Les matériaux composites de haute performance à base de fibres de carbone sont de plus en plus utilisés dans des secteurs où la sécurité est critique (aéronautique, spatial, génie civil...). Ces matériaux offrent des performances mécaniques très élevées, par rapport à leur densité (légèreté, rigidité...). Ils offrent de nombreux avantages tels que la résistance mécanique, la réduction de masse et de consommation. Par conséquent, il est important de connaître Les caractéristiques du matériau lors de son processus d'élaboration (durcissement ou cuisson) ou lors de son utilisation. Dans le but d'optimiser l'utilisation ou de contrôler l'intégrité, les efforts sont employés à l'aide de plusieurs techniques pour surveiller le cycle de cuisson ou la santé des structures composites lors du conditionnement et en service. Au-delà des méthodes existantes de mesure unique de la résistance ou de la capacité du matériau, nous présentons ici une technique d'analyse d'impédance électrique afin d'extraire certaines propriétés spécifiques du matériau (résistance, capacité, Impédance et argument) dans le but de connaître son comportement. La micro structure du matériau étant faite de conducteur (fibre de carbone) et d'isolant (résine), un modèle de la conduction électrique a été établi en utilisant un réseau de résistance (RP) et de capacité (CP) parallèles d'impédance caractéristique Z. Puis le matériau est instrumenté à cœur à l'aide d'électrodes minces et flexibles (flex). Ensuite, une analyse de spectroscopie d'impédance est réalisée sur des échantillons en cycle de cuisson et en poste cuisson lors des tests mécaniques grâce un banc de mesure spécifiquement développé. Les résultats de l'analyse renseignent sur les propriétés intrinsèques du matériau et montrent une sensibilité de ces propriétés électriques (RP et CP ou Z et θ) en fonction de l'évolution du cycle et des tests mécaniques. Il est donc possible de faire le Structural Health Monitoring (SHM) ou mieux encore le Prognostics and health management (PHM). / The high-performance composite materials based on carbon fiber are increasingly used in critical security areas (aeronautics and civil engineering) for the high mechanical performances as regards to their low density. They offer many benefits such as mechanical strength, mass and consumption reduction. Thus, it is important to know their characteristics during curing process or their use. With the aim to optimize their use or to control their integrity, efforts are employed by using several techniques to monitor their curing cycle or the health of the structures during the conditioning stage and the service stage. Beyond the existing methods of unique measurement of the resistance or the capacitance of the material, we present herein a technique of electrical impedance analysis to extract some specific material properties (resistance, capacitance, Impedance and argument) in order to know its behavior. As the microstructure of the material contains a conductor part (carbon fiber) and an insulator part (resin), a three-dimensional (3D) model of the electrical conduction in the material was established by using a network of a resistance RP connected in parallel with a capacitance CP (impedance Z) to describe the anisotropy of the material. Then, the thin flexible electrodes (flex) are inserted inside the material and the specific impedance measurement bench is developed to perform a real-time measurement of RP and CP or Z and θ. Spectroscopic impedance analysis of the studied samples informs about the intrinsic properties of material and shows a sensitivity of these electrical properties according to the curing cycle. Then the sensitivity to some physical parameters (temperature, deformations, etc.) will be demonstrated in order to provide necessary elements to know or predict the health of the material for SHM (Structural Health Monitoring) and PHM (Prognostics and health management) purpose.

