Literatura académica sobre el tema "Détection de faux en profondeur"

Introduction : La localisation anévrysmale au niveau de la crosse aortique est exceptionnelle, plus rare que celle d’aorte ascendante. C’est une affection grave vu le risque de rupture imposant une chirurgie urgente. Le diagnostic repose sur l’angioscanner et l’angioIRM thoracique. Ce cas est pour nous l’occasion de faire rappeler la gravité de cette affection aussi bien pour les malades que pour les chirurgiens cardiaques. Méthodes : Nous rapportons l'observation d'un adulte âgé de 53 ans aux antécédents d’une chute du premier étage d’un bâtiment il y a deux ans, hospitalisé pour exploration d’une hémoptysie de moyenne abondance et la découverte à la radiographie pulmonaire d’une opacité du lobe supérieur du poumon gauche. Devant cette image suspecte, un angioscanner thoracique a été réalisé montrant le faux anévrysme de la crosse aortique. L’ECG était sans particularité. Le bilan biologique montrait une anémie. Le patient a été opéré sous circulation extracorporelle établie entre l’artère fémorale et la veine fémorale avec hypothermie profonde et arrêt circulatoire. L’exploration peropératoire montre un énorme faux anévrysme de la crosse aortique colmaté par le lobe supérieur du poumon gauche avec fistulisation du faux anévrysme dans ce dernier. L’intervention avait consisté après mise à plat du faux anévrisme en la réparation de la perte de substance aortique par un patch en dacron latéral sous arrêt circulatoire et aveuglement de la brèche pulmonaire. Résultats : Les suites postopératoires immédiates étaient défavorables avec décès du patient par choc cardiogénique réfractaire. Conclusion : Les progrès de l'imagerie font de l'angioTDM et l’angioIRM les examens de choix dans la détection des faux anévrismes de la crosse aortique. L'indication opératoire est formelle dans tous les cas de faux anévrismes de la crosse aortique car l'évolution spontanée est mortelle. En fait, le véritable traitement est la chirurgie ou l’endovasculaire.

Des bovins Borgou (n = 10), Lagunaire (n = 10) et zébus Bororo blancs (n = 10) du Bénin ont été infectés expérimentalement avec un clone de Trypanosoma brucei brucei en vue d'évaluer le test ELISA de détection d'antigènes circulants. Aucun des trois témoins non inoculés de chacune des races n'a développé d'infection. Les bovins Lagunaire et Borgou ont développé une maladie bénigne suivie de guérison spontanée, les zébus Bororo blancs une maladie typique à allure chronique et fatale après plusieurs mois. Pour tous les animaux confondus, la sensibilité du test de détection des antigènes circulants de T. brucei a été de 20,46 %, nettement inférieure à celle de la détection des parasites par la méthode du buffy coat (40,24 %). La sensibilité du test varie fortement en fonction du type d'animaux infectés et de l'allure de l'infection; elle est la plus élevée chez les bovins Borgou aux parasitémies élevées mais de durée plus courte (44,44 %) et la plus faible chez les zébus Bororo blancs aux parasitémies faibles et intermittentes (4,09 %). Augmenter la sensibilité du test de détection des antigènes circulants en abaissant la densité optique de 0,050 (seuil de positivité) à 0,025 paraît impossible sans altérer sa spécificité. Comparés au buffy coat, les faux négatifs du début d'infection et les faux positifs d'après la guérison spontanée compromettent également la valeur du test pour le diagnostic des infections actives à T. brucei.

Cette étude évalue le potentiel des modèles de texture SIRV sur ondelettes pour la détection de parcelles viticoles dans les images à très haute résolution de type PLEIADES et compare les performances de ces modèles avec des méthodes de référence telles que les matrices de co-occurrence de niveaux de gris et une approche de segmentation par filtre de Gabor. Les résultats obtenus montrent que les modèles SIRV permettent à la fois une bonne détection des parcelles tout en limitant le taux de faux positifs par rapport aux autres approches. Ces modèles font également preuve d'une plus grande robustesse à des effets d'atténuation de texture liés au faible rapport entre distance inter-rang et résolution spatiale propre aux appellations viticoles étudiées.

