Dissertations / Theses on the topic 'Locomotion – Informatique'

Evolutionary robotics mainly focused on evolving neural controllers that are structurally and parametrically fixed, for the control of robots that can roll, walk, swim or fly. This approach led to the design of controllers that are well adapted to constant environments, but not adaptive to varying conditions. To tackle this issue, some researchers suggest to evolve plastic, rather than fixed, neural controllers. Our work follows this way and aims to design plastic neural controllers for legged robots subject to external perturbations, as well as possible mechanical damages. First, we propose a review of the main known forms of neuronal plasticity and their modeling. This review is mostly intended to the roboticists audience. Then, we draw a state of the art of evolving plastic neural controllers and criticize the biological realism of the developed models. On this background, we provide a first contribution centered on thedilemma of evolving both flexible and stable neural controllers. Thus,we suggest to use homeostatic constraints to stabilize CTRNNs incorporating adaptive synapses. We applied this method with success to the locomotion of a one-legged robot, confronted to an external perturbation. Finally, we present a second work based on the knowledge acquired on the biological central pattern generators (CPG) and their plasticity. In practice, we evolve neural relaxation oscillators subject to neuromodulation, for the adaptive locomotion of a modular myriapod robot, that could experience leg amputations
Les recherches menées en robotique évolutionniste se sont avant tout focalisées sur l'évolution de contrôleurs neuronaux structurellement et paramétriquement figés, pour la locomotion de robots qui roulent, marchent, nagent ou volent. Cette démarche a permis la conception de contrôleurs bien adaptés à des environnements constants, mais non adaptatifs aux variations de ceux-ci. Pour y remédier, certains roboticiens ont suggéré de faire évoluer des neuro-contrôleurs non plus figés, mais plastiques. Notre approche s'inscrit dans ce revirement et vise à ce que les robots à pattes puissent adapter leur locomotion aussi bien aux perturbations extérieures, qu'aux éventuelles détériorations de leurs structures mécaniques. Nous proposons en premier lieu une revue des phénomènes de plasticiténeuronale et de leur modélisation, destinée essentiellement aux roboticiens. Nous dressons ensuite un état de l'art de l'évolution de neuro-contrôleurs plastiques et critiquons la plausibilité biologique des modèles développés. Notre première contribution s'inspire des travaux de la robotique évolutionniste et aborde le dilemme de l'évolution de contrôleurs à la fois flexibles et stables. Ainsi, nous employons des contraintes homéostatiques pour stabiliser la plasticité de contrôleurs assurant la locomotion d'un robot monopode confronté à une perturbation freinant son avancée. Notre deuxième contribution s'inspire des connaissances acquises sur les générateurs centraux de pattern (CPG) et leur plasticité. Ainsi,nous proposons l'évolution d'oscillateurs à relaxation soumis à neuromodulation pour la locomotion adaptative d'un robot myriapode confronté à d'éventuelles amputations de pattes

Ce mémoire présente le développement de l’architecture et des algorithmes de commande d’une interface de locomotion utilisant un mécanisme parallèle à câbles. Cette interface de locomotion permet d’améliorer l’expérience de la réalité virtuelle en recréant la topologie du monde virtuel. Tout d’abord, une revue de littérature sur les interfaces de locomotion est présentée. Par la suite, l’architecture globale du système est présentée. Les définitions de base sous-jacentes à la compréhension des algorithmes de commande ainsi que l’analyse cinématique du mécanisme sont ensuite présentées. L’architecture logicielle et les algorithmes de commande sont enfin présentés. Des améliorations au point de vue des mécanismes à câbles sont aussi présentées. Ces améliorations permettent d’améliorer la précision de la commande en position des mécanismes à câbles. Enfin, les résultats présentent l’aboutissement des travaux en montrant le fonctionnement d’un prototype à trois degrés de liberté de l’interface de locomotion réalisé.
Québec Université Laval, Bibliothèque 2019