Cette dissertation traite du problème du suivi d'objets visuels, dont le but est de localiser un objet et de déterminer sa trajectoire au cours du temps. En particulier, nous nous concentrons sur les scénarios difficiles, dans lesquels les objets subissent d'importantes déformations et occlusions, ou quittent le champs de vision. A cette fin, nous proposons deux méthodes robustes qui apprennent un modèle pour l'objet d'intérêt et le mettent à jour, afin de refléter ses changements au cours du temps.Notre première méthode traite du problème du suivi dans le cas où les objets subissent d'importantes transformations géométriques comme une rotation ou un changement d'échelle. Nous présentons un nouvel algorithme de sélection de propositions, qui étend l'approche traditionnelle de ``suivi par détection''. Cette méthode procède en deux étapes: proposition puis sélection. Dans l'étape de proposition, nous construisons un ensemble de candidats qui représente les localisations potentielles de l'objet en estimant de manière robuste les transformations géométriques. La meilleure proposition est ensuite sélectionnée parmi cet ensemble de candidats pour précisément localiser l'objet en utilisant des indices d'apparence et de mouvement.Dans un second temps, nous traitons du problème de la mise à jour de modèles dans le suivi visuel, c'est-à-dire de déterminer quand il est besoin de mettre à jour le modèle de la cible, lequel peut subir une occlusion, ou quitter le champs de vision. Pour résoudre cela, nous utilisons des indices de mouvement pour identifier l'état d'un objet de manière automatique et nous mettons à jour le modèle uniquement lorsque l'objet est entièrement visible. En particulier, nous utilisons des trajectoires à long terme ainsi qu'une technique basée sur la coup de graphes pour estimer les parties de l'objet qui sont visibles.Nous avons évalué nos deux approches de manière étendue sur différents bancs d'essai de suivi, en particulier sur le récent banc d'essai de suivi en ligne et le jeu de donnée du concours de suivi visuel. Nos deux approches se comparent favorablement à l'état de l'art et font montre d'améliorations significatives par rapport à plusieurs autres récents suiveurs. Notre soumission au concours de suivi d'objets visuels de 2015 a par ailleurs remporté l'une de ces compétitions. / In this dissertation we address the problem of visual object tracking, whereinthe goal is to localize an object and determine its trajectory over time. Inparticular, we focus on challenging scenarios where the object undergoessignificant transformations, becomes occluded or leaves the field of view. Tothis end, we propose two robust methods which learn a model for the object ofinterest and update it, to reflect its changes over time.Our first method addresses the tracking problem in the context of objectsundergoing severe geometric transformations, such as rotation, change in scale.We present a novel proposal-selection algorithm, which extends the traditionaldiscriminative tracking-by-detection approach. This method proceeds in twostages -- proposal followed by selection. In the proposal stage, we compute acandidate pool that represents the potential locations of the object byrobustly estimating the geometric transformations. The best proposal is thenselected from this candidate set to localize the object precisely usingmultiple appearance and motion cues.Second, we consider the problem of model update in visual tracking, i.e.,determining when to update the model of the target, which may become occludedor leave the field of view. To address this, we use motion cues to identify thestate of the object in a principled way, and update the model only when theobject is fully visible. In particular, we utilize long-term trajectories incombination with a graph-cut based technique to estimate parts of the objectsthat are visible.We have evaluated both our approaches extensively on several trackingbenchmarks, notably, recent online tracking benchmark and the visual objecttracking challenge datasets. Both our approaches compare favorably to thestate of the art and show significant improvement over several other recenttrackers. Specifically, our submission to the visual object tracking challengeorganized in 2015 was the winner in one of the competitions.

Pas de résumé / The level set method was introduced by Osher & Sethian (1988) as a general technique to capture moving interfaces. It has been used to study crystal growth, to simulate water and fire for computer graphics applications, to study two-phase flows and in many other fields. The wellknown problem of the level set method is the following: if the flow velocity is not constant, the level set scalar may become strongly distorted. Thus, the numerical integration may suffer from loss of accuracy. In level set methods, this problem is remedied by the reinitialization procedure, i.e. by reconstruction of the level set function in a way to satisfy the eikonal equation. We propose an alternative approach. We modify directly the level set equation by embedding a source term. The exact expression of this term is such that the eikonal equation is automatically satisfied. Furthermore on the interface, this term is equal to zero. In the meantime, the advantage of our approach is this: the exact expression of the source term allows for the possibility of derivation of its local approximate forms, of first-and-higher order accuracy. Compared to the extension velocity method, this may open the simplifications in realization of level set methods. Compared to the standard approach with the reinitialization procedure, this may give the economies in the number of level set re-initializations, and also, due to reduced number of reinitializations, one may expect an improvement in resolution of zero-set level. Hence, the objective of the present dissertation is to describe and to assess this approach in different test cases.

