Les travaux présentés dans cette thèse ont pour cadre la vision par ordinateur et concernent la détection et le suivi de piéton se trouvant sur la trajectoire d'un véhicule routier circulant en milieu urbain. Dans ce type d'environnement complexe, une des difficultés majeurs est la capacité à discerner les piétons des nombreux autres obstacles situés sur la chaussée. Un autre point essentiel est de pouvoir les suivre afin de prédire leur déplacement et ainsi le cas échéant éviter le contact avec le véhicule. D'autres contraintes s'ajoutent dans le contexte industriel des véhicules routiers intelligents. Il est nécessaire de proposer des algorithmes robustes temps réel avec des capteurs les moins chers possible

L'électroencéphalogramme (EEG) est un examen incontournable pour le diagnostic, la définition des structures cérébrales responsables de l'origine de crises et la classification des épilepsies. Cependant les enregistrements recueillis à la surface du scalp sont très perturbés par des artefacts et du bruit, ce qui complique considérablement l'interprétation clinique ou l'analyse automatique. Ce travail a pour objectif d'extraire des descripteurs des signaux d'EEG de surface qui peuvent conduire à la caractérisation de la dynamique spatio-temporelle des crises partielles du lobe temporal. Les estimateurs de relations inter-voies appliqués sont les méthodes linéaires paramétriques symétriques et non symétriques telles que l'inter-spectre (S), la cohérence (C), la Directed Transfert Function (DTF) ou la Partial Directed Coherence (PDC). Les relations sont estimées sur des EEG réels contenant une crise. La détection de fortes relations inter-voies est exploitée pour latéraliser puis caractériser la crise. Toutes les méthodes sont appliquées sur des signaux EEG bruts et prétraités. Une étape de prétraitement basée sur la séparation et classification de sources et le débruitage est mise en oeuvre afin d'éliminer les artefacts et le bruit avec une perte minimale d'information en diminuant le risque de fausses détections de relations de connectivité inter-signaux. Les résultats obtenus sur 51 crises montrent que le prétraitement améliore la détection et le taux de bonnes latéralisations. Une méthode de couplage entre l'IS et les méthodes paramétriques directives (PDC et DTF) permet d'améliorer la caractérisation des crises.

L’électroencéphalogramme (EEG) est un examen incontournable pour le diagnostic, la définition des structures cérébrales responsables de l’origine de crises et la classification des épilepsies. Cependant les enregistrements recueillis à la surface du scalp sont très perturbés par des artefacts et du bruit, ce qui complique considérablement l’interprétation clinique ou l’analyse automatique.Ce travail a pour objectif d’extraire des descripteurs des signaux d’EEG de surface qui peuvent conduire à la caractérisation de la dynamique spatio-temporelle des crises partielles du lobe temporal. Les estimateurs de relations inter-voies appliqués sont les méthodes linéaires paramétriques symétriques et non symétriques telles que l’inter-spectre (S), la cohérence (C), la Directed Transfert Function (DTF) ou la Partial Directed Coherence (PDC). Les relations sont estimées sur des EEG réels contenant une crise. La détection de fortes relations inter-voies est exploitée pour latéraliser puis caractériser la crise. Toutes les méthodes sont appliquées sur des signaux EEG bruts et prétraités. Une étape de prétraitement basée sur la séparation et classification de sources et le débruitage est mise en œuvre afin d’éliminer les artefacts et le bruit avec une perte minimale d’information en diminuant le risque de fausses détections de relations de connectivité inter-signaux. Les résultats obtenus sur 51 crises montrent que le prétraitement améliore la détection et le taux de bonnes latéralisations. Une méthode de couplage entre l’IS et les méthodes paramétriques directives (PDC et DTF) permet d’améliorer la caractérisation des crises / The electroencephalogram (EEG) is the essential clinical examination for the diagnosis, the definition of brain structures responsible of seizures and epilepsy classification. However, the signals collected on the surface of the scalp are very disturbed by artifacts and noise, which complicates the clinical interpretation or the automatic analysis. This work aims to extract descriptors of surface EEG signals that can lead to the spatio-temporal characterization of the temporal lobe seizures. The inter-channel relationship estimators applied are parametric linear methods, such as cross-spectrum (S), coherence (C), Directed Transfer Function (DTF) or Partial Directed Coherence (PDC). Relations are estimated on real EEG recordings containing a crisis. The detection of strong inter-channel relationships is exploited in order to lateralize and to characterize seizures. All methods are applied to raw and preprocessed EEG signals. A preprocessing step, based on the separation and classification of sources and denoising is implemented to remove artifacts and noise with a minimal loss of information by reducing the risk of false detections of inter-signal connectivity relationships. The results on 51 crises show that a signal preprocessing improves the detection and the rate of correct lateralization. A coupling method between S and directivity parametric methods (PDC and DTF) improves the characterization of crises

