The work done in this master's thesis, presents a new system for the recognition of human actions from a video sequence. The system uses, as input, a video sequence taken by a static camera. A binary segmentation method of the the video sequence is first achieved, by a learning algorithm, in order to detect and extract the different people from the background. To recognize an action, the system then exploits a set of prototypes generated from an MDS-based dimensionality reduction technique, from two different points of view in the video sequence. This dimensionality reduction technique, according to two different viewpoints, allows us to model each human action of the training base with a set of prototypes (supposed to be similar for each class) represented in a low dimensional non-linear space. The prototypes, extracted according to the two viewpoints, are fed to a $K$-NN classifier which allows us to identify the human action that takes place in the video sequence. The experiments of our model conducted on the Weizmann dataset of human actions provide interesting results compared to the other state-of-the art (and often more complicated) methods. These experiments show first the sensitivity of our model for each viewpoint and its effectiveness to recognize the different actions, with a variable but satisfactory recognition rate and also the results obtained by the fusion of these two points of view, which allows us to achieve a high performance recognition rate. / Le travail mené dans le cadre de ce projet de maîtrise vise à présenter un nouveau système de reconnaissance d’actions humaines à partir d'une séquence d'images vidéo. Le système utilise en entrée une séquence vidéo prise par une caméra statique. Une méthode de segmentation binaire est d'abord effectuée, grâce à un algorithme d’apprentissage, afin de détecter les différentes personnes de l'arrière-plan. Afin de reconnaitre une action, le système exploite ensuite un ensemble de prototypes générés, par une technique de réduction de dimensionnalité MDS, à partir de deux points de vue différents dans la séquence d'images. Cette étape de réduction de dimensionnalité, selon deux points de vue différents, permet de modéliser chaque action de la base d'apprentissage par un ensemble de prototypes (censé être relativement similaire pour chaque classe) représentés dans un espace de faible dimension non linéaire. Les prototypes extraits selon les deux points de vue sont amenés à un classifieur K-ppv qui permet de reconnaitre l'action qui se déroule dans la séquence vidéo. Les expérimentations de ce système sur la base d’actions humaines de Wiezmann procurent des résultats assez intéressants comparés à d’autres méthodes plus complexes. Ces expériences montrent d'une part, la sensibilité du système pour chaque point de vue et son efficacité à reconnaitre les différentes actions, avec un taux de reconnaissance variable mais satisfaisant, ainsi que les résultats obtenus par la fusion de ces deux points de vue, qui permet l'obtention de taux de reconnaissance très performant.

L'analyse de la marche et la mesure du déplacements des articulations humaines ont été largement étudiées. Les artefacts de tissus «mous» sont une source fréquente d'erreur pour la plupart des méthodes de mesure utilisées. La procédure standard en analyse de la marche consiste à utiliser une combinaison de mesures pour l'estimation efficace des angles articulaires et de la position des segments du corps humain. Ce travail propose le développement d'un système d'analyse de la marche reposant sur un robot parallèle à câbles équipé de plusieurs capteurs mesurant spécifiquement les déplacements du genou. Nous considérons le cas général pour lequel les articulations humaines se comportent comme des joints à 6 degrés de liberté reliant deux segments du corps. Afin de déterminer la position et l'orientation de ces segments, 14 câbles y sont attachés, ce qui permet de considérer ces segments comme les organes effecteurs de robots parallèles. Leur position peut alors être calculée à partir de la mesure de la longueur des câbles. Cependant, ces mesures sont entachées de bruit à cause des artefacts de tissus «mous». Afin d'améliorer la précision des résultats, le système propose aussi l'utilisation d'autres capteurs de nature différente : plusieurs capteurs inertiels (avec accéléromètres et gyroscopes), un système de motion capture, des capteurs de pression plantaire, des capteurs de distance (IR et résistance variable) et des capteurs de force pour mesurer la contraction musculaire. Plusieurs approches globales sont disponibles pour l'analyse du genou lors de la marche. Les choix technologiques effectués impactent directement sur la conception de notre système et imposent le développement de matériel spécifique pour mener à bien les mesures, tel que le collier flexible utilisé d'une part pour permettre l'attache des câbles sur les segments du patient et d'autres part pour supporter les capteurs supplémentaires. Nous traitons le collier comme une chaîne cinématique sérielle et nous proposons une méthode d'étalonnage qui ne nécessite pas d'utiliser les mesures angulaires des articulations contrairement aux méthodes existantes. Nous décrivons le protocole expérimental ainsi que les méthodes utilisées pour synchroniser les données issues de plusieurs ordinateurs. Les données sont ensuite fusionnées pour obtenir la pose du collier et donc celle des segments du patient. Enfin, ce travail permet d'identifier les modifications à apporter au système pour une meilleure analyse de la marche, ce qui pourra servir de base à un système de rééducation complet. / Gait analysis and human joint motion measurement has been studied extensively in the recent past. In order to address the effects of soft tissue artifacts (STA), a common source