Cette thèse est dédiée à l'amélioration des modèles d'atomisation pour les injecteurs automobiles. Le but est de développer et d'évaluer des modèles numériques permettant de capturer le passage de structures liquides en cours d'atomisation depuis les grandes échelles vers les petites échelles de sous-maille dans des configurations complexes. Dans un premier temps, nous mettons en place une procédure de calcul permettant le passage d'une description Eulérienne d'un spray à une procédure Lagrangienne. Afin de ne pas perdre les plus petites structures liquides, celles-ci seront transformées en particules Lagrangienne. Une analyse sur différentes grandeurs physiques, telles que la masse, la quantité de mouvement ou l'énergie cinétique turbulente, lors de cette transformation a été réalisée. L'autre partie de ce travail est consacrée au développement d'un modèle de simulation aux grandes échelles des écoulements diphasiques. La simulation de l'atomisation requiert un traitement spécifique de l'interface. Deux cas limites sont traités dans la littérature : • L'interface peut bien être capturée par le maillage. A ces endroits, une méthode classique de type DNS (Direct Numerical Simulation), comme les méthodes VOF (Volume of Fluid), doit être utilisée. • Lors de la création de plissements inférieurs à la taille de la maille, le maillage ne permet plus de suivre fidèlement l'interface. Il faut alors que le calcul reproduise des résultats d'une méthode LES (Large Eddy Simulation) considérant des structures et des gouttes inférieures à la taille de la maille. Ainsi, la problématique principale consiste à déterminer la configuration dans laquelle se trouve l'interface. La mise en œuvre de ce modèle a permis d'obtenir des résultats dans une configuration proche de l'injection Diesel, qui sont alors comparés à une DNS de référence. / This thesis is dedicated to improve atomization models for automobile injectors. The aim is to develop and evaluate numerical models to capture the liquid structure while they are being atomized from large scales to small sub grid scales in complex configurations. Initially, a calculation procedure is introduced for the transition to an Eulerian description of a spray into a Lagrangian description. In order not to lose the smallest fluid structures, they will be transformed into Lagrangian particles. During this process, an analysis is been performed with various physical parameters such as mass, momentum, or turbulent kinetic energy. The other part of this work is dedicated to the development of a LES (Large Eddy Simulation) for multiphase flow. The simulation of the spray requires a specific treatment of the interface. Two limiting cases are treated in the literature: • The interface may be captured by the mesh. At these locations, a conventional method of DNS (Direct Numerical Simulation) should be used, like the VOF method (Volume of Fluid). • When creating pleating smaller than the size of the mesh, the mesh can no longer match the interface. Then, the calculation must reproduce results from a LES method that take into account structures and drops smaller than the mesh size. Thus, the main problem is to define the configuration of the interface. The development of this model allows to obtain results in a configuration close to the Diesel injection's, which are then compared to a reference DNS.

Le travail présenté dans ce mémoire s’inscrit dans le cadre du suivi d'objets dans des vidéos, et plus particulièrement, sur l'utilisation de représentations par modèle d'apparence pour le suivi. La notion de modèle d'apparence est précisée sur la base de l'extraction de descripteurs visuels comparés à l'aide de similarités à une référence. De nouvelles techniques pour évaluer les performances vis à vis du suivi sont présentées. Les approches classiques d’évaluation considèrent uniquement la qualité des trajectoires finales estimées. Les métriques proposées dans ce mémoire s’en distinguent par le fait qu’elles quantifient la performance intrinsèque des modèles d’apparence utilisés au sein du système. Deux axes sont ainsi développés : d’une part, un ensemble de mesures de la précision spatiale d’un modèle couplées à la mesure de la robustesse vis-à-vis d’une initialisation spatiale approximative, et d’autre part, la proposition d’une méthodologie permettant de mesurer la stabilité d’un modèle du point de vue temporel sur des données vidéos naturelles. Ces techniques seront utilisées dans la suite du mémoire pour évaluer les méthodes existantes ainsi que celles présentées. Deux nouveaux modèles d'apparence sont ensuite introduits. Le premier modèle dénommé l’histogramme multi-échelles permet de limiter les ambigüités liées à la représentation par histogramme de couleurs. Le deuxième modèle, fondé sur une extension de la métrique de Matusita pour la comparaison de distributions de couleurs, prend en compte les variations possibles des couleurs des objets liées aux conditions de changement d’illumination. Enfin, le lien entre modèle d'apparence et technique de recherche de la position optimale est abordé dans le contexte du suivi multi-noyaux à travers la proposition d'un nouvel algorithme de suivi basé sur une approche compositionnelle inverse. Celui-ci offre un temps de calcul fortement réduit pour une qualité de suivi similaire aux algorithmes existants. / Abstract

