Cette thèse porte sur la segmentation supervisée d'un flux vidéo en fragments correspondant à des activités de la vie quotidienne. En différenciant geste, action et activité, cette thèse s'intéresse aux activités à haut niveau sémantique telles que "Cuisiner" ou "Prendre son repas" par opposition à des actions comme "Découper un aliment". Pour cela, elle s'appuie sur l'algorithme DOHT (Deeply Optimized Hough Transform), une méthode de l'état de l'art utilisant un paradigme de vote (par transformée de Hough). Dans un premier temps, nous adaptons l'algorithme DOHT pour fusionner les informations en provenance de différents capteurs à trois niveaux différents de l'algorithme. Nous analysons l'effet de ces trois niveaux de fusion et montrons son efficacité par une évaluation sur une base de données composée d'actions de la vie quotidienne. Ensuite, une étude des jeux de données existant est menée. Constatant le manque de vidéos adaptées à la segmentation et classification (détection) d'activités à haut niveau sémantique, une nouvelle base de données est proposée. Enregistrée dans un environnement réaliste et dans des conditions au plus proche de l'application finale, elle contient des vidéos longues et non découpées adaptées à un contexte de détection. Dans un dernier temps, nous proposons une approche hiérarchique à partir d'algorithmes DOHT pour reconnaître les activités à haut niveau sémantique. Cette approche à deux niveaux décompose le problème en une détection non-supervisée d'actions pour ensuite détecter les activités désirées. / This thesis focuses on supervised activity segmentation from video streams within application context of smart homes. Three semantic levels are defined, namely gesture, action and activity, this thesis focuses mainly on the latter. Based on the Deeply Optimized Hough Transform paridigm, three fusion levels are introduced in order to benefit from various modalities. A review of existing action based datasets is presented and the lack of activity detection oriented database is noticed. Then, a new dataset is introduced. It is composed of unsegmented long time range daily activities and has been recorded in a realistic environment. Finaly, a hierarchical activity detection method is proposed aiming to detect high level activities from unsupervised action detection.

La perception de scènes routières est un domaine de recherche très actif. Cette thèse se focalise sur la détection et le suivi d’objets par fusion de données d’un système multi-capteurs composé d’un télémètre laser, une caméra fisheye et un système de positionnement global (GPS). Plusieurs étapes de la chaîne de perception sont ´ étudiées : le calibrage extrinsèque du couple caméra fisheye / télémètre laser, la détection de la route et enfin la détection et le suivi d’obstacles sur la route.Afin de traiter les informations géométriques du télémètre laser et de la caméra fisheye dans un repère commun, une nouvelle approche de calibrage extrinsèque entre les deux capteurs est proposée. La caméra fisheye est d’abord calibrée intrinsèquement. Pour cela, trois modèles de la littérature sont étudiés et comparés. Ensuite, pour le calibrage extrinsèque entre les capteurs,la normale au plan du télémètre laser est estimée par une approche de RANSAC couplée `a une régression linéaire `a partir de points connus dans le repère des deux capteurs. Enfin une méthode des moindres carres basée sur des contraintes géométriques entre les points connus, la normale au plan et les données du télémètre laser permet de calculer les paramètres extrinsèques. La méthode proposée est testée et évaluée en simulation et sur des données réelles.On s’intéresse ensuite `a la détection de la route à partir des données issues de la caméra fisheye et du télémètre laser. La détection de la route est initialisée `a partir du calcul de l’image invariante aux conditions d’illumination basée sur l’espace log-chromatique. Un seuillage sur l’histogramme normalisé est appliqué pour classifier les pixels de la route. Ensuite, la cohérence de la détection de la route est vérifiée en utilisant les mesures du télémètre laser. La segmentation de la route est enfin affinée en exploitant deux détections de la route successives. Pour cela, une carte de distance est calculée dans l’espace couleur HSI (Hue,Saturation, Intensity). La méthode est expérimentée sur des données réelles. Une méthode de détection d’obstacles basée sur les données de la caméra fisheye, du télémètre laser, d’un GPS et d’une cartographie routière est ensuite proposée. On s’intéresse notamment aux objets mobiles apparaissant flous dans l’image fisheye. Les régions d’intérêts de l’image sont extraites `a partir de la méthode de détection de la route proposée précédemment. Puis, la détection dans l’image du marquage de la ligne centrale de la route est mise en correspondance avec un modelé de route reconstruit `a partir des données GPS et cartographiques. Pour cela, la transformation IPM (Inverse Perspective Mapping) est appliquée à l’image. Les régions contenant potentiellement des obstacles sont alors extraites puis confirmées à l’aide du télémètre laser.L’approche est testée sur des données réelles et comparée `a deux méthodes de la littérature. Enfin, la dernière problématique étudiée est le suivi temporel des obstacles détectés `a l’aide de l’utilisation conjointe des données de la caméra fisheye et du télémètre laser. Pour cela, les resultats de détection d’obstacles précédemment obtenus sont exploit ´es ainsi qu’une approche de croissance de région. La méthode proposée est également testée sur des données réelles. / Road scene understanding is one of key research topics of intelligent vehicles. This thesis focuses on detection and tracking of obstacles by multisensors data fusion and analysis. The considered system is composed of a lidar, a fisheye camera and aglobal positioning system (GPS). Several steps of the perception scheme are studied: extrinsic calibration between fisheye camera and lidar, road detection and obstacles detection and tracking. Firstly, a new method for extinsic calibration between fisheye camera and lidar is proposed. For intrinsic modeling of the fisheye camera, three models of the literatureare studied and compared. For extrinsic calibration between the two sensors, the normal to the lidar plane is firstly estimated based on the determination of ń known ż points. The extrinsic parameters are then computed using a least square approachbased on geometrical constraints, the lidar plane normal and the lidar measurements. The second part of this thesis is dedicated to road detection exploiting both fisheye camera and lidar data. The road is firstly coarse detected considering the illumination invariant image. Then the normalised histogram based classification is validated using the lidar data. The road segmentation is finally refined exploiting two successive roaddetection results and distance map computed in HSI color space. The third step focuses on obstacles detection, especially in case of motion blur. The proposed method combines previously detected road, map, GPS and lidar information.Regions of interest are extracted from previously road detection. Then road central lines are extracted from the image and matched with road shape model extracted from 2DŋSIG map. Lidar measurements are used to validated the results.The final step is object tracking still using fisheye camera and lidar. The proposed method is based on previously detected obstacles and a region growth approach. All the methods proposed in this thesis are tested, evaluated and compared to stateŋofŋtheŋart approaches using real data acquired with the IRTESŋSET laboratory experimental platform.