Les travaux décrits dans ce mémoire présentent une étude du couplage perception-locomotion applicables à des robots quadrupèdes. L'objectif principal est l'augmentation de l'autonomie du robot pour aboutir à l'adaptation de la locomotion en fonction du terrain et de son environnement. Dans une première partie nous nous intéressons à la perception visuelle du robot et particulièrement à la détection d'objets colorés à partir d'une seule caméra. Nous présentons ensuite les développements effectués pour la détection embarquée de segments dans l'environnement avec, pour objectif de repérer les traces au sol des obstacles de manière autonome. Les primitives obtenues à partir du système de vision adapté à la robotique permettent la localisation du robot, dans un premier temps relative par rapport aux lignes détectées, puis absolue dans un environnement semi-connu. La partie expérimentale utilise des plateformes robotiques quadrupèdes Sony et se concentre sur la mise en oeuvre de comportements autonomes comme le suivi d'une ligne au sol ou le positionnement du robot par rapport à un obstacle polygonal à des fins de contournement ou de franchissement
This thesis presents a survey of perception-driven legged locomotion for robotics use. This research focuses on increasing the autonomy of the robot so it can adapt its gait according to the ground and the environment. In the first part, we present the visual perception system including colored object detection with a single video-camera. The perception system also incorporates different line detection algorithms, in order to get polygonal maps of the obstacles on the ground. Visual primitives are then used to localise the robot in a structured environment with respect to a segment and within an absolute reference frame. The experimental part is conducted on Sony quadruped robots and aims to implement autonomous behaviours such as line following or positionning relatively to polygonal shapes to cross or avoid obstacles

Dans cette thèse nous proposons une modèl nonlinéaire du système vestibulaire. Le système vestibulaire est essentiel pour locomotion stable à fin qu'il fournit les mesures idiothétiques d'orientation spatial necessaire pour contrôle de la posture. Development du model est baseé sur les principes generals de dynamique Newton-Euler. Les otolithes du système vestibulaire sont modelisé comme pendule sphérique amortie, qui oscille en référentiel non galiléen. Deux types du modèl ont été proposées. Le modèl medial consideers une oreille interne qui se trouve dans le centre de la tête. Le modèl lateral deux oreille interne qui sont situés des deux côté lateral du centre de la tête. Les differences entre les modèls ont été analysé et l'importance d'avoir deux ensembles d'organes vestibulaires ont été discuté. Test algebraic d'observabilité nonlinéaire des models a demonstré que pour avoir l'orientation spatial de la tête observable la tête doit être stabilisée pendant locomotion. Nous avons montré que le problèm d'ambiguïté gravito-inertiel peut être résolu si la tête est stabilisé horizontalement. Ces résultats ont été appliqués pour estimer la verticalité gravitationnelle lors de la locomotion dans les cas linéarisées et non linéaire. Ces résultats ont été appliqués pour estimer la verticalité gravitationnelle pendant locomotion dans les cas linéarisées et non linéaire. Les resultats des simulations ont montré que les erreurs d'estimation ont été significativement plus faible dans le cas de la tête stabilisée. Les estimateurs étaient plus rapides et plus robustes lorsque la tête a été stabilisée. Ensuite, les résultats ont été testés avec le système expérimental, qui a été spécialement conçu pour représenter le système tête-cou et les organes vestibulaires. L'inclinomètre utilisant un liquide a été exploité pour représenter les functions d'otolithes. Les résultats présentés dans cette thèse sont utiles pour l'analyse de la perception spatiale chez les humains et les animaux, et pour améliorer les capacités sensorielles des systèmes robotiques, tels que les robots humanoïdes, véhicules tout terrain, ou des drones.

Determination et optimisation d'un systeme de locomotion de robot a partir des conditions de fonctionnement imposees a ce vehicule. L'ebauche d'une methode d'analyse cinematique parametree est proposee. Les equations cinematiques sont obtenues par analogie entre le probleme de la prehension et la manipulation d'objets et celui de la locomotion