Cette étude vise à mettre en lumière les différences et similarités existant entre les principales crises économiques et financières ayant frappé un échantillon de 21 pays avancés depuis 1981. Nous analyserons plus particulièrement la crise des subprimes que nous rapprocherons avec des épisodes antérieurs. Nous étudierons à la fois les années du déclenchement des turbulences (analyse typologique) ainsi que celles les précédant (prévision). Cette analyse sera fondée sur l’utilisation de la méthode CART (Classification And Regression Trees). Cette technique non linéaire et non paramétrique permet de prendre en compte les effets de seuil et les interactions entre variables explicatives de façon à révéler plusieurs contextes distincts explicatifs d’un même événement. Dans le cadre d‘un modèle de prévision, l’analyse des années précédant les crises nous indique que les variables à surveiller sont : la variation et la volatilité du cours de l’once d’or, le déficit du compte courant en pourcentage du PIB et la variation de l’openness ratio et enfin la variation et la volatilité du taux de change. Dans le cadre de l’analyse typologique, l’étude des différentes variétés de crise (année du déclenchement de la crise) nous permettra d’identifier deux principaux types de turbulence d’un point de vue empirique. En premier lieu, nous retiendrons les crises globales caractérisées par un fort ralentissement ou une baisse de l’activité aux Etats-Unis et une faible croissance du PIB dans les pays touchés. D’autre part, nous mettrons en évidence des crises idiosyncratiques propres à un pays donné et caractérisées par une inflation et une volatilité du taux de change élevées. / The aim of this thesis is to analyze, from an empirical point of view, both the different varieties of economic and financial crises (typological analysis) and the context’s characteristics, which could be associated with a likely occurrence of such events. Consequently, we analyze both: years seeing a crisis occurring and years preceding such events (leading contexts analysis, forecasting). This study contributes to the empirical literature by focusing exclusively on the crises in advanced economies over the last 30 years, by considering several theoretical types of crises and by taking into account a large number of both economic and financial explanatory variables. As part of this research, we also analyze stylized facts related to the 2007/2008 subprimes turmoil and our ability to foresee crises from an epistemological perspective. Our empirical results are based on the use of binary classification trees through CART (Classification And Regression Trees) methodology. This nonparametric and nonlinear statistical technique allows us to manage large data set and is suitable to identify threshold effects and complex interactions among variables. Furthermore, this methodology leads to characterize crises (or context preceding a crisis) by several distinct sets of independent variables. Thus, we identify as leading indicators of economic and financial crises: variation and volatility of both gold prices and nominal exchange rates, as well as current account balance (as % of GDP) and change in openness ratio. Regarding the typological analysis, we figure out two main different empirical varieties of crises. First, we highlight « global type » crises characterized by a slowdown in US economic activity (stressing the role and influence of the USA in global economic conditions) and low GDP growth in the countries affected by the turmoil. Second, we find that country-specific high level of both inflation and exchange rates volatility could be considered as evidence of « idiosyncratic type » crises.