L'objectif de la thèse est de caractériser la variabilité génétique de la tolérance à la chaleur chez le porc P.n r.roissance.Dans un premier temps, l'effet de deux envîrnnnements climatiques (tempéré, TEMP vs. tropical humide, TROP) sur les performances de production et les réponses thermorégulatrices des porcs en croissance a été évalué.Dans un deuxième temps, nous avons caractérisé le déterminisme génétique de l'adaptation à la chaleur chez le porc en croissance.Les 2 analyses ont permis de proposer des régions qui affectent significativement: les caractères de croissance, l'ingestion, l'efficacité alimentaire, l'épaisseur de lard et les caractères de réponse de thermorégulation sur le chromosome sur SSC 2, 5, 8, 10, 11 et 15. Les mutations des gènes MC4R et IGF2 semblent avoir un effet sur les températures corporelles. Des interactions entre ces mutations et des ré ions sur le énome ont été détectées. / The aim of the thesis is to characterize the genetic variability of heat tolerance in pork P.ngrowth.Initially, the effect of two climatic events (temperate, TEMP vs. tropical moist, TROP) on production performance and thermoregulatory responses of growing pigs was evaluated.In a second step, we characterized the genetic determinism of heat adaptation in growing pigs.The two analyzes made it possible to propose regions that significantly affect: growth characteristics, ingestion, feed efficiency, blubber thickness and thermoregulatory response characteristics on the chromosome on SSC 2, 5, 8, 10, 11, and 15. Mutations in the MC4R and IGF2 genes appear to have an effect on body temperatures. Interactions between these mutations and ions on the enome have been detected.