Dans le secteur du BTP, le positionnement des réseaux est réglementé afin d’éviter les accidents. Il existe de nombreuses méthodes géophysiques pour aider à leurs positionnements comme l’électromagnétisme ou l’acoustique. Ces méthodes ont plusieurs inconvénients, par exemple la nécessité d’un accès au réseau afin d’injecter un signal ou une mise en place chronophage qui rend difficile la détection sur de très grandes surfaces. Dans ce travail, nous allons nous focaliser sur l’utilisation de la méthode magnétique pour la caractérisation de pipeline en domaine non urbain. Nous proposons une étude afin de quantifier l’effet de la géométrie sur la précision dans l’estimation de la profondeur. Les résultats obtenus pour trois méthodes basées sur des hypothèses de géométries différentes (3D/2D/hybride) seront comparés via une application sur des cas synthétiques. Les méthodes utilisées sont basées sur l’utilisation du signal analytique à deux et à trois dimensions.

La transition économique est un enjeu majeur au Canada : initialement une colonie construite sur l’exploitation des ressources naturelles, il a depuis connu une évolution rapide, au point d’être considéré comme une puissance économique de premier plan. Toutefois, les évolutions récentes sont ambiguës et animent un débat lourd : pour certains, l’économie canadienne est appelée à dépasser le stade d’une économie centrée sur les ressources primaires pour s’inscrire dans l’économie du savoir ; pour d’autres, la période actuelle conduit plutôt à l’exacerbation de la vieille exploitation des ressources naturelles, mais sous des formes relativement nouvelles. Pour expliquer cette tension, nous examinons l’hypothèse du passage de l'économie canadienne d'un stade de maturation de l’exploitation traditionnelle (dit mature-staples) à un stade nouveau (dit « post-staples »). Cela permet de mettre à jour la variété et la profondeur des évolutions actuelles (économiques et productives, politiques et symboliques, sociales et territoriales) et de souligner qu’elles sont sans doute mieux abordées en termes de gouvernance et de jeu politique autour des ressources qu’en termes de « virage » objectif et structurel de l’économie politique des ressources. La transition de l’économie des ressources naturelles au Canada apparaît si hétérogène et inégale qu’elle pousse à questionner l’existence même d’un bouleversement structurel de ses bases.

Pour lutter contre la pollution des masses d’eaux, la réglementation française impose la mesure et la régulation des rejets d’eaux usées dans l’environnement. Cependant, malgré les progrès dans le domaine des systèmes d’acquisition de données, les capteurs, tout particulièrement les sondes de turbidité, installés dans des milieux agressifs tels que les réseaux d’assainissement sont sujets à des dysfonctionnements fréquents (dérive, saturation, données manquantes…), qui peuvent fausser l’évaluation du flux de pollution. Il est donc essentiel d’identifier les potentielles anomalies avant toute utilisation des données. Aujourd’hui, cette validation se fait au niveau de la supervision et/ou via des opérateurs. L’objectif de ce travail est d’évaluer le potentiel des outils d’intelligence artificielle à automatiser la validation et d’estimer la plus-value de cette approche par rapport à une validation « métier » effectuée par un expert. Pour cela, quatre algorithmes de détection d’anomalies de l’état de l’art sont comparés en utilisant des données de turbidité issues du réseau de collecte de Saint-Malo Agglomération. La plupart de ces algorithmes ne sont pas adaptés à la nature des données étudiées qui sont hétérogènes et bruitées. Seul l’algorithme Matrix Profile permet d’obtenir des résultats prometteurs avec une majorité d’anomalies détectées et un nombre de faux positifs relativement limités.

La présente étude se penche sur l’expérience d’individus qui visitent leurs proches dans les pénitenciers fédéraux au Canada, notamment sur les répercussions de l’utilisation d’un appareil de détection de drogues, le scanneur à ions, qui sert d’étape de contrôle des visiteurs des détenus. À partir de données tirées de huit entretiens non dirigés avec des personnes ayant connu des faux positifs sur le scanneur à ions lors de visites en prison, j’étudie les conséquences négatives de ce type de résultats, qui peuvent être assez fréquents, sur la vie des détenus et de leur famille. Même s’ils sont présentés comme des instruments objectifs et non biaisés, la manière dont les scanneurs à ions sont utilisés est empreinte de jugements moraux envers les individus qui visitent leurs proches détenus. J’aborde deux thèmes tirés de l’analyse : l’interaction entre le personnel carcéral et les familles des prisonniers ainsi que l’irrégularité et l’imprévisibilité des scanneurs à ions. L’analyse montre qu’il s’agit d’une technologie à risque d’erreurs qui participe à la stigmatisation – et même à la punition – des familles des détenus. En m’appuyant sur la littérature portant sur les conséquences collatérales de l’incarcération et sur les technologies du risque et de surveillance, je réfléchis à la manière dont les scanneurs à ions participent à l’extension des souffrances de l’incarcération aux visites en prison.