Cette thèse porte sur la réalisation des tâches avec la locomotion sur des robots humanoïdes. Grâce à leurs nombreux degrés de liberté, ces robots possèdent un très haut niveau de redondance. D'autre part, les humanoïdes sont sous-actionnés dans le sens où la position et l'orientation ne sont pas directement contrôlées par un moteur. Ces deux aspects, le plus souvent étudiés séparément dans la littérature, sont envisagés ici dans un même cadre. En outre, la génération d'un mouvement complexe impliquant à la fois des tâches de manipulation et de locomotion, étudiée habituellement sous l'angle de la planification de mouvement, est abordée ici dans sa composante réactivité temps réel. En divisant le processus d'optimisation en deux étapes, un contrôleur basé sur la notion de pile de tâches permet l'adaptation temps réel des empreintes de pas planifiées dans la première étape. Un module de perception est également conçu pour créer une boucle fermée de perception-décision-action. Cette architecture combinant planification et réactivité est validée sur le robot HRP-2. Deux classes d'expériences sont menées. Dans un cas, le robot doit saisir un objet éloigné, posé sur une table ou sur le sol. Dans l'autre, le robot doit franchir un obstacle. Dans les deux cas, les condition d'exécution sont mises à jour en temps réel pour faire face à la dynamique de l'environnement : changement de position de l'objet à saisir ou de l'obstacle à franchir.

Le contexte de la thèse est celui du quantified-self, un mouvement né en Californie qui consiste à mieux se connaître en mesurant les données relatives à son corps et à ses activités. Les travaux de recherche ont consisté à développer des algorithmes d'analyse des signaux d'un capteur IMU (\textit{Inertial Measurement Unit}) placé sur la jambe pour reconnaître différentes activités de mouvement telles que la marche, la course, la montée d’escalier.... Ces activités sont reconnaissables grâce à la forme des signaux d'accélération et de vitesse angulaire du capteur, tous triaxiaux, pendant le mouvement des jambes lors du cycle de marche. Pour résoudre ce problème de reconnaissance, les travaux de thèse ont permis la construction d'un modèle de chaîne de Markov cachée particulier, appelé chaîne triplet semi-Markov, qui combine un modèle semi-Markov et un modèle de mélange gaussien dans un modèle de Markov triplet. Ce nouveau modèle est adapté à la fois à la nature du cycle de marche et à l'enchaînement des activités que l’on peut réaliser dans la vie quotidienne. Pour adapter les paramètres du modèle aux différences de morphologie et de comportement humain, nous avons développé des algorithmes d'estimation des paramètres en ligne et hors ligne.Pour établir les performances d'apprentissage et de classification des algorithmes, nous avons mené des expériences sur la base d'enregistrements recueillis pendant la thèse et d'un ensemble de données publiques. Les résultats sont systématiquement comparés aux algorithmes de reconnaissance actuels
The thesis context is that of the quantified self, a movement born in California that consists in getting to know oneself better by measuring data relating to one’s body and activities. The research work consisted in developing algorithms for analyzing signals from an IMU (Inertial Measurement Unit) sensor placed on the leg to recognize different movement activities such as walking, running, stair climbing... These activities are recognizable by the shape of the sensor’s acceleration and angular velocity signals, both tri-axial, during leg movement and gait cycle.To address the recognition problem, the thesis work resulted in the construction of a particular hidden Markov chain, called semi-triplet Markov chain, which combines a semi-Markov model and a Gaussian mixture model in a triplet Markov model. This model is both adapted to the nature of the gait cycle, and to the sequence of activities as it can be carried out in daily life. To adapt the model parameters to the differences in human morphology and behavior, we have developed algorithms for estimating parameters both off-line and on-line.To establish the classification and learning performance of the algorithms, we conducted experiments on the basis of recordings collected during the thesis and on public dataset. The results are systematically compared with state-of-the-art algorithms