L’étude et la compréhension du comportement humain est devenue l’une des problématiques majeures dans différents secteurs d’activités. Ce besoin de comprendre les habitudes des individus a conduit plusieurs entreprises vers l’utilisation de vidéos pour l’analyse et l’interprétation des comportements. Ces raisons ont conduit à l’émergence de travaux de recherches qui ont pour objectif l’automatisation de ces procédures. De ce fait, l’étude du comportement humain est devenue l’un des principaux sujets de recherche dans le domaine de la vision par ordinateur, et de nombreuses solutions d’analyse du comportements basées sur l’utilisation de l’intelligence artificielle ont émergé.Dans ce travail, notre objectif est le développement d’un système qui va permettre de suivre simultanément plusieurs individus dans un réseau multi-caméras dans le contexte de l’analyse comportementale. Pour cela, nous avons proposé un système de suivi qui est composé de trois modules principaux et d’un module de gestion. Le premier est un module de comptage pour mesurer les entrées. Le deuxième module, basé sur l’utilisation de filtres à particules, est un système de suivi mono-caméra destiné à suivre les individus indépendamment dans chacune des caméras. Le troisième module, basé sur la sélection des régions saillantes de chaque individu, sert à la ré-identification et permet d’associer les individus détectés dans les différentes caméras. Enfin, le module de gestion est conçu pour créer des trajectoires sémantiques à partir des trajectoires brutes obtenues précédemment. / The study and the understanding of human behavior has become one of the major concerns for various reasons in different sectors of activity. This need to understand the habits of people led several big firms towards the use of videos surveillance for analyzing and interpreting behaviors. These reasons led to the emergence of research aimed at automating these procedures. As a result, the study of human behavior has become the main subject of several researches in the field of computer vision. Thus, a variety of behavior analysis solutions based on artificial intelligence emerged.In this work, our objective is the proposal of a solution that enable the simultaneous track of several individuals in a multi-camera network in order to reconstruct their trajectories in the context of behavioral analysis. For this, we have proposed a system that is made of three main modules and a management module. The first module is a counting module to measure entries. The second module is a mono-camera tracking system that is based on the use of particle filtering to track individuals independently in each camera. The third module is a re-identification module which is based on the selection of salient regions for each individual. It enables the association of the individuals that are detected in the different cameras. The last module which is the management module is based on the use of ontologies for interpreting trajectories. This module is designed to create semantic trajectories from raw trajectories obtained previously.

Le suivi multi-objets, malgré les avancées récentes en détection d'objets, présente encore plusieurs difficultés spécifiques et reste ainsi une problématique difficile. Au cours de cette thèse nous proposons d'examiner l'emploi de représentations parcimonieuses au sein de méthodes de suivi multi-objets, dans le but d'améliorer les performances de ces dernières. La première contribution de cette thèse consiste à employer des représentations parcimonieuses collaboratives dans un système de suivi en ligne pour distinguer au mieux les cibles. Des représentations parcimonieuses structurées sont ensuite considérées pour s'adapter plus spécifiquement aux approches de suivi à fenêtre glissante. Une dernière contribution consiste à employer des dictionnaires denses, prenant en considération un grand nombre de positions non détectées au sein des images, de manière à être plus robuste vis-à-vis de la performance du détecteur d'objets employé. / Despite recent advances in object detection, multi-object tracking still raises some specific issues and therefore remains a challenging problem. In this thesis, we propose to investigate the use of sparse representations within multi-object tracking approaches in order to gain in performances. The first contribution of this thesis consists in designing an online tracking approach that takes advantage of collaborative sparse representations to better distinguish between the targets. Then, structured sparse representations are considered in order to be more suited to traking approaches based on a sliding window. In order to rely less on the object detector quality, we consider for the last contribution of this thesis to use dense dictionaries that are taking into account a large number of undetected locations inside each frame.