Les systèmes biométriques vocaux sont utilisés dans diverses applications pour une authentification sécurisée. Toutefois, ces systèmes sont vulnérables aux attaques par usurpation d'identité. Il est donc nécessaire de disposer de techniques de détection plus robustes. Cette thèse propose de nouvelles techniques de détection fiables et efficaces contre les attaques invisibles. La première contribution est un ensemble non linéaire de classificateurs de sous-bandes utilisant chacun un modèle de mélange gaussien. Des résultats compétitifs montrent que les modèles qui apprennent des indices discriminants spécifiques à la sous-bande peuvent être nettement plus performants que les modèles entraînés sur des signaux à bande complète. Étant donné que les DNN sont plus puissants et peuvent effectuer à la fois l'extraction de caractéristiques et la classification, la deuxième contribution est un modèle RawNet2. Il s'agit d'un modèle de bout en bout qui apprend les caractéristiques directement à partir de la forme d'onde brute. La troisième contribution comprend la première utilisation de réseaux neuronaux graphiques (GNN) avec un mécanisme d'attention pour modéliser la relation complexe entre les indices d'usurpation présents dans les domaines spectral et temporel. Nous proposons un réseau d'attention spectro-temporel E2E appelé RawGAT-ST. Il est ensuite étendu à un réseau d'attention spectro-temporel intégré, appelé AASIST, qui exploite la relation entre les graphes spectraux et temporels hétérogènes. Enfin, cette thèse propose une nouvelle technique d'augmentation des données appelée RawBoost et utilise un modèle vocal auto-supervisé et pré-entraîné pour améliorer la généralisation
Voice biometric systems are being used in various applications for secure user authentication using automatic speaker verification technology. However, these systems are vulnerable to spoofing attacks, which have become even more challenging with recent advances in artificial intelligence algorithms. There is hence a need for more robust, and efficient detection techniques. This thesis proposes novel detection algorithms which are designed to perform reliably in the face of the highest-quality attacks. The first contribution is a non-linear ensemble of sub-band classifiers each of which uses a Gaussian mixture model. Competitive results show that models which learn sub-band specific discriminative information can substantially outperform models trained on full-band signals. Given that deep neural networks are more powerful and can perform both feature extraction and classification, the second contribution is a RawNet2 model. It is an end-to-end (E2E) model which learns features directly from raw waveform. The third contribution includes the first use of graph neural networks (GNNs) with an attention mechanism to model the complex relationship between spoofing cues present in spectral and temporal domains. We propose an E2E spectro-temporal graph attention network called RawGAT-ST. RawGAT-ST model is further extended to an integrated spectro-temporal graph attention network, named AASIST which exploits the relationship between heterogeneous spectral and temporal graphs. Finally, this thesis proposes a novel data augmentation technique called RawBoost and uses a self-supervised, pre-trained speech model as a front-end to improve generalisation in the wild conditions