of error in most type of measurements, the standard procedure in gait analysis has been to use a combination of measurement methods for efficient estimation of joint angles and the body segment poses. This work proposes a gait analysis system based on a multi-sensor cable-driven parallel manipulator, focusing specifically on tracking the human knee. Our system assumes a human joint to be a general 6 DOF joint between 2 body segments. In order to measure pose of these body segments, up to 14 wires are attached to these human body segments and this permits the system to treat each of these body segments as the end-effector of a parallel mechanism. The pose of the body segments can thus be determined by measuring the wire lengths and solving the forward kinematics of this parallel architecture. The system is also equipped to use additional sensors including inertial sensors (accelerometers and gyroscopes), a 12 camera optical tracking system, in-shoe pressure sensors, variable length resistive wires, IR distance sensors, force sensors to measure muscle contraction. A number of choices are available in the approach for analyzing the knee during gait activity and the design of the setup depends on these choices. This work discuses the options available and details how they have impacted the choices we make in developing the experimental setup. We discuss the hardware developed and used, and specifically discuss the flexible collar used to attach wires to the patient body and to hold the additional sensors. We treat the collar as a serial kinematic chain and propose a calibration method for it that, unlike commonly used calibration techniques, avoids using joint angle measurements. We then outline the experiment and the methods used to synchronize and fuse the data from all sensors to obtain a pose estimate for the collar and thus, the body segments. Finally, this work helps identify steps necessary to improve the current setup and lays the groundwork for a complete rehabilitation system.

A lesão medular pode prejudicar a marcha de um indivíduo. Para estes casos, uma técnica de reabilitação que tem se tornado mais popular é a Estimulação Elétrica Neuro Muscular (EENM). Na marcha assistida por EENM tradicional, o controle da estimulação é realizado utilizando-se acionamento manual, um fato que ajuda a torná-la distante da marcha saudável. Este trabalho propõe um sistema que monitora variáveis da marcha - ângulos da articulação do joelho, e forças de reação do solo (retropé e antepé) - e as utiliza como entradas para uma rede neural artificial (RNA), a fim de poder controlar automaticamente a EENM na marcha. Os transdutores utilizados para medir ângulos foram eletrogoniômetros, montados nos membros inferiores do indivíduo utilizando tiras de velcro. Para medição das forças, os transdutores utilizados foram células de carga construídas com strain gages, montadas em sandálias instrumentadas. Os métodos para construção do hardware de aquisição de dados (transdutores e interface) e do software estão descritos, bem como os métodos de calibração dos transdutores. Todos os transdutores apresentaram comportamento linear. Testes iniciais foram realizados, utilizando primeiramente um indivíduo saudável, e depois dois pacientes que normalmente realizam treinamento de marcha com suspensão de peso (assistida por EENM ou não). Os resultados mostraram que o módulo de monitoramento permite gravar os dados coletados, e realizar comparações entre padrões de marcha de diferentes indivíduos, bem como diferentes estágios de reabilitação para um mesmo indivíduo. O treinamento da RNA para o indivíduo saudável apresentou uma taxa de acerto próxima de 90%, e para os pacientes lesados medulares a taxa foi de cerca de 80%. O módulo de controle apresentou resultados promissores nos testes práticos realizados, com respostas rápidas e corretas para o indivíduo saudável. Sugestões para trabalhos futuros foram dadas, para que testes práticos de controle possam ser realizados utilizando pacientes lesados medulares. / Spinal cord injury (SCI) may impair an individual\'s gait. For these cases, a rehabilitation technique that has become more popular is functional electrical stimulation (FES). On traditional FES-assisted gait, the stimulation control is performed with manual triggering, a fact that helps make it distant from healthy gait. This work proposes a system that monitors gait variables - knee joint angles, and ground reaction forces (rearfoot and forefoot) - and uses them as inputs for an Artificial Neural Network (ANN), in order to be able to automatically control gait FES. The transducers used for angle measurement were electrogoniometers, mounted on the individuals lower limbs using Velcro straps. For force measurement, the transducers used were load cells built with strain gages, mounted on instrumented sandals. The methods for building the data acquisition hardware (transducers and interface) and software are described, along with the transducer calibration methods. All transducers presented linear behavior. Initial tests were performed, using first a healthy individual, and then a couple of patients that normally undergo suspended gait raining (FES-assisted or not). The results showed that the monitoring module allows recording the data collected, and making comparison between different individuals\' gait patterns, as well as different rehabilitation stages for the same individual. The ANN training for the healthy individual presented an accuracy rate close to 90%, and for the SCI patients the rate was about 80%. The control module showed promising results on practical tests performed, with quick and accurate responses for the healthy individual. Suggestions for future works were given, so that practical control tests can be performed using SCI patients.

