Nous proposons une méthode supervisée de détection de chutes de personnes en temps réel, robusteaux changements de point de vue et d'environnement. La première partie consiste à rendredisponible en ligne une base de vidéos DSFD enregistrées dans quatre lieux différents et qui comporteun grand nombre d'annotations manuelles propices aux comparaisons de méthodes. Nousavons aussi défini une métrique d'évaluation qui permet d'évaluer la méthode en s'adaptant à la naturedu flux vidéo et la durée d'une chute, et en tenant compte des contraintes temps réel. Dans unsecond temps, nous avons procédé à la construction et l'évaluation des descripteurs spatio-temporelsSTHF, calculés à partir des attributs géométriques de la forme en mouvement dans la scène ainsique leurs transformations, pour définir le descripteur optimisé de chute après une méthode de sélectiond'attributs. La robustesse aux changements d'environnement a été évaluée en utilisant les SVMet le Boosting. On parvient à améliorer les performances par la mise à jour de l'apprentissage parl'intégration des vidéos sans chutes enregistrées dans l'environnement définitif. Enfin, nous avonsréalisé, une implantation de ce détecteur sur un système embarqué assimilable à une caméra intelligentebasée sur un composant SoC de type Zynq. Une démarche de type Adéquation AlgorithmeArchitecture a permis d'obtenir un bon compromis performance de classification/temps de traitement

Cette thèse est une collaboration entre le LAboratoire des Sciences et Matériaux pour l’Électronique et d’Automatique (LASMEA) de Clermont-Ferrand et le Laboratoire Vision et Ingénierie des Contenus (LVIC) du CEA LIST à Saclay. La première moitié de la thèse a été accomplie au sein de l’équipe ComSee (1) du LASMEA et la deuxième au LVIC. L’objectif de ces travaux est de concevoir un système de vidéo-assistance temps réel pour la détection d’évènements dans des scènes possiblement denses.La vidéosurveillance intelligente de scènes denses telles que des foules est particulièrement difficile, principalement à cause de leur complexité et de la grande quantité de données à traiter simultanément. Le but de cette thèse consiste à élaborer une méthode de détection d’évènements rares dans de telles scènes, observées depuis une caméra fixe. La méthode en question s’appuie sur l’analyse automatique de mouvement et ne nécessite aucune information à priori. Les mouvements nominaux sont déterminés grâce à un apprentissage statistique non supervisé. Les plus fréquemment observés sont considérés comme des évènements normaux. Une phase de classification permet ensuite de détecter les mouvements déviant trop du modèle statistique, pour les considérer comme anormaux. Cette approche est particulièrement adaptée aux lieux de déplacements structurés, tels que des scènes de couloirs ou de carrefours routiers. Aucune étape de calibration, de segmentation de l’image, de détection d’objets ou de suivi n’est nécessaire. Contrairement aux analyses de trajectoires d’objets suivis, le coût calculatoire de notre méthode est invariante au nombre de cibles présentes en même temps et fonctionne en temps réel. Notre système s’appuie sur une classification locale du mouvement de la scène, sans calibration préalable. Dans un premier temps, une caractérisation du mouvement est réalisée, soit par des méthodes classiques de flot optique, soit par des descripteurs spatio-temporels. Ainsi, nous proposons un nouveau descripteur spatio-temporel fondé sur la recherche d’une relation linéaire entre les gradients spatiaux et les gradients temporels en des zones où le mouvement est supposé uniforme. Tout comme les algorithmes de flot optique, ce descripteur s’appuie sur la contrainte d’illumination constante.Cependant en prenant en compte un voisinage temporel plus important, il permet une caractérisation du mouvement plus lisse et plus robuste au bruit. De plus, sa faible complexité calculatoire est bien adaptée aux applications temps réel. Nous proposons ensuite d’étudier différentes méthodes de classification : La première, statique, dans un traitement image par image, s’appuie sur une estimation bayésienne de la caractérisation du mouvement au travers d’une approche basée sur les