Notre travail porte sur l'analyse d'images aériennes de résolution décimétrique (images IGN) en vue de détecter et de modéliser les bâtiments. Les scènes urbaines traitées étant très complexes, nous avons retenu une approche hiérarchique, reposant sur une analyse globale de la scène, suivie d'une modélisation locale dédiée au bâti. Nous avons basé notre analyse globale sur l'information de profondeur, très pertinente pour ce genre de scènes. C'est pourquoi nous avons tout d'abord élaboré un schéma de mise en correspondance répondant aux exigences de densité et de fiabilité des cartes altimétriques. La méthode basée sur une corrélation des gradients utilise des masques adaptatifs, une pondération géodésique, et s'intègre dans un processus multirésolution contrôlé par une validation croisée. Nous montrons ensuite comment une telle information de profondeur permet de détecter et de classer les différents objets de la scène selon trois thèmes génériques : bâti, végétation (du sursol), et sol. Après une segmentation altimétrique par agrégation locale, nous avons effectué une classification séparant le sursol du sol, à l'aide de règles propagées dans un graphe d'adjacence de régions 3D. Au sein de la classe sursol, nous avons séparé le bâti de la végétation en analysant localement les orientations des normales aux surfaces 3D. A l'issue de cette étape globale, nous avons modélisé les régions bâti selon deux approches complémentaires : vectorisation des limites des bâtiments et reconstruction 3D des toits. La vectorisation utilise conjointement informations radiométrique et altimétrique pour détecter et fusionner les segments d'une des vues. Le groupement final est contraint par la frontière 3D et vectorisé en minimisant les déformations géométriques. Pour modéliser les toits, nous avons suivi une approche statistique. A cette fin, nous avons introduit un modèle paramétrique multi-plans des données et nous avons développé un algorithme stochastique permettant de séparer et d'identifier simultanément les différents pans du toit.

Le nombre des personnes âgées ne cesse d’augmenter dans le monde d’où l’enjeu de les aider à continuer de vivre chez eux et de vieillir en bonne santé. Cette thèse s’inscrit dans cette problématique de santé publique et propose la détection du changement de comportement de la personne en se basant sur l’enregistrement des activités au domicile par des capteurs de profondeur à bas coût qui garantissent l’anonymat et qui fonctionnent de façon autonome de jour comme de nuit. Après une étude initiale associant la classification des images par des approches de machine learning, une méthode basée sur les réseaux de neurones profonds ResNet-18 a été proposée pour la détection de la chute et la détection des postures. Cette approche a donné des résultats satisfaisants avec une précision globale de 93,44% et une sensibilité globale de 93.24%. La détection des postures permet de suivre les changements de comportement qui sont synonymes de la perte de la routine. Deux stratégies ont été déployées pour le suivi du maintien de la routine. La première examine la succession des activités dans la journée en établissant une distance d’édition ou une déformation dynamique de la journée, l’autre consiste à classer la journée en routine et non-routine en associant des approches supervisées (k-moyennes et k-modes), non supervisées (Random Forest) ou les connaissances a priori sur la journée routine de la personne. Ces stratégies ont été évaluées à la fois sur des données réelles enregistrées en EHPAD chez deux personnes fragiles et à la fois sur des données simulées créés pour combler le manque de données réelles. Elles ont montré la possibilité de détecter différents scénarios de changement de comportement (brusque, progressif, récurrent) et prouvent que les capteurs de profondeur peuvent être utilisés en EHPAD ou dans l’habitat d’une personne âgée
The number of elderly people in the world is constantly increasing, hence the challenge of helping them to continue to live at home and ageing in good health. This PhD takes part in this public health issue and proposes the detection of the person behavior change based on the recording of activities in the home by low-cost depth sensors that guarantee anonymity and that operate autonomously day and night. After an initial study combining image classification by machine learning approaches, a method based on Resnet-18 deep neural networks was proposed for fall and posture position detection. This approach gave good results with a global accuracy of 93.44% and a global sensitivity of 93.24%. The detection of postures makes possible to follow the state of the person and in particular the behavior changes which are assumed to be the routine loss. Two strategies were deployed to monitor the routine. The first one examines the succession of activities in the day by computing an edit distance or a dynamic deformation of the day, the other one consists in classifying the day into routine and non-routine by combining supervised (k-means and k-modes), unsupervised (Random Forest) or a priori knowledge about the person's routine. These strategies were evaluated both on real data recorded in EHPAD in two frail people and on simulated data created to fill the lack of real data. They have shown the possibility to detect different behavioral change scenarios (abrupt, progressive, recurrent) and prove that depth sensors can be used in EHPAD or in the home of an elderly person