L'estimation en robotique est un sujet important affecté par les compromis entre certains critères majeurs parmi lesquels nous pouvons citer le temps de calcul et la précision. L'importance de ces deux critères dépend de l'application. Si le temps de calcul n'est pas important pour les méthodes hors ligne, il devient critique lorsque l'application doit s'exécuter en temps réel. De même, les exigences de précision dépendent des applications. Les estimateurs EKF sont largement utilisés pour satisfaire les contraintes en temps réel tout en obtenant une estimation avec des précisions acceptables. Les centrales inertielles (Inertial Measurement Unit - IMU) demeurent des capteurs répandus dnas les problèmes d'estimation de trajectoire. Ces capteurs ont par ailleurs la particularité de fournir des données à une fréquence élevée. La principale contribution de cette thèses est une présentation claire de la méthode de préintégration donnant lieu à une meilleure utilisation des centrales inertielles. Nous appliquons cette méthode aux problèmes d'estimation dans les cas de la navigation piétonne et celle des robots humanoïdes. Nous souhaitons par ailleurs montrer que l'estimation en temps réel à l'aide d'une centrale inertielle à faible coût est possible avec des méthodes d'optimisation tout en formulant les problèmes à l'aide d'un modèle graphique bien que ces méthodes soient réputées pour leurs coûts élevés en terme de calculs. Nous étudions également la calibration des centrales inertielles, une étape qui demeure critique pour leurs utilisations. Les travaux réalisés au cours de cette thèse ont été pensés en gardant comme perspective à moyen terme le SLAM visuel-inertiel. De plus, ce travail aborde une autre question concernant les robots à jambes. Contrairement à leur architecture habituelle, pourrions-nous utiliser plusieurs centrales inertielles à faible coût sur le robot pour obtenir des informations précieuses sur le mouvement en cours d'exécution ?
Estimation in robotics is an important subject affected by trade-offs between some major critera from which we can cite the computation time and the accuracy. The importance of these two criteria are application-dependent. If the computation time is not important for off-line methods, it becomes critical when the application has to run on real-time. Similarly, accuracy requirements are dependant on the applications. EKF estimators are widely used to satisfy real-time constraints while achieving acceptable accuracies. One sensor widely used in trajectory estimation problems remains the inertial measurement units (IMUs) providing data at a high rate. The main contribution of this thesis is a clear presentation of the preintegration theory yielding in a better use IMUs. We apply this method for estimation problems in both pedestrian and humanoid robots navigation to show that real-time estimation using a low- cost IMU is possible with smoothing methods while formulating the problems with a factor graph. We also investigate the calibration of the IMUs as it is a critical part of those sensors. All the development made during this thesis was thought with a visual-inertial SLAM background as a mid-term perspective. Firthermore, this work tries to rise another question when it comes to legged robots. In opposition to their usual architecture, could we use multiple low- cost IMUs on the robot to get valuable information about the motion being executed?

Dans cette these, notre objectif methodologique consiste a contribuer a la mise en place de nouvelles techniques d'extraction de connaissances a partir de donnees (ecd). Parmi les methodes d'ecd, nous nous interessons plus particulierement a celles basees sur les graphes d'induction. Notre contribution methodologique est double. D'une part, nous souhaitons proposer une methode d'ecd capable de manipuler simultanement des donnees numeriques et symboliques. Notre contribution porte sur une meilleure prise en compte des donnees numeriques dans les graphes d'induction avec la constitution d'un nouvel algorithme de discretisation, baptise fusinter. Les resultats obtenus par fusinter sont compares a ceux obtenus par d'autres techniques. Nous discutons egalement de l'evaluation, avant toute discretisation, de la separabilite des exemples selon les classes, par le test non parametrique des sequences de a. Mood. D'autre part, pour alimenter la base de connaissances d'un systeme expert ou pour ameliorer la comprehension d'un probleme, nous souhaitons generer, a partir d'une methode d'ecd, des connaissances exprimees sous forme de regles claires et concises. Suite aux problemes engendres par cette generation, nous nous posons le probleme de la simplification d'une base de regles. En reponse aux limites des differentes approches de simplification, nous introduisons notre propre algorithme qui permet d'eliminer les informations redondantes et incoherentes pour obtenir une base optimale avec des regles en faible nombre et concises. Dans le cadre d'un projet medical, des medecins nous ont soumis un probleme concernant la caracterisation de la marche dans le but de la constitution d'un systeme d'identification automatique du type de marche. Notre objectif dans le cadre de cette application est de mettre en evidence les parametres de certaines boiteries. Nous posons comme hypothese que le deplacement du centre du bassin constitue un resume de la marche et est sensible a ses perturbations. Nous decrivons la trajectoire du centre du bassin par des parametres spatiaux et temporels. Parmi ces parametres descriptifs, nous souhaitons trouver ceux caracteristiques des differents types de marche. Ce projet comporte un probleme d'ecd avec la determination des regles de diagnostic des differents types de marche. Par consequent, nous utilisons comme methodes d'ecd, des methodes d'origine statistique, neuronale, genetique, symbolique ou a base de graphe d'induction. Une comparaison des resultats de ces methodes montre que les graphes d'induction, et notamment la methode sipina generalisee a l'aide de nos developpements theoriques, presentent un compromis satisfaisant entre les exigences d'explicabilite et d'efficacite. La methode sipina nous permet de mettre en evidence les parametres caracteristiques des differentes demarches. Des resultats interessants nous encouragent a valider les regles de diagnostic obtenues, avant de pouvoir mettre en place le systeme d'identification automatique.