Le suivi de particules est une méthode de choix pour comprendre les mécanismes intra-cellulaires car il fournit des moyens robustes et précis de caractériser la dynamiques des objets mobiles à l'échelle micro et nano métrique. Cette thèse traite de plusieurs aspects liés au problème du suivi de plusieurs centaines de particules dans des conditions bruitées. Nous présentons des techniques nouvelles basée sur des méthodes mathématiques robustes qui nous permettent des suivre des particules sous-résolutives dans les conditions variées qui sont rencontrées en imagerie cellulaire. Détection de particules : nous avons tout d'abord traité le problème de la détection de particules dans les images fluorescentes contenant un fond structuré. L'idée clé de la méthode est l'utilisation d'une technique de séparation de sources : l'algorithme d'Analyse en Composantes Morphologiques (ACM), pour séparer le fond des particules en exploitant leur différence de morphologie dans les images. Nous avons effectué un certain nombre de modifications à l'ACM pour l'adapter aux caractéristiques des images biologiques en fluorescence. Par exemple, nous avons proposé l'utilisation du dictionnaire de Curvelet et d'un dictionnaire de d'ondelettes, avec des à priori de parcimonie différents, afin de séparer le signal des particules du fond. Une fois la séparation de sources effectuée, l'image sans fond peut être analysée pour identifier de manière robuste la position des particules et pour les suivre au cours du temps. Modélisation du problème de suivi : nous avons proposé un cadre de travail statistique global qui tient compte des nombreux aspects du problème de suivi de particules dans des conditions bruitées. Le cadre de travail probabiliste que nous avons mis au point contient de nombreux modèles qui sont dédiés à l'imagerie biologique, tels que des modèles statistiques de mouvement des particules en milieu cellulaire. Nous avons aussi défini la concept de perceiability d'une cible dans le cas des particules biologiques. Grâce à ce modèle l'existence d'une particule est explicitement modélisée et quantifiée, ce qui nous permet de résoudre les problèmes de création et de terminaison des trajectoires au sein même de notre cadre probabiliste de suivi. Le cadre de travail proposé bénéficie d'une grande flexibilité mais reste facile à adapter car chaque paramètre du modèle trouve une interprétation simple et intuitive. Ainsi, notre modèle probabiliste de suivi nous a permis de modéliser de manière exhaustive un grand nombre de systèmes biologiques différents. Mise au point d'un algorithme de suivi : nous avons reformulé l'algorithme de suivi nommé Multiple Hypothesis Tracking (MHT) pour qu'il inclue notre modèle probabiliste de suivi dédié aux particules biologiques, et nous avons proposé une implémentation rapide qui permet de suivre de nombreuses particules dans des conditions d'imagerie dégradées. L'\textit{Enhanced} MHT (E-MHT) que nous avons proposé tire pleinement partie du modèle de suivi en incorporant la connaissance des images futures, ce qui augmente significativement le pouvoir discriminant des critères statistiques. En conséquence, l'E-MHT est capable d'identifier automatiquement les détections erronée et de détecter les événements d'apparition et de disparition des particules. Nous avons résolu le problème de la complexité de la tache de suivi grâce à un design de l'algorithme que exploite la topologie en arbre des solution et à la possibilité d'effectuer les calculs de manière parallèle. Une série de tests comparatifs entre l'E-MHT et des méthodes existantes de suivi a été réalisée avec des séquences d'images synthétiques 2D et avec des jeux de données réels 2D et 3D. Dans chaque cas l'E-MHT a montré des performances supérieures par rapport aux méthodes standards, avec une capacité remarquable à supporter des conditions d'imagerie très dégradées. Nous avons appliqué les méthodes de suivi proposées dans le cadre de plusieurs projets biologiques, ce qui a conduit à des résultats biologiques originaux. La flexibilité et la robustesse de notre méthode nous a notamment permis de suivre des prions infectant des cellules, de caractériser le transport de protéines lors du développement de l'ovocyte de la drosophile, ainsi que d'étudier la trafic d'ARN messager dans l'ovocyte de drosophile.