fenêtres de Parzen. Cette nouvelle méthode est une variante parcimonieuse des fenêtres de Parzen. Nous montrons que cette approche est algorithmiquement efficace pour approximer de manière compacte et précise les densités de probabilité. La seconde méthode, basée sur les réseaux bayésiens, permet de modéliser la dynamique du mouvement. Au lieu de considérer ce dernier image par image, des séquences de mouvements sont analysées au travers de chaînes de Markov Cachées. Ajouté à cela, une autre contribution de ce manuscrit est de prendre en compte la modélisation du voisinage d’un bloc afin d’ajouter une cohérence spatiale à la propagation du mouvement. Ceci est réalisé par le biais de couplages de chaînes de Markov cachées.Ces différentes approches statistiques ont été évaluées sur des données synthétiques ainsi qu’en situations réelles, aussi bien pour la surveillance du trafic routier que pour la surveillance de foule.Cette phase d’évaluation permet de donner des premières conclusions encourageantes quant à la faisabilité de la vidéosurveillance intelligente d’espaces possiblement denses. / The automatic analysis of crowded areas in video sequences is particularly difficult because ofthe large amount of information to be processed simultaneously and the complexity of the scenes. We propose in this thesis a method for detecting abnormal events in possibly dense scenes observed from a static camera. The approach is based on the automatic classification of motion requiring no prior information. Motion patterns are encoded in an unsupervised learning framework in order to generate a statistical model of frequently observed (aka. normal) events. Then at the detection stage, motion patterns that deviate from the model are classified as unexpected events. The method is particularly adapted to scenes with structured movement with directional flow of objects or people such as corridors, roads, intersections. No camera calibration is needed, nor image segmentation, object detection and tracking. In contrast to approaches that rely on trajectory analysis of tracked objects, our method is independent of the number of targets and runs in real-time. Our system relies on a local classification of global scene movement. The local analysis is done on each blocks of a regular grid. We first introduce a new spatio-temporal local descriptor to characterize the movement efficiently. Assuming a locally uniform motion of space-time blocks of the image, our approach consists in determining whether there is a linear relationship between spatial gradients and temporal gradients. This spatio-temporal descriptor holds the Illumination constancy constraint like optical flow techniques, but it allows taking into account the spatial neighborhood and a temporal window by giving a smooth characterization of the motion, which makes it more robust to noise. In addition, its low computational complexity is suitable for real-time applications. Secondly, we present two different classification frameworks : The first approach is a static (frame by frame) classification approach based on a Bayesian characterization of the motion by using an approximation of the Parzen windowing method or Kernel Density Estimation (KDE) to model the probability density function of motion patterns.This new method is the sparse variant of the KDE (SKDE). We show that the SKDE is a very efficient algorithm giving compact representations and good approximations of the density functions. The second approach, based on Bayesian Networks, models the dynamics of the movement. Instead of considering motion patterns in each block independently, temporal sequences of motion patterns are learned by using Hidden Markov Models (HMM). The second proposed improvement consists in modeling the movement in one block by taking into account the observed motion in adjacent blocks. This is performed by the coupled HMM method. Evaluations were conducted to highlight the classification performance of the proposed methods,on both synthetic data and very challenging real video sequences captured by video surveillance cameras.These evaluations allow us to give first conclusions concerning automatic analyses of possibly crowded area.