No description available.

No description available.

No description available.

Parmi les blessures sportives reliées au genou, 20 % impliquent le ligament croisé antérieur (LCA). Le LCA étant le principal stabilisateur du genou, une lésion à cette structure engendre une importante instabilité articulaire influençant considérablement la fonction du genou. L’évaluation clinique actuelle des patients ayant une atteinte au LCA présente malheureusement des limitations importantes à la fois dans l’investigation de l’impact de la blessure et dans le processus diagnostic. Une évaluation biomécanique tridimensionnelle (3D) du genou pourrait s’avérer une avenue innovante afin de pallier à ces limitations. L’objectif général de la thèse est de démontrer la valeur ajoutée du domaine biomécanique dans (1) l’investigation de l’impact de la blessure sur la fonction articulaire du genou et dans (2) l’aide au diagnostic. Pour répondre aux objectifs de recherche un groupe de 29 patients ayant une rupture du LCA (ACLD) et un groupe contrôle de 15 participants sains ont pris part à une évaluation biomécanique 3D du genou lors de tâches de marche sur tapis roulant. L’évaluation des patrons biomécaniques 3D du genou a permis de démontrer que les patients ACLD adoptent un mécanisme compensatoire que nous avons intitulé pivot-shift avoidance gait. Cette adaptation biomécanique a pour objectif d’éviter de positionner le genou dans une condition susceptible de provoquer une instabilité antérolatérale du genou lors de la marche. Par la suite, une méthode de classification a été développée afin d’associer de manière automatique et objective des patrons biomécaniques 3D du genou soit au groupe ACLD ou au groupe contrôle. Pour cela, des paramètres ont été extraits des patrons biomécaniques en utilisant une décomposition en ondelettes et ont ensuite été classifiés par la méthode du plus proche voisin. Notre méthode de classification a obtenu un excellent niveau précision, de sensibilité et de spécificité atteignant respectivement 88%, 90% et 87%. Cette méthode a donc le potentiel de servir d’outil d’aide à la décision clinique. La présente thèse a démontré l’apport considérable d’une évaluation biomécanique 3D du genou dans la prise en charge orthopédique de patients présentant une rupture du LCA; plus spécifiquement dans l’investigation de l’impact de la blessure et dans l’aide au diagnostic. / The anterior cruciate ligament (ACL) is involved in approximately 20% of all sports-related knee injuries. An injury to the ACL, the primary stabilizer of the knee, will lead to knee joint instability and functional impairment. Unfortunately, current clinical assessments of ACL-deficient patients present limitations with respect to the investigation of the impact of the injury on knee function. A 3D knee biomechanical assessment could provide innovative information to overcome these drawbacks. The main objective of the doctoral theses is to demonstrate the role of biomechanics in (1) the investigation of the impact of the injury on knee function and in (2) the diagnostic process. Twenty-nine ACL-deficient patients and a control group of fifteen healthy participants took part in a 3D knee biomechanical assessment during treadmill walking. By assessing the 3D knee biomechanical patterns of each group we observed that ACL-deficient patients adopted a gait compensatory mechanism: the Pivot-shift avoidance gait. The explanation for this adaptative strategy is to avoid placing the knee in a position biomechanically favorable to anterolateral rotatory instability during gait. Furthermore, an automatic classification method capable of distinguishing ACL deficient patients from an asymptomatic population was developed. Features were extracted from the 3D knee biomechanical patterns using a wavelet decomposition method and then classified by the nearest neighbour rule. The proposed classification method obtained a level of accuracy, sensitivity and specificity of 88%, 90% and 87% respectively. This method shows great potential as a diagnostic aid in a clinical setting. This thesis demonstrates that biomechanics plays a substantial role in the management of ACL injuries by improving the understanding of the impact of the injury on knee function and by its capacity to serve as a diagnostic aid.