Récemment, le développement de solutions automatiques et intelligentes pour la compréhension du contenu des vidéos et plus particulièrement pour l’analyse spatio-temporelle des mouvements Humains est au cœur de plusieurs domaines de recherche tels que les vidéos surveillances, les interactions Homme-Machine et la rééducation. Dans ce projet de thèse, nous proposons de procéder à l’analyse et la reconnaissance de la démarche en 3D qui est aussi un domaine de recherche actif en biométrie comportementale grâce au caractère non-invasif (aucune coopération de l’utilisateur), convivial (user-friendly) et bon marché de la démarche. Cette dernière a suscité plus d’intérêt avec la démocratisation de caméras de profondeurs bon marché (e.g., la Kinect), capables d’estimer en temps réel et de manière relativement précise les squelettes 3D et leurs mouvements, quand la personne est dans le champ de vue du capteur. Mais ces données squelettiques souffrent de la variabilité temporelle et spatiale. Pour faire face à ces verrous, nous proposons des nouvelles approches à partir de données squelettiques 3D où une séquence est d’abord représentée sur l’espace de formes de Kendall S par une trajectoire paramétrée par le temps. Les variabilités liées à l’échelle, la translation et la rotation sont ainsi filtrées. Cependant, vu la structure sphérique (non-linéaire) de la variété S, il n’est pas possible d’appliquer des techniques d’apprentissage automatique conventionnelle directement. C’est pourquoi nous avons eu recours à quelques outils de la géométrie riemannienne pour gérer le problème de non-linéarité. Notre première contribution présente une adaptation de l’Analyse en Composantes Principales Fonctionnelle (ACP fonctionnelle), qui tient compte de la nonlinéarité de l’espace de Kendall S. A l’issue de l’étape d’apprentissage, une nouvelle base de trajectoires principales, i.e., fonctions principales, est constituée. Étant donné une nouvelle trajectoire, elle est projetée sur cette nouvelle base avant d’être classée par une Machine à Vecteurs de Support (SVM). Les résultats expérimentaux sur différentes bases de données sont très compétitifs comparés à la littérature avec en plus une signature plus compacte et plus robuste. De plus, motivés par la puissance des réseaux de neurones et de l’apprentissage profond (Deep Learning), nous proposons, en deuxième méthode, un autoencodeur convolutif profond à caractère géométrique puisqu’il analyse les trajectoires de formes précédemment citées tout en tenant compte de la structure géométrique de notre espace de représentation. En fait, des étapes géométriques assurent que ces trajectoires peuvent être transmises à l’autoencodeur convolutif pour aboutir à une représentation compacte et discriminante permettant une bonne identification des personnes, et ce sans avoir recours à aucune technique d’alignement (e.g., DTW) ni de modélisation temporelle (e.g., HMM, RNN). Les résultats obtenus sur plusieurs bases publiques sont prometteurs par application à la reconnaissance de la démarche en 3D
In the field of Computer Vision and Pattern Recognition, human behavior understanding has attracted the attention of several research groups and specialized companies. Successful intelligent solutions will be playing an important role in applications which involve humanrobot or human-computer interaction, biometrics recognition (security), and physical performance assessment (healthcare and well-being) since it will help the human beings were their cognitive and limited capabilities cannot perform well. In my thesis project, we investigate the problem of 3D gait recognition and analysis as gait is user-friendly and a well-accepted technology especially with the availability of RGB-D sensors and algorithms for detecting and tracking of human landmarks in video streams. Unlike other biometrics such as fingerprints, face or iris, it can be acquired at a large distance and do not require any collaboration of the end user. This point makes gait recognition suitable in intelligent video surveillance problems used, for example, in the security field as one of the behavioral biometrics or in healthcare as good physical patterns. However, using 3D human body tracked landmarks to provide such motions’ analysis faces many challenges like spatial and temporal variations and high dimension. Hence, in this thesis, we propose novel frameworks to infer 3D skeletal sequences for the purpose of 3D gait analysis and recognition. They are based on viewing the above-cited sequences as time-parameterized trajectories on the Kendall shape space S, results of modding out shape-preserving transformations, i.e., scaling, translation and rotation. Considering the non-linear structure of the manifold on which these shape trajectories are lying, the use of the conventional machine learning tools and the standard computational tools cannot be straightforward. Hence, we make use of geometric steps related to the Riemannian geometry in order to handle the problem of nonlinearity. Our first contribution is a geometric-functional framework for 3D gait analysis with a direct application to behavioral biometric recognition and physical performance assessment. We opt for an extension of the functional Principal Component Analysis to the underlying space. This functional analysis of trajectories, grounding on the geometry of the space of representation, allows to extract compact and efficient biometric signatures. In addition, we also propose a geometric deep convolutional auto-encoder (DCAE) for the purpose of gait recognition from time-varying 3D skeletal data. To accommodate the Neural Network architectures to obtained manifold-valued trajectories on the underlying non-linear space S, these trajectories are mapped to a certain vector space by means of someRiemannien geometry tools, prior to the encoding-decoding scheme. Without applying any prior temporal alignment step (e.g., Dynamic Time Warping) or modeling (e.g., HMM, RNN), they are then fed to a convolutional auto-encoder to build an identity-relevant latent space that showed discriminating capacities for identifying persons when no Temporal Alignment is applied to the time-parametrized gait trajectories: Efficient gait patterns are extracted. Both approaches were tested on several publicly available datasets and shows promising results