Nous proposons une méthode supervisée de détection de chutes de personnes en temps réel, robusteaux changements de point de vue et d’environnement. La première partie consiste à rendredisponible en ligne une base de vidéos DSFD enregistrées dans quatre lieux différents et qui comporteun grand nombre d’annotations manuelles propices aux comparaisons de méthodes. Nousavons aussi défini une métrique d’évaluation qui permet d’évaluer la méthode en s’adaptant à la naturedu flux vidéo et la durée d’une chute, et en tenant compte des contraintes temps réel. Dans unsecond temps, nous avons procédé à la construction et l’évaluation des descripteurs spatio-temporelsSTHF, calculés à partir des attributs géométriques de la forme en mouvement dans la scène ainsique leurs transformations, pour définir le descripteur optimisé de chute après une méthode de sélectiond’attributs. La robustesse aux changements d’environnement a été évaluée en utilisant les SVMet le Boosting. On parvient à améliorer les performances par la mise à jour de l’apprentissage parl’intégration des vidéos sans chutes enregistrées dans l’environnement définitif. Enfin, nous avonsréalisé, une implantation de ce détecteur sur un système embarqué assimilable à une caméra intelligentebasée sur un composant SoC de type Zynq. Une démarche de type Adéquation AlgorithmeArchitecture a permis d’obtenir un bon compromis performance de classification/temps de traitement / We propose a supervised approach to detect falls in home environment adapted to location andpoint of view changes. First, we maid publicly available a realistic dataset, acquired in four differentlocations, containing a large number of manual annotation suitable for methods comparison. We alsodefined a new metric, adapted to real-time tasks, allowing to evaluate fall detection performance ina continuous video stream. Then, we build the initial spatio-temporal descriptor named STHF usingseveral combinations of transformations of geometrical features and an automatically optimised setof spatio-temporal descriptors thanks to an automatic feature selection step. We propose a realisticand pragmatic protocol which enables performance to be improved by updating the training in thecurrent location with normal activities records. Finally, we implemented the fall detection in Zynqbasedhardware platform similar to smart camera. An Algorithm-Architecture Adequacy step allowsa good trade-off between performance of classification and processing time

La technologie des réseaux de capteurs sans fil démontre qu'elle peut être très utile dans de nombreuses applications. Ainsi chaque jour voit émerger de nouvelles réalisations dans la surveillance de notre environnement comme la détection des feux de forêt, l'approvisionnement en eau. Les champs d'applications couvrent aussi des domaines émergents et sensibles pour la population avec les soins aux personnes âgées ou les patients récemment opérés dans le cadre. L'indépendance des architectures RCSFs par rapport aux infrastructures existantes permet aux d'être déployées dans presque tous les sites afin de fournir des informations temporelles et spatiales. Dans les déploiements opérationnels le bon fonctionnement de l'architecture des réseaux de capteurs sans fil ne peut être garanti que si certains défis sont surmontés. La minisation de l'énergie consommée en fait partie. La limitation de la durée de vie des nœuds de capteurs est fortement couplée à l'autonomie de la batterie et donc à l'optimisation énergétique des nœuds du réseau. Nous présenterons plusieurs propositions à ces problèmes dans le cadre de cette thèse. En résumé, les contributions qui ont été présentées dans cette thèse, abordent la durée de vie globale du réseau, l'exploitation des messages de données redondantes et corrélées et enfin le fonctionnement nœud lui-même. Les travaux ont conduit à la réalisation d'algorithmes de routage hiérarchiques et de filtrage permettant la suppression des redondances. Ils s'appuient sur les corrélations spatio-temporelles des données mesurées. Enfin, une implémentation de ce réseau de capteurs multi-sauts intégrant ces nouvelles fonctionnalités est proposée. / Wireless sensor networks (WSNs) technology have been demonstrated to be a usefulmeasurement system for numerous bath indoor and outdoor applications. There is avast amount of applications that are operating with WSN technology, such asenvironmental monitoring, for forest fire detection, weather forecasting, water supplies, etc. The independence nature of WSNs from the existing infrastructure. Virtually, the WSNs can be deployed in any sort of location, and provide the sensor samples accordingly in bath time and space. On the contrast, the manual deployments can only be achievable at a high cost-effective nature and involve significant work. ln real-world applications, the operation of wireless sensor networks can only be maintained, if certain challenges are overcome. The lifetime limitation of the distributed sensor nodes is amongst these challenges, in order to achieve the energy optimization. The propositions to the solution of these challenges have been an objective of this thesis. ln summary, the contributions which have been presented in this thesis, address the system lifetime, exploitation of redundant and correlated data messages, and then the sensor node in terms of usability. The considerations have led to the simple data redundancy and correlated algorithms based on hierarchical based clustering, yet efficient to tolerate bath the spatio-temporal redundancies and their correlations. Furthermore, a multihop sensor network for the implementation of propositions with more features, bath the analytical proofs and at the software level, have been proposed.

