Tableau d'honneur de la Faculté des études supérieures et postdoctorales, 2006-2007 / L'analyse de mouvements par un système de vision numérique fait l'objet de plusieurs recherches depuis quelques années et plusieurs y ont déjà apporté des solutions intéressantes. Toutefois, dans un bon nombre de ces recherches, les solutions proposées fonctionnent sous l'hypothèse que la séquence vidéo analysée ne comporte qu'un seul mouvement, cyclique ou non cyclique, aussi appelé activité. Par contre, dans une application réelle d'analyse de mouvements, qu'il s'agisse d'un système de surveillance automatisé, d'un système produisant automatiquement des résumés de bandes vidéo ou autre, les séquences vidéo analysées peuvent comporter un grand nombre d'activités exécutées les unes après les autres, entrecoupées ou non de pauses. Dans ce contexte, cet ouvrage propose, analyse et compare plusieurs variantes d'une méthode visant à extraire automatiquement les mouvements cycliques d'une séquence vidéo. Dans un premier temps, on y présente le problème sous-jacent qu'est la segmentation des parties cycliques d'un signal et on y propose des solutions. Dans un second temps, on y traite du problème de représentation des mouvements par des signaux et de la fusion des segmentations obtenues sur ces signaux. La méthode présentée utilise l'information fournie par un modèle de squelette représentant l'évolution temporelle d'un être humain dans la séquence vidéo. Elle s'applique à n'importe quel format de squelette décrit en terme de joints reliés par des segments de droite et ne requiert aucune connaissance a priori sur les mouvements effectués. / Automated motion analysis and recognition has been the object of numerous researches for a good number of years now. Many of these researches generated interesting solutions to the problem, many of which requires that the analyzed video sequence contains a single cyclic or non-cyclic motion, also referred to as an activity. This hypothesis is however not consistent with many real life applications where such algorithms could be of use. For instance, automated surveillance Systems, automated video summarizers or other such applications would evidently need to process video sequences containing more than one activity, potentially interleaved with pauses. In this regard, this dissertation presents, analyses and compares many variations of a general approach to the problem of extracting single cyclic activities from video sequences. To that end, we first address the underlying problem of cyclic component segmentation from one-dimensional signals. We then address the problem of motion representation through such signals and the problem of merging a number of signal segmentations in order to obtain a single segmentation coherent with the activity content of the original video sequence. The method therein presented uses the information provided by a skeleton sequence representing the motion of a human subject. This method can be applied to any type of skeleton described by nodes linked by straight edges. Moreover, no prior knowledge of the activities to be segmented is required.