Cette thèse porte sur la réalisation d'un simulateur pour un robot anthropomorphe bipède dans un environnement. Les roboticiens ont besoin d'un tel simulateur pour valider leurs lois de contrôle développées pour un robot bipède réel. Nous modélisons ce robot et nous l'animons avec des cycles de marche issus de la capture de mouvements. Nous complétons ces cycles de marche en calculant les mouvements transitoires de départ et d'arrêt du robot. Pour cela, nous utilisons une méthode basée sur l'interpolation de polynômes cubiques et respectant des contraintes liées aux mouvements des pieds du robot (cohérence du mouvement et non pénétration dans le sol). Nous obtenons ainsi des mouvements complets pour faire marcher notre robot dans son environnement. Comme cet environnement est inconnu du robot, nous modélisons sa perception au moyen de capteurs proximétriques, qui donnent la distance entre le robot et les objets locaux. Cette perception locale est utile pour la détection d'obstacles, afin d'éviter toute collision du robot avec son environnement. De plus, le robot doit modifier son comportement en fonctionde l'environnement. Par exemple, lorsqu'il rencontre des escaliers, il doit pouvoir les monter ou les descendre. Il lui faut donc une certaine reconnaissance des objets. Nous calculons alors le profil de l'environnement perçu à partir des distances détectées par les capteurs, et nous proposons un algorithme de reconnaissance d'objets basé sur ce profil. Une fois que ces fonctions de marche, de perception et de reconnaissance sont fournies au robot, nous étudions le placement des capteurs sur le robot, afin de déterminer la meilleure configuration pour laquelle le nombre de capteurs est minimal pour une détection maximale des objets dans l'environnement. Enfin, nous réalisons une simulation complète du robot bipède évoluant dans un environnement, dont le mouvement de marche est contrôlé en fonction de ce qui est perçu par les capteurs.