Le volume des données disponibles permettant de décrire l’environnement, en particulier l’atmosphère et les océans, s’est accru à un rythme exponentiel. Ces données regroupent des observations et des sorties de modèles numériques. Les observations (satellite, in situ, etc.) sont généralement précises mais sujettes à des erreurs de mesure et disponibles avec un échantillonnage spatio-temporel irrégulier qui rend leur exploitation directe difficile. L’amélioration de la compréhension des processus physiques associée à la plus grande capacité des ordinateurs ont permis des avancées importantes dans la qualité des modèles numériques. Les solutions obtenues ne sont cependant pas encore de qualité suffisante pour certaines applications et ces méthodes demeurent lourdes à mettre en œuvre. Filtrage et lissage (les méthodes d’assimilation de données séquentielles en pratique) sont développés pour abonder ces problèmes. Ils sont généralement formalisées sous la forme d’un modèle espace-état, dans lequel on distingue le modèle dynamique qui décrit l’évolution du processus physique (état), et le modèle d’observation qui décrit le lien entre le processus physique et les observations disponibles. Dans cette thèse, nous abordons trois problèmes liés à l’inférence statistique pour les modèles espace-états: reconstruction de l’état, estimation des paramètres et remplacement du modèle dynamique par un émulateur construit à partir de données. Pour le premier problème, nous introduirons tout d’abord un algorithme de lissage original qui combine les algorithmes Conditional Particle Filter (CPF) et Backward Simulation (BS). Cet algorithme CPF-BS permet une exploration efficace de l’état de la variable physique, en raffinant séquentiellement l’exploration autour des trajectoires qui respectent le mieux les contraintes du modèle dynamique et des observations. Nous montrerons sur plusieurs modèles jouets que, à temps de calcul égal, l’algorithme CPF-BS donne de meilleurs résultats que les autres CPF et l’algorithme EnKS stochastique qui est couramment utilisé dans les applications opérationnelles. Nous aborderons ensuite le problème de l’estimation des paramètres inconnus dans les modèles espace-état. L’algorithme le plus usuel en statistique pour estimer les paramètres d’un modèle espace-état est l’algorithme EM qui permet de calculer itérativement une approximation numérique des estimateurs du maximum de vraisemblance. Nous montrerons que les algorithmes EM et CPF-BS peuvent être combinés efficacement pour estimer les paramètres d’un modèle jouet. Pour certaines applications, le modèle dynamique est inconnu ou très coûteux à résoudre numériquement mais des observations ou des simulations sont disponibles. Il est alors possible de reconstruire l’état conditionnellement aux observations en utilisant des algorithmes de filtrage/lissage dans lesquels le modèle dynamique est remplacé par un émulateur statistique construit à partir des observations. Nous montrerons que les algorithmes EM et CPF-BS peuvent être adaptés dans ce cadre et permettent d’estimer de manière non-paramétrique le modèle dynamique de l’état à partir d'observations bruitées. Pour certaines applications, le modèle dynamique est inconnu ou très coûteux à résoudre numériquement mais des observations ou des simulations sont disponibles. Il est alors possible de reconstruire l’état conditionnellement aux observations en utilisant des algorithmes de filtrage/lissage dans lesquels le modèle dynamique est remplacé par un émulateur statistique construit à partir des observations. Nous montrerons que les algorithmes EM et CPF-BS peuvent être adaptés dans ce cadre et permettent d’estimer de manière non-paramétrique le modèle dynamique de l’état à partir d'observations bruitées. Enfin, les algorithmes proposés sont appliqués pour imputer les données de vent (produit par Météo France). / The amount of both observational and model-simulated data within the environmental, climate and ocean sciences has grown at an accelerating rate. Observational (e.g. satellite, in-situ...) data are generally accurate but still subject to observational errors and available with a complicated spatio-temporal sampling. Increasing computer power and understandings of physical processes have permitted to advance in models accuracy and resolution but purely model driven solutions may still not be accurate enough. Filtering and smoothing (or sequential data assimilation methods) have developed to tackle the issues. Their contexts are usually formalized under the form of a space-state model including the dynamical model which describes the evolution of the physical process (state), and the observation model which describes the link between the physical process and the available observations. In this thesis, we tackle three problems related to statistical inference for nonlinear state-space models: state reconstruction, parameter