Une partie de la littérature scientifique relative au témoignage s’est penchée ces dernières décennies sur l'évaluation de la véracité des déclarations des personnes. Ces déclarations sont d'une importance capitale dans la résolution des affaires criminelles. Or détecter une fausse déclaration est une tâche particulièrement difficile et de nombreuses recherches mettent en évidence l'inexactitude des détections des fausses déclarations. Les études expérimentales ont tenté de dégager des indices pertinents reflétant le comportement d'un menteur. Le bilan des travaux est assez mitigé sur le non verbal. Les recherches sur le verbal présentent des résultats plus encourageants. Deux outils principalement ,reposant sur une analyse de contenu des déclarations retranscrites, le CBCA (Criteria-Based Content Analysis, Steller et Köhnken, 1989),et le Reality Monitoring (Johnson et Raye, 1981), ont été étudiés dans la littérature. Cependant, ces outils présentent quelques faiblesses. La première étape de notre démarche a consisté à dégager les critères verbaux les plus pertinents. En parallèle, nous avons cherché à potentialiser l'efficacité des indicateurs par l'utilisation de protocoles d'audition spécifiques. Ensuite, nous avons soumis les critères dégagés aux professionnels concernés, afin de savoir si, sur la base de retranscriptions, ces critères permettaient d'améliorer les performances de détection des témoignages sincères et mensongers. Enfin, nous nous sommes demandés si notre outil était applicable tel quel sans la retranscription des déclarations. Les résultats font apparaître que l'outil améliore les performances de détection des témoignages sincères et mensongers, mais qu'une évaluation sur retranscription est nécessaire
In the last decades, research assessing the veracity of suspects statements, witnesses and alleged victims has become of great importance in eyewitness testimony scientifique literature. Indeed, statements are given a crucial role in eyewitness evidence. However, detecting a wrong statement is a difficult task, Several researches highlighted the inaccuracy for detecting false statement. Experimental studies tried to propose relevant cues to detect liar behaviour. Studies looking into verbal cues are a lot more promising than thoes interested in non-verbal cues. Two approaches analyzing principally written transcriptions of oral statements are currently subject to a lot of attention. One is the Criteria-Based Content Analysis (Steller and Köhnken, 1989) and the other is the Reality Monitoring (Johnson and Raye, 1989). Unfortunately, thoses approaches present few weakness. The first step of our research program consisted in extracting the most relevant verbal cues. In the same time, we tried to increase the criteria efficiency, using particular interviewing procedures. Then, we have submited the extracted cues to law offenders, in order to know if on the basis of transcription, those cues could allow better scoring in detecting sincere or untruthful testimonies. Finally, we tested if our approach would still be effective without having to retranscribe statements. The results show an improvment in detecting sincere to untruthfull testimonies

Une des innovations technologiques majeures de ces dernières années a été le lancement des caméras de profondeur qui peuvent être utilisées dans un large spectre d’applications, notamment pour la robotique, la vision par ordinateur, l’automatisation, etc. Ces dispositifs ont ouvert de nouvelles opportunités pour la recherche scientifique appliquée au domaine médical. Dans le cadre de cette thèse, nous évaluerons l’apport potentiel de l’utilisation du capteur de profondeur grand public « Kinect V2 » dans l’optique de répondre à des problématiques cliniques actuelles en radiothérapie ainsi qu’en réanimation. Le traitement par radiothérapie étant administré sur plusieurs séances, l'un des objectifs clés de ce traitement est le positionnement quotidien du patient dont la précision est impactée par les mouvements respiratoires. D’autre part, les mouvements de la machine ainsi que les éventuels mouvements du patient peuvent entraîner des collisions machine/machine ou machine/patient. Nous proposons un système de détection surfacique pour la gestion des mouvements inter- et intrafractions en radiothérapie externe. Celui-ci est basé sur un algorithme rigide de recalage surfacique pour estimer la position de traitement et un système de détection de collisions en temps réel pour satisfaire les conditions de sécurité durant le traitement. Les résultats obtenus sont encourageants et montrent un bon accord avec les systèmes cliniques. Coté réanimation médicale, la recherche de nouveaux dispositifs non invasifs et sans contact tend à optimiser la prise en charge des patients. La surveillance non invasive de la respiration des patients sous ventilation spontanée est capitale pour les patients instables mais aucun système de suivi à distance n’existe à ce jour. Dans ce contexte, nous proposons un système de mesure sans contact capable de calculer les paramètres ventilatoires en observant les changements morphologiques de la zone thoracique des patients. La méthode développée donne une précision de mesures cliniquement acceptable
In recent years, one of the major technological innovations has been the introduction of depth cameras that can be used in a wide range of applications, including robotics, computer vision, automation, etc. These