De nos jours, il existe de nombreuses applications liées à la vision et à l’audition visant à reproduire par des machines les capacités humaines. Notre intérêt pour ce sujet vient du fait que ces problèmes sont principalement modélisés par la classification de signaux temporels. En fait, nous nous sommes intéressés à deux cas distincts, la reconnaissance de la démarche humaine et la reconnaissance de signaux audio, (notamment environnementaux et musicaux). Dans le cadre de la reconnaissance de la démarche, nous avons proposé une nouvelle méthode qui apprend et sélectionne automatiquement les parties dynamiques du corps humain. Ceci permet de résoudre le problème des variations intra-classe de façon dynamique; les méthodes à l’état de l’art se basant au contraire sur des connaissances a priori. Dans le cadre de la reconnaissance audio, aucune représentation de caractéristiques conventionnelle n’a montré sa capacité à s’attaquer indifféremment à des problèmes de reconnaissance d’environnement ou de musique : diverses caractéristiques ont été introduites pour résoudre chaque tâche spécifiquement. Nous proposons ici un cadre général qui effectue la classification des signaux audio grâce à un problème d’apprentissage de dictionnaire supervisé visant à minimiser et maximiser les variations intra-classe et inter-classe respectivement
Nowadays, there are a lot of applications related to machine vision and hearing which tried to reproduce human capabilities on machines. These problems are mainly amenable to a temporal signals classification problem, due our interest to this subject. In fact, we were interested to two distinct problems, humain gait recognition and audio signal recognition including both environmental and music ones. In the former, we have proposed a novel method to automatically learn and select the dynamic human body-parts to tackle the problem intra-class variations contrary to state-of-art methods which relied on predefined knowledge. To achieve it a group fused lasso algorithm is applied to segment the human body into parts with coherent motion value across the subjects. In the latter, while no conventional feature representation showed its ability to tackle both environmental and music problems, we propose to model audio classification as a supervised dictionary learning problem. This is done by learning a dictionary per class and encouraging the dissimilarity between the dictionaries by penalizing their pair- wise similarities. In addition the coefficients of a signal representation over these dictionaries is sought as sparse as possible. The experimental evaluations provide performing and encouraging results

Le vieillissement de la population est un enjeu majeur pour les prochaines années en raison, notamment, de l'augmentation du nombre de personnes dépendantes. La question du maintien à domicile de ces personnes se pose alors, du fait de l'impossibilité pour les instituts spécialisés de les accueillir toutes et, surtout, de la volonté des personnes âgées de rester chez elles le plus longtemps possible. Or, le développement de systèmes technologiques peut aider à résoudre certains problèmes comme celui de la sécurisation en détectant les chutes, et de l'évaluation du degré d'autonomie pour prévenir les accidents. Plus particulièrement, nous nous intéressons au développement des systèmes ambiants, peu coûteux, pour l'équipement du domicile. Les caméras de profondeur permettent d'analyser en temps réel les déplacements de la personne. Nous montrons dans cette thèse qu'il est possible de reconnaître l'activité de la personne et de mesurer des paramètres de sa marche à partir de l'analyse de caractéristiques simples extraites des images de profondeur. La reconnaissance d'activité est réalisée à partir des modèles de Markov cachés, et permet en particulier de détecter les chutes et des activités à risque. Lorsque la personne marche, l'analyse de la trajectoire du centre de masse nous permet de mesurer les paramètres spatio-temporels pertinents pour l'évaluation de la fragilité de la personne. Ce travail a été réalisé sur la base d'expérimentations menées en laboratoire, d'une part, pour la construction des modèles par apprentissage automatique et, d'autre part, pour évaluer la validité des résultats. Les expérimentations ont montré que certains modèles de Markov cachés, développés pour ce travail, sont assez robustes pour classifier les différentes activités. Nous donnons, également dans cette thèse, la précision, obtenue avec notre système, des paramètres de la marche en comparaison avec un tapis actimètrique. Nous pensons qu'un tel système pourrait facilement être installé au domicile de personnes âgées, car il repose sur un traitement local des images. Il fournit, au quotidien, des informations sur l'analyse de l'activité et sur l'évolution des paramètres de la marche qui sont utiles pour sécuriser et évaluer le degré de fragilité de la personne.

Nous nous interessons à la modélisation des interactions fluide-structure entre un fluide visqueux incompressible et une structure pouvant être déformable. Apres une approche des méthodes de type frontière immergée existantes, nous présentons une nouvelle approche : la méthode IPC (Image Point Correction) que nous validons ensuite sur différents cas tests. Puis, nous l'appliquons à la simulation 2D puis 3D de la nage d'un poisson grâce à une reconstruction utilisant l'outil du squelette.