estimation and replacement of the dynamic model by an emulator constructed from data. For the first problem, we will introduce an original smoothing algorithm which combines the Conditional Particle Filter (CPF) and Backward Simulation (BS) algorithms. This CPF-BS algorithm allows for efficient exploration of the state of the physical variable, sequentially refining exploration around trajectories which best meet the constraints of the dynamic model and observations. We will show on several toy models that, at the same computation time, the CPF-BS algorithm gives better results than the other CPF algorithms and the stochastic EnKS algorithm which is commonly used in real applications. We will then discuss the problem of estimating unknown parameters in state-space models. The most common statistical algorithm for estimating the parameters of a space-state model is based on EM algorithm, which makes it possible to iteratively compute a numerical approximation of the maximum likelihood estimators. We will show that the EM and CPF-BS algorithms can be combined to effectively estimate the parameters in toy models. In some applications, the dynamical model is unknown or very expensive to solve numerically but observations or simulations are available. It is thence possible to reconstruct the state conditionally to the observations by using filtering/smoothing algorithms in which the dynamical model is replaced by a statistical emulator constructed from the observations. We will show that the EM and CPF-BS algorithms can be adapted in this framework and allow to provide non-parametric estimation of the dynamic model of the state from noisy observations. Finally the proposed algorithms are applied to impute wind data (produced by Méteo France).

Objectifs : La prévalence de chute chez les femmes âgées incontinentes est plus élevée que celle des femmes continentes. Une des hypothèses est qu'une envie pressante (EP) d’uriner pourrait altérer la marche. Les objectifs ont été d’étudier l’effet de l’EP sur la marche chez les femmes âgées continentes/incontinentes et de déterminer la relation entre la sévérité de l’incontinence et les paramètres de marche chez les participantes incontinentes. Méthode : Une étude pilote quasi-expérimentale a été menée auprès de deux groupes de femmes âgées en bonne santé vivant dans la communauté : continentes (n=17; âge: 74,1 ± 4,3) et incontinentes (incontinence urinaire (IU) d’urgence/IU mixte) (n=15; âge : 73,5 ± 5,9), ayant fait au minimum une chute au cours de la dernière année. Nous avons comparé et analysé les paramètres de marche pour chaque groupe et condition (EP/sans l’envie d’uriner). Résultats : Nous avons observé chez les deux groupes lors de l’EP une diminution de vitesse (p=0,05) et de largeur de pas (p=0,02). Lors de l’EP, l’incontinence plus sévère a été corrélée avec une diminution de vitesse (rs=-0,56, p=0,03) et une augmentation de la variabilité de la longueur de cycle de marche (rs=0,54, p=0,04). Sans l’envie d’uriner, l’incontinence plus sévère a été corrélée avec une diminution de vitesse (rs=-0,63, p=0,01), une augmentation du temps d’appui unipodal (rs=0,65, p=0.01) et de sa variabilité (rs=0,65, p=0,01). Conclusions : L’EP affecte la marche peu importe la présence ou non d’incontinence. La sévérité de l’IU est corrélée à des paramètres de marche qui constituent des risques de chute. / Aims: The fall rate in urinary incontinent (UI) older women is higher when compared that with continent women. One hypothesis is that a strong desire to void (SDV) could alter gait parameters and therefore increase the risk of falls. The aim of this study was to investigate and compare the effect of SDV on gait parameters in incontinent and continent older women who experienced falls. The secondary aim was to determine the relationship between UI severity and gait parameters in incontinent women. Methods: A quasi-experimental pilot study was conducted with two groups of healthy community-dwelling women who experienced at least one fall in the last year: continent (n=17; age: 74.1 ± 4.3) and urgency UI and mixed UI women (n=15; age: 73.5 ± 5.9). We recorded, analyzed and compared spatiotemporal gait parameters for participants in each group with both SDV and no desire to void condition. Results: Reduced velocity (p=0.05) and stride width (p=0.02) were observed in both groups with SDV. An increased incontinence severity was correlated with reduced velocity (rs=-0.56, p=0.03) and increased stride length variability (rs=0.54, p=0.04) in SDV condition. An increased incontinence severity was correlated with reduced velocity (rs=-0.63, p=0.01), increased stance time (rs=0.65, p=0.01) and stance time variability (rs=0.65, p=0.01) in no desire to void condition. Conclusions: SDV alter gait parameters regardless of continence status. Further, UI severity was correlated to gait parameters that constitute a risk of falling.