Cette thèse aborde le problème de diagnostic à base de modèles pour la classe des systèmes dynamiques modélisés sous forme LPV (Linéaires à Paramètres Variants). Nous présentons une nouvelle méthode de synthèse de filtres de détection et localisation robustes. Une condition suffisante est établie pour garantir les performances en terme de sensibilité du signal indicateur de défauts vis à vis de la classe de défauts considérés. La méthode proposée permet également de formuler des contraintes de robustesse vis-à-vis des paramètres variants dans le temps et des perturbations exogènes. L'approche permet de prendre en compte la loi de commande dans la synthèse du filtre de diagnostic. Le problème de synthèse est formulé comme un problème d'optimisation convexe sous contraintes et pouvant être résolu efficacement par les techniques LMI (Inégalités Linéaires Matricielles).<br />La méthodologie est appliquée à des exemples académiques et à un système industriel se prêtant particulièrement bien à une modélisation LPV, le circuit secondaire d'une centrale nucléaire. Les résultats obtenus montrent l'efficacité de la méthode.

Les deux principaux problèmes à résoudre pour concevoir un simulateur dynamique interactif sont la détection de collisions entre les objets virtuels, et le calcul de leur mouvement contraint. La plupart des méthodes de détection de collisions sont discrètes : elles détectent seulement des interpénétrations entre les objets virtuels à des instants discrets successifs. Afin de détecter efficacement des collisions entre objets polyédriques rigides en continu, c'est-à-dire de calculer l'instant de premier contact entre eux et éviter les problèmes inhérents aux méthodes discrètes, nous proposons d'utiliser un mouvement intermédiaire arbitraire pour remplacer le mouvement réel de l'objet et obtenir des équations de détection de collisions faciles à résoudre. Nous présentons deux approches, fondées sur l'exploitation de mouvements intermédiaires arbitraires, qui permettent de détecter des collisions en continu entre objets polyédriques complexes en temps réel. Nous proposons ensuite d'ajouter des informations géométriques aux volumes englobants afin d'exploiter le mouvement de recul relatif des objets et accélérer significativement la détection de collisions lorsque les objets sont proches les uns des autres. La plupart des méthodes classiques de calcul de mouvement contraint sont formulées dans l'espace des contacts. Grâce au principe des moindres contraintes de Gauss, il est possible d'obtenir une formulation équivalente des problèmes dynamiques sans friction dans l'espace des mouvements. Nous montrons que cette formulation est plus avantageuse sur le plan algorithmique. Ceci nous incite à proposer un modèle de friction dans l'espace des mouvements. Les algorithmes proposés ont été implantés et rassemblés dans une librairie C++, CONTACT Toolkit. Nous présentons plusieurs applications de cette librairie, notamment à des cas industriels fournis par Renault et Airbus-EADS, ainsi que son utilisation dans la simulation avec retour d'efforts.

Lors d'une catastrophe majeure, il est nécessaire de connaître rapidement l'importance des dégâts sur les bâtiments. Actuellement, cette quantification de dégâts se fait manuellement par comparaison visuelle d'images satellite. Les méthodes automatiques sont immatures ; leurs performances étant rarement évaluées, elles ne sont pas utilisées par les opérationnels. Nous proposons un protocole standard d'évaluation des performances de méthodes de quantification de dégâts. Il s'appuie sur des bases de données de référence obtenues pour cinq cas de catastrophes variées. Celles-ci contiennent pour chaque bâtiment l'emprise de son toit dans chaque image, ainsi qu'un degré de dégâts. Le protocole permet de quantifier les performances d'une méthode et de confronter ses résultats à d'autres. Disposant de ce protocole d'évaluation, nous proposons une méthode de quantification de dégâts à partir d'un couple d'images satellites panchromatiques de très haute résolution (THR) spatiale et d'un ensemble d'objets d'intérêt définis dans l'image de référence. La méthode développée doit pouvoir conduire à des résultats satisfaisants et reproductibles en utilisant des images de modalités différentes, et être automatisée au mieux. Les dégâts sur les bâtiments sont quantifiés par l'amplitude des changements sur leurs toits. Pour comparer ces derniers, ils doivent être alignés. Le recalage géométrique des données THR est un problème complexe non résolu ; une nouvelle méthode adaptée à notre problème est développée et évaluée. Elle aboutit à des résultats généralement satisfaisants pour notre application. Des indices de changements sont ensuite extraits. Deux coefficients de corrélation et des indices de texture obtenus par filtrage sont extraits, et un degré de dégâts est attribué à chacun des bâtiments par classification supervisée. L'impact des différences de modalité des images sur les performances de notre méthode est évalué. La méthode proposée est rapide, en grande partie généralisable et robuste à l'utilisation d'images THR de différentes résolutions ou issues de couples multicapteurs ; le paramètre influant est le B/H du couple.

