robustes à cet effet et l’améliorons de sorte à prendre en charge, en plus de ses translations, les rotations qu’effectue l’objet d’intérêt. Par la suite nous nous attelons au calibrage de caméras; un autre problème fondamental en vision. Il s’agit là, d’estimer des paramètres intrinsèques qui décrivent la projection d’entités 3D dans une image plane. Plus précisément, nous proposons des algorithmes de calibrage plan pour les cam ́eras linéaires (pushbroom) et les vidéo projecteurs lesquels ́etaient, jusque là, calibrés de façon laborieuse. Le troisième volet de cette thèse sera consacré à la reconstruction 3D par ombres projetée. À moins de connaissance à-priori sur le contenu de la scène, cette technique est intrinsèquement ambigüe. Nous proposons une méthode pour réduire cette ambiguïté en exploitant le fait que les spots de lumières sont souvent visibles dans la caméra. / The topic of this thesis revolves around three fundamental problems in computer vision; namely, video tracking, camera calibration and shape recovery. The proposed methods are solely based on photometric and geometric constraints found in the images. Video tracking, usually performed on a video sequence, consists in tracking a region of interest, selected manually by an operator. We extend a successful tracking method by adding the ability to estimate the orientation of the tracked object. Furthermore, we consider another fundamental problem in computer vision: cali- bration. Here we tackle the problem of calibrating linear cameras (a.k.a: pushbroom) and video projectors. For the former one we propose a convenient plane-based cali- bration algorithm and for the latter, a calibration algorithm that does not require a physical grid and a planar auto-calibration algorithm. Finally, we pointed our third research direction toward shape reconstruction using coplanar shadows. This technique is known to suffer from a bas-relief ambiguity if no extra information on the scene or light source is provided. We propose a simple method to reduce this ambiguity from four to a single parameter. We achieve this by taking into account the visibility of the light spots in the camera. / Cette thése a été réalisée dans le cadre d'une cotutelle avec l'Institut National Polytechnique de Grenoble (France). La recherche a été effectuée au sein des laboratoires de vision 3D (DIRO, UdM) et PERCEPTION-INRIA (Grenoble).