Avec le pixel pour alphabet, le signe pour vocabulaire, l'algorithmique pour grammaire et l'interactivité pour mode de lecture, nos langages dans l'écran sont fragmentés, mais pourtant présents peut-être comme jamais auparavant. Ils semblent s'inscrire sur une surface sans mémoire, à la manière des ardoises magiques de notre enfance...<br />Nos langages s'écrivent, se dessinent et se design(ent) : lettres et signes (indiciels, iconiques et symboliques) prennent place dans l'environnement changeant de l'écran, devenu aujourd'hui capable de se changer lui-même.<br /><br />Le design consiste à donner un champ esthétique en même temps qu'une forme plastique, et ergonomique à une chose. Cette chose peut-être un objet (un signe), un événement (une action), un espace (une interface) ou un jeu d'interaction (comportement). C'est l'art de la configuration des signes pensé dans un usage social. Le design tient un rôle central dans le champ de la création numérique. Il concerne maintenant le son, l'image fixe et animée, le texte, et les conditions même du dévoilement et de la présence des signes, soit l'interactivité. La question du design est celle de la technologie immiscée par effraction dans le champ de l'art. La technologie interroge et bouscule fortement la doxa comme la critique, la pratique artistique comme celle de la monstration.<br /><br />Nous reformulons l'activité du design avec le qualificatif de néo-design, marquant ainsi l'évolution de celui-ci par rapport aux pratiques pré-numériques. Nous rencontrons le terme de meta-design (LAB-au) et proposons celui de meta-signe, insistant sur le fait que le designer numérique produit aujourd'hui moins des représentations (images) que des systèmes capables de générer, organiser des agencements (interfaces) qui opèrent un environnement intelligent.<br /><br />Cet environnement est fait de nouveaux types de signes que nous avons génériquement nommés e-mouvants, soulignant la particularité associant l'électronique et le mouvant, pour rendre compte si besoin de ce nouveau champ du sensible. Ce qui a pour effet direct de ne plus pouvoir considérer la technologie seulement dans ses modes opératoires d'outils, mais de la considérer comme une production de l'esprit matérialisée et en actes.<br /><br />L'écran connecté au computer nous fait donc passer d'un régime de signes lié à la représentation à un régime lié à l'émergence et à l'expérience du monde. Nous passons progressivement à un environnement sémiotique, complexe et fortement interconnecté, autopoïétique. Cette transformation profonde de notre environnement symbolique peut désormais être abordée à travers ce que nous avons nommé une écologie de l'écran.<br /><br />C'est donc le système dans son entier qui porte et relaie l'opérabilité. Pourquoi ce terme ? Il a l'avantage de trouver son origine dans le mot œuvre (du latin opera). Opérer, c'est « être au travail, diriger un travail intellectuel » (« Robert électronique » 1992), mais c'est aussi mettre en œuvre, un travail par la pratique. L'opérateur est bien lié à l'œuvre, c'est celui qui œuvre, man-œuvre, ou œuvre avec ses mains en vue de réaliser certaines opérations. L'opérabilité en tant que ce qui peut être opéré, c'est-à-dire « accompli (une action), effectué (une transformation), par une suite ordonnée d'actes ou d'opérations » se constitue comme l'espace d'émergence d'un méta langage et dont la programmation est le mode d'écriture et dont l'action génère l'accomplissement.