La douleur articulaire associée à l’arthrose est un problème clinique majeur, spécialement chez les personnes âgées. L’intensité de la douleur est souvent amplifiée lors de mouvement de l’articulation et principalement lors du soutien de la charge corporelle sur le membre lésé. Malheureusement, les traitements pharmacologiques proposés sont trop souvent associés à des effets secondaires néfastes et à une inefficacité pour le soulagement de la douleur à long terme. Divers modèles murins sont utilisés en laboratoire de recherche pour des études précliniques de molécules aux propriétés analgésiques. Une évaluation comparative de la réponse comportementale douloureuse des animaux d’un modèle d’instabilité articulaire induit par le sectionnement du ligament croisé antérieur accompagné d’une méniscectomie partielle (le modèle ACLT+pMMx) et d’un modèle de dégénérescence articulaire induite par le monoiodoacetate (le modèle MIA) a permis de sélectionner un modèle approprié pour la continuité du projet. Les deux modèles ont démontré des lésions tissulaires, mais le modèle MIA a démontré une réponse douloureuse plus prononcée que le modèle ACLT+pMMx. Par l’analyse de la démarche, le modèle MIA a démontré une boiterie claire dans le patron de la démarche des animaux qui est associée à une lésion unilatérale. Le modèle MIA a donc été choisi pour la suite du projet. La problématique principale dans la recherche sur la douleur associée à l’arthrose est une compréhension incomplète des mécanismes de douleur responsables de l’induction et du maintien de l’état de douleur. Il devient donc nécessaire d’améliorer nos connaissances de ces mécanismes en effectuant une caractérisation plus approfondie des modèles animaux employés pour l’évaluation de stratégies pharmacologiques analgésiantes. Afin de bien comprendre le modèle MIA, une caractérisation des événements moléculaires centraux lors de la progression du processus dégénératif des structures articulaires de ce modèle s’est effectuée aux jours 3, 7, 14, 21 et 28 post injection. Des mécanismes hétérogènes qui modulent l’information nociceptive en fonction de la progression temporelle de la pathologie ont été observés. Les changements du contenu i spinal des neuropeptides sélectionnés (substance P, CGRP, dynorphine A et Big dynorphine) ont débuté sept jours suivant l’injection de MIA. L’observation histologique a démontré que les dommages structuraux les plus importants surviennent entre les jours 14 et 21. C’est entre les jours 7 et 21 que les lésions démontrent le plus de similarités à la pathologie humaine. Cela suggère que lors d’une évaluation préclinique d’un traitement pharmacologique pour pallier la douleur articulaire utilisant le modèle MIA, l’étude doit tenir compte de ces événements afin de maximiser l’évaluation de son efficacité. Puisque les traitements pharmacologiques conventionnels proposés pour le soulagement de la douleur ne font pas l’unanimité en terme d’efficacité, d’effets non désirés et de coûts monétaires parfois onéreux, les molécules de dérivés de plante deviennent une alternative intéressante. L’eugénol, le principal constituant de l’huile de clou de girofle, a été administré oralement pour une période de 28 jours chez des rats ayant reçu l’injection intra-articulaire de MIA afin d’évaluer son efficacité pour le traitement de la douleur articulaire. L’eugénol à une dose de 40 mg/kg s’est révélé efficace pour l’amélioration du patron de la démarche des animaux ainsi que pour la diminution de l’allodynie mécanique secondaire. De plus, les concentrations spinales de neuropeptides pronocicepteurs ont diminué chez les animaux traités. Par une évaluation histopathologique, l’eugénol n’a démontré aucune évidence d’effets toxiques suite à une administration per os quotidienne pour une période prolongée. Ces résultats suggèrent le potentiel thérapeutique complémentaire de la molécule d’eugénol pour le traitement de la douleur articulaire. / Pain is the most predominant clinical symptom associated with osteoarthritis (OA), mostly among older people. Joint movement and weight bearing often increase the pain intensity. Unfortunately, the proposed pharmacological treatments are frequently associated with side effects and ineffective for pain alleviation for long time periods. Many murine models are used in laboratories for preclinical studies evaluating analgesic compounds. A comparative evaluation of the behavioral pain responses of animals with a joint instability model induced by the transection of the anterior cruciate ligament followed by a partial menisectomy (the ACLT+pMMx model) and of an articular degenerative model induced by an intra-articular injection of monoiodoacetate (the MIA model) was conducted to select an appropriate model for the continuation of the project. Both models demonstrated articular lésions, however the MIA model demonstrated a clearer behavioral pain response over the ACLT+pMMx model. The gait pattern of the MIA model revealed a clear limping gait similar to that observed with unilateral OA in humans. The MIA model was chosen for the subsequent studies. An unresolved issue in pain OA research is the