Le problème abordé ici concerne l'indexation de données multimédia par la recherche d'extraits pertinents. Nos travaux se focalisent sur l'analyse de séquences vidéo afin d'y détecter des événements prédéfinis. La recherche de ces événements étant contextuelle, nous proposons une architecture et des outils génériques et rapides pour la mise en oeuvre de systèmes d'indexation spécifiques. Nous insistons notamment sur les problèmes suivants : la segmentation temporelle des données, la séparation du fond et des objets, la structuration du fond, le suivi des objets (rigides ou non, avec ou sans apprentissage) et l'analyse des données audio. Afin de résoudre ces différents problèmes, les outils génériques que nous proposons sont basés sur des analyses semi-locales, des approches multirésolution, des modèles de Markov cachées et la méthode des contours actifs. L'architecture et les outils introduits ici ont été validés au travers de plusieurs applications.

Dans cette thèse, nous nous intéressons à l'analyse et au suivi temporel des surfaces continentales à partir de séquences d'images satellitaires. L'exploitation de données de différentes résolutions est alors cruciale pour bénéficier à la fois d'une bonne discrimination et d'une bonne localisation des objets d'intérêt. Dans ce contexte, nous proposons deux approches probabilistes pour la classification et la détection de changements capables d'accéder à une information sous-pixelique, avec très peu d'information a priori. La premire repose sur la définition d'une fonction d'énergie dans un cadre bayésien. Etant donné un nombre de classes, elle permet d'estimer la classification de manière non-supervisée en tant que minimum de cette fonction d'énergie, à travers un algorithme de recuit simulé. La seconde repose sur un modèle de détection a-contrario couplé à un algorithme stochastique d'échantillonnage aléatoire. Elle permet de détecter automatiquement les pixels de l'image qui représentent le plus vraisemblablement des changements. Une analyse théorique et expérimentale des méthodes proposées a permis d'en cerner les limites et, en particulier, de montrer leur capacité à traîter de forts rapports de résolution. Des cas réels d'applications sont présentés sur une scène agricole de la Plaine du Danube (base de donnes ADAM).

La population des personnes âgées en France est en train d'augmenter et pour 2050 plus de 30% de la population totale aura plus de 65 ans. Le nombre d'infrastructures dédiées pour la surveillance des personnes âgées ne sera donc pas suffisant et une de solutions qui permettra de soulager ces institutions est celle de surveiller ces personnes dans leur domicile. Dans un premier temps, afin de détecter de façon précoce une perte d'autonomie l'équipe AFIRM a équipé un appartement avec des exocapteurs. Cependant, pour assurer un suivi plus approfondi de l'état de la personne (suivi de l'activité et de l'état de santé) il est indispensable de réaliser ce suivi avec des dispositifs portables sur la personne. Les travaux de cette thèse consistent au développement d'un dispositif portable pour le suivi de l'activité du système nerveux autonome de façon ambulatoire. Dans la deuxième partie de ce manuscrit nous avons décrit le développement du dispositif portable à partir des principales contraintes d'ergonomie pour un suivi à long terme. De la même manière, dans cette partie nous avons présenté les algorithmes utilisés pour l'extraction des principales caractéristiques sur les signaux mesurés par l'instrumentation ambulatoire. Finalement, les bases théoriques de deux principales méthodes de classification sont présentées afin de détecter des possibles situations à risque (la chute) à partir des caractéristiques extraites. La troisième partie présente les expérimentations réalisées pour améliorer la détection de chute à partir de la mesure du SNA , dans un premier temps, et ensuite étudier l'activité du SNA chez des personnes âgées atteintes de troubles orthostatique.

Les véhicules modernes sont de plus en plus équipés de nouveaux organes visant à améliorer la sécurité des occupants. Ces nouveaux systèmes sont souvent des organes actifs utilisant des données de capteurs sur le véhicule. Cependant, en cas de mauvais fonctionnement d'un capteur, les conséquences pour le véhicule peuvent être dramatiques. Afin de garantir la sécurité dans le véhicule, des nouvelles méthodologies de détections de défauts adaptées pour les véhicules sont proposées. Les méthodologies présentées sont étendues de la méthode de l'espace de parité pour les systèmes à paramètres variant (LPV). En outre, la transformation du problème de détection de défauts pour la détection de situations critiques est également proposée. Des résultats applicatifs réalisés sur un véhicule réel dans le cadre du projet INOVE illustrent les performances des détections de défauts et la détection de perte de stabilité du véhicule.