<br /><br />L'écran est le lieu et l'acteur d'un changement radical du paradigme espace-temps pour le lecteur comme pour l'auteur, au profit d'une triade systémique que nous avons nommée espace-temps-opérabilité dessinant en son centre le concept de praxis hypermédia. Cette dimension émerge dans le double mouvement de l'opérabilité de la machine calculante et de l'engagement du lecteur devenu un scripteur, c'est-à-dire un acteur-acté-actant.<br /><br />Cette praxis, dans le sens d'une activité qui unit l'action, l'intellection et l'expérience sensible dessine une éco-sémio-systémie, ou plus simplement une écologie des signes de l'écran. Elle inscrit de nouvelles modalités de saisie de nos univers symboliques où l'espace comme lieu et mémoire, le temps (boucle, ritournelle, temps suspendu) et la présence (contrôle, action, engagement) altèrent et revisitent profondément la notion d'espace-temps connue jusqu'ici.<br /><br />Ce qui a pu s'énoncer comme une praxis hypermédia fait reposer le récit sur de nouvelles bases. L'analyse de quelques œuvres a permis de proposer l'idée de l'e-narratif (narratif électronique) qui serait cette forme qu'il conviendrait d'appeler encore l'épi-narratif , comme l'épiphénomène électronique du narratif, venant augmenter le narratif tel que nous le connaissions jusqu'ici.<br /><br />L' e- narratif serait constitué d'au moins deux composantes :<br /><br />L'infra-narratif, qui opère des constructions de sens par le jeu complexe des signes e-mouvants dans l'environnement de l'écran agi. L'infra-narratif se situerait au niveau perception-réception des signes dynamiques en permettant à l'opérateur une construction du sens dynamique non liée à la succession temporelle narrative habituelle mais s'articulant plutôt sur un axe paradigmatique des signes en mouvement et selon un processus sémiotique dynamique, dans un temps de perception très court.<br />Le praxo-narratif, généré par l'action dans l'environnement processuel de l'écran et dans le temps d'une praxis peut être rapproché du l'« extra-noématique » d'Espen Aarseth. Ce qui le distingue du narratif est le caractère « agi » qui n'existe pas – sauf exception - comme tel dans les médias pré-numériques. Ce qui se produit de narratif dans la suite ou conséquence de l'action n'est peut-être pas encore déterminant pour le narratif mais l'est pour assurer l'engagement du lecteur comme acteur dans le dispositif. C'est à ce titre l'effectuation du mouvement d'identification du spectateur tel qu'il n'était pas effectué au cinéma, d'un dasein, ou d'une existence incarnée.

Ce travail concerne tout d'abord deux techniques originales de caractérisation monocoup d'impulsions lumineuses brèves. un autocorrélateur à deux photons à fibre optique à coeur liquide fluorescent est tout d'abord présenté. La seconde méthode, nommée SPIRIT, s'appuie sur l'interférométrie spectrale à décalage résolue temporellement sans référence. Elle met en oeuvre une étape interférométrique suivie d'une étape non-linéaire d'échantillonnage temporel tout optique. Une évolution bi-dimensionnelle de SPIRIT profitant des dimensions spectrale et temporelle et également démontrée.<br />La seconde partie de ce travail concerne une technique d'acheminement d'impulsions femtosecondes énergétiques par fibre optique en vue d'une application à l'endomicroscopie non-linéaire. La mise en forme temporelle et spectrale du signal permet de pré-compenser la dipersion chromatique et l'automodulation de phase se produisant dans la fibre endoscopique constituée d'un faisceau de milliers de fibres optiques. L'endomicroscope non-linéaire a permis l'enregistrement d'images bi-photoniques de cellules de colon humain pour une puissance moyenne faible.