lack of understanding of the pain mechanisms responsible for the induction and maintenance of the pain. Therefore, there is an urgent clinical need to improve the characterization of animal models to effectively discover novel pain relief pharmacological treatment stratégies for OA patients. A characterization of the spinal pain molecular events during the progression of the joint degenerative process in the MIA model was performed on days 3, 7, 14, 21 and 28 post injection. Heterogeneous nociceptive central molecular events were observed in respect to the time course of the pathology’s progression. Changes in selected spinal neuropeptide content (substance P, CGRP, dynorphin A, Big dynorphin) began 7 days following the MIA injection. Most severe joint structural damage on histology occured between days 14 and 21 post injection. These results suggest that preclinical drug evaluation employing this model should be conducted between 7 and 21 days post injection when the lesions resemble most those of human OA. iii As current pharmacological therapy for the alleviation of joint pain does not achieve the unanimity in respect to efficacy, side effects and cost, plant derivate compounds are now interesting alternatives to improve the situation. Eugenol, the main constituent of clove oil, was evaluated for its efficacy for alleviation of joint pain in rats who previously received an intra-articular injection of mono-iodoacetate to induce the MIA model. Eugenol, administered orally for 28 consecutive days at a dose of 40 mg/kg, improved gait pattern and reduced secondary mechanical allodynia. Furthermore, spinal concentrations of pronociceptive neuropeptides were also decreased in the treated animals. No toxic effects of the compoud were identified on histopathological assessment of the various tissues. These results suggest that eugenol could be a potential therapeutic option for alleviating OA joint pain.

De nombreuses études concluent que la charge mécanique supportée par le genou, qu’elle soit reliée à l’obésité, aux sports intenses, à une altération biomécanique des structures de l’articulation ou à une exposition à des charges lourdes durant les activités occupationnelles, est considérée comme un facteur de risque important au développement de la gonarthrose. La gonarthrose reliée au travail a été le sujet de nombreuses études et plusieurs d’entre elles ont rapporté une prévalence accrue de la gonarthrose chez les travailleurs de certains domaines en particulier, comme la construction, la pose de plancher, la peinture, l’exploitation minière, l’agriculture et le travail en atelier et en milieu de la santé. Les personnes qui travaillent dans ces métiers sont exposées à des positions ou des activités nuisibles, comme travailler à genoux ou accroupi, monter des escaliers ou des échelles, transporter des changes lourdes et marcher de façon prolongée. Ces gestes surchargent l’articulation du genou, ce qui cause des modifications aux structures de l’articulation du genou ou aux adaptations neuromusculaires de patron de mouvement du genou. Ces modifications structurelles et adaptations neuromusculaires peuvent apporter des changements cinématiques à la marche qui peuvent initier la gonarthrose ou contribuer à sa progression. L’objectif principal de la présente étude était d’analyser l’effet d’une surcharge mécanique sur l’articulation fémoro-tibiale (AF-T) subie au travail lors d’une tâche de marche et comparer le patron cinématique de l’articulation fémoro-tibiale des travailleurs exposés à une surcharge mécanique à celui des travailleurs non exposés. Vingt-quatre travailleurs exposés à une surcharge mécanique et neuf travailleurs non exposés ont participé à l’étude. Les données cinématiques de la marche ont été enregistrées au niveau du genou dans des conditions cliniques en utilisant un système de suivi du mouvement électromagnétique. Les paramètres suivant ont été extraits et utilisés pour la comparaison des groupes : l’angle maximum lors du contact initial, l’angle ii maximum de flexion durant la réponse à la charge, l’angle minimum au moment de l’appui unipodal et l’étendue max-min du cycle. La comparaison des groupes pour les variables cliniques et cinématiques a été effectué par l’utilisation de tests-t bilatéraux (« Student-t tests ») et de tests ANCOVA utilisant le poids et la vitesse comme covariables. Les travailleurs exposés à une surcharge mécanique présentaient un plus grand angle de flexion de l’articulation fémoro-tibiale au contact initial, durant la réponse au chargement et à la phase unipodale et ils ont démontré une étendue d’angle moindre que les travailleurs non exposés. Nous croyons que les données cinématiques de la marche peuvent donner des idées sur les facteurs biomécaniques qui pourraient prédisposer les travailleurs au développement ou à la progression de la gonarthrose. Une meilleure compréhension de ces facteurs pourrait être un premier pas vers le développement d’une intervention plus efficace pour cette population. / Many studies agree that mechanical knee loading, either related to obesity, intense sports, biomechanical alteration of the knee or exposition