Le suivi d’objets et la prédiction de mouvement sont des aspects importants pour les véhicules autonomes. Tout d'abord, nous avons développé une méthode de suivi mono-objet en utilisant le compressive tracking, afin de corriger le suivi à base de flux optique et d’arriver ainsi à un compromis entre performance et vitesse de traitement. Compte tenu de l'efficacité de l'extraction de caractéristiques comprimées (compressive features), nous avons appliqué cette méthode de suivi au cas multi-objets pour améliorer les performances sans trop ralentir la vitesse de traitement. Deuxièmement, nous avons amélioré la méthode de suivi mono-objet basée sur DCF en utilisant des caractéristiques provenant d’un CNN multicouches, une analyse de fiabilité spatiale (via un masque d'objet) ainsi qu’une stratégie conditionnelle de mise à jour de modèle. Ensuite, nous avons appliqué la méthode améliorée au cas du suivi multi-objets. Les VGGNet-19 et DCFNet pré-entraînés sont testés respectivement en tant qu’extracteurs de caractéristiques. Le modèle discriminant réalisé par DCF est pris en compte dans l’étape d'association des données. Troisièmement, deux modèles LSTM (seq2seq et seq2dense) pour la prédiction de mouvement des véhicules et piétons dans le système de référence de la caméra sont proposés. En se basant sur des données visuelles et un nuage de points 3D (LiDAR), un système de suivi multi-objets basé sur un filtre de Kalman avec un détecteur 3D sont utilisés pour générer les trajectoires des objets à tester. Les modèles proposées et le modèle de régression polynomiale, considéré comme méthode de référence, sont comparés et évalués. / Object tracking and motion prediction are important for autonomous vehicles and can be applied in many other fields. First, we design a single object tracker using compressive tracking to correct the optical flow tracking in order to achieve a balance between performance and processing speed. Considering the efficiency of compressive feature extraction, we apply this tracker to multi-object tracking to improve the performance without slowing down too much speed. Second, we improve the DCF based single object tracker by introducing multi-layer CNN features, spatial reliability analysis (through a foreground mask) and conditionally model updating strategy. Then, we apply the DCF based CNN tracker to multi-object tracking. The pre-trained VGGNet-19 and DCFNet are tested as feature extractors respectively. The discriminative model achieved by DCF is considered for data association. Third, two proposed LSTM models (seq2seq and seq2dense) for motion prediction of vehicles and pedestrians in the camera coordinate are proposed. Based on visual data and 3D points cloud (LiDAR), a Kalman filter based multi-object tracking system with a 3D detector are used to generate the object trajectories for testing. The proposed models, and polynomial regression model, considered as baseline, are compared for evaluation.

Cette thèse traite de l'usage de la vision par ordinateur pour des situations d'interaction fortement couplée (IFC) entre l'Homme et la machine. Une interaction est fortement couplée sur un intervalle de temps donné lorsque les systèmes humain et artificiel sont engagés de manière continue dans l'accomplissement d'actions physiques mutuellement observables et dépendantes sur cet intervalle. Le déplacement d'un objet graphique avec la souris relève de l'IFC. Nous modélisons l'IFC sous la forme d'un système en boucle fermée constitué de deux sous-systèmes de type stimulus-réponse. Ce modèle permet d'identifier des requis applicables à la conception, à la réalisation ou à l'évaluation de dispositifs utilisables en IFC. En particulier, nous recommandons une latence inférieure à 50 ms., une résolution adaptée à la tâche utilisateur et la satisfaction de la stabilité statique. Nous considérons ensuite l'usage de la vision par ordinateur dans ce contexte. Une revue des deux approches dominantes du domaine, vision orientée modèle et vision par apparence, nous permet de justifier notre choix de la seconde dont les techniques, de plus faible complexité de calcul, sont susceptibles de satisfaire le requis de latence. Nous présentons ensuite les techniques de vision par ordinateur que nous avons réalisées en adoptant une approche résolument dirigée par la tâche utilisateur. Les deux derniers chapitres détaillent nos expérimentations à la fois techniques et ergonomiques avec la mise en ¦uvre de deux prototypes : le tableau magique et la fenêtre perceptuelle. Le premier utilise un suivi du doigt en vision par ordinateur pour la désignation d'inscriptions sur un tableau blanc physique amplifié de services électroniques. La fenêtre perceptuelle, quant à elle, utilise un suivi du visage comme nouveau flux d'entrée spatiale dans une interface graphique usuelle. Ce flux est utilisé pour la navigation dans une fenêtre.