Les systèmes de géolocalisation permettent la surveillance en temps réel des déplacements d'objets mobiles. Aujourd'hui, les données produites par ces capteurs sont reçues et stockées dans des bases de données spatio-temporelles. Un processus de fouille de données appliqué sur ces bases de données spatio-temporelles permet d'extraire le comportement des objets mobiles (patrons spatio-temporels) et d'analyser en temps réel les trajectoires d'objets mobiles suivant un même itinéraire. En utilisant ces modèles, des situations inhabituelles peuvent être détectés. Cette thèse définit à la fois des patrons spatio-temporels ainsi que des outils de comparaison et de qualification de trajectoires en utilisant un indice de similarité basée sur des mesures spatiales et temporelles et la logique floue. Ces outils peuvent être utilisés pour faciliter la surveillance du trafic maritime.

Ce travail porte sur les séries spatiales. On étudie les phénomènes dont l’observation est un processus aléatoire indexé par un ensemble spatial. Dans cette thèse on s’intéresse aux données bidimensionnelles régulièrement dispersées dans l’espace, on travaille alors dans un rectangle régulier (sur Z2) . Cette modélisation vise donc à construire des représentations des systèmes suivant leurs dimensions spatiales et à ses applications dans de nombreux domaines tels que la météorologie, l’océanographie, l’agronomie, la géologie, l’épidémiologie, ou encore l’économétrie etc. La modélisation spatiale permet d’aborder la question importante de la prédiction de la valeur d’un champ aléatoire en un endroit donné d’une région. On suppose que la valeur à prédire dépend des observations dans les régions voisines. Ceci montre la nécessité de tenir compte, en plus de leurs caractéristiques statistiques, des relations de dépendance spatiale entre localisations voisines, pour rendre compte de l’ensemble des structures inhérentes aux données. Dans la plupart des champs d’applications, on est souvent confronté du fait que l’une des sources majeures de fluctuations est la saisonnalité. Dans nos travaux on s’intéresse particulièrement à ce phénomène de saisonnalité dans les données spatiales. Faire une modélisation mathématique en tenant en compte l’interaction spatiale des différents points ou localités d’une zone entière serait un apport considérable. En effet un traitement statistique qui prendrait en compte cet aspect et l’intègre de façon adéquat peut corriger une perte d’information, des erreurs de prédictions, des estimations non convergentes et non efficaces. / This thesis focuses on the time series in addition to being observed over time, also have a spatial component. By definition, a spatiotemporal phenomenon is a phenomenon which involves a change in space and time. The spatiotemporal model-ling therefore aims to construct representations of systems taking into account their spatial and temporal dimensions. It has applications in many fields such as meteorology, oceanography, agronomy, geology, epidemiology, image processing or econometrics etc. It allows them to address the important issue of predicting the value of a random field at a given location in a region. Assume that the value depends predict observations in neighbouring regions. This shows the need to consider, in addition to their statistical characteristics, relations of spatial dependence between neighbouring locations, to account for all the inherent data structures. In the exploration of spatiotemporal data, refinement of time series models is to explicitly incorporate the systematic dependencies between observations for a given region, as well as dependencies of a region with neighboring regions. In this context, the class of spatial models called spatiotemporal auto-regressive models (Space-Time Autoregressive models) or STAR was introduced in the early 1970s. It will then be generalized as GSTAR model (Generalized Space-Time Autoregressive models). In most fields of applications, one is often confronted by the fact that one of the major sources of fluctuations is seasonality. In our work we are particularly interested in the phenomenon of seasonality in spatiotemporal data. We develop a new class of models and investigates the properties and estimation methods. Make a mathematical model taking into account the spatial inter-action of different points or locations of an entire area would be a significant contribution. Indeed, a statistical treatment that takes into account this aspect and integrates appropriate way can correct a loss of information, errors in predictions, non-convergent and inefficient estimates.