to heavy load occupational activities, is an important factor in knee OA development. Work related knee OA has been the focus of numerous studies, many of them reporting increased knee OA prevalence in workers involved in particular occupational fields such as construction, floor layer, painting, mining, agriculture, shop assistant and health care employees. Persons working in these occupations are exposed to noxious positions or activities such as kneeling, squatting, climbing stairs or ladders, carrying heavy load and prolonged walking. These gestures overload the knee joint, resulting in modifications of the knee joint structures or in neuromuscular adaptations of the knee movement pattern. These structural modifications and neuromuscular adaptations can bring about gait kinematic changes that can either initiate knee OA or contribute to its progression. The main objective of this study was to analyze the effect of mechanical overloading on the tibial-femoral joint suffered during walking tasks at work and compare the kinematics gait tibial femoral joint of workers exposed to knee overloading (KO workers) to that of non-knee overloaded workers (non-KO workers). Twenty four KO workers and 9 non-KO workers participated to the study. Gait kinematic data were recorded at the knee in a clinical setting using an electromagnetic motion tracking system. The following parameters were extracted and used for group comparison: knee angle at initial contact, peak knee flexion angle during loading response and angle range. Group comparison for clinical and kinematic variables of interest was performed with Student-t and ANCOVA tests. KO workers had greater knee flexion angle at initial contact, during loading response and single limb support, and they demonstrated a lower angle range than non-KO workers. iv We believe that gait kinematic data can suggest biomechanical factors that could predispose workers to the development or progression of knee OA. A better understanding of these factors could be a first step toward more efficient intervention within the population.

The work done in this master's thesis, presents a new system for the recognition of human actions from a video sequence. The system uses, as input, a video sequence taken by a static camera. A binary segmentation method of the the video sequence is first achieved, by a learning algorithm, in order to detect and extract the different people from the background. To recognize an action, the system then exploits a set of prototypes generated from an MDS-based dimensionality reduction technique, from two different points of view in the video sequence. This dimensionality reduction technique, according to two different viewpoints, allows us to model each human action of the training base with a set of prototypes (supposed to be similar for each class) represented in a low dimensional non-linear space. The prototypes, extracted according to the two viewpoints, are fed to a $K$-NN classifier which allows us to identify the human action that takes place in the video sequence. The experiments of our model conducted on the Weizmann dataset of human actions provide interesting results compared to the other state-of-the art (and often more complicated) methods. These experiments show first the sensitivity of our model for each viewpoint and its effectiveness to recognize the different actions, with a variable but satisfactory recognition rate and also the results obtained by the fusion of these two points of view, which allows us to achieve a high performance recognition rate. / Le travail mené dans le cadre de ce projet de maîtrise vise à présenter un nouveau système de reconnaissance d’actions humaines à partir d'une séquence d'images vidéo. Le système utilise en entrée une séquence vidéo prise par une caméra statique. Une méthode de segmentation binaire est d'abord effectuée, grâce à un algorithme d’apprentissage, afin de détecter les différentes personnes de l'arrière-plan. Afin de reconnaitre une action, le système exploite ensuite un ensemble de prototypes générés, par une technique de réduction de dimensionnalité MDS, à partir de deux points de vue différents dans la séquence d'images. Cette étape de réduction de dimensionnalité, selon deux points de vue différents, permet de modéliser chaque action de la base d'apprentissage par un ensemble de prototypes (censé être relativement similaire pour chaque classe) représentés dans un espace de faible dimension non linéaire. Les prototypes extraits selon les deux points de vue sont amenés à un classifieur K-ppv qui permet de reconnaitre l'action qui se déroule dans la séquence vidéo. Les expérimentations de ce système sur la base d’actions humaines de Wiezmann procurent des résultats assez intéressants comparés à d’autres méthodes plus complexes. Ces expériences montrent d'une part, la sensibilité du système pour chaque point de vue et son efficacité à reconnaitre les différentes actions, avec un taux de reconnaissance variable mais satisfaisant, ainsi que les résultats obtenus par la fusion de ces deux points de vue, qui permet l'obtention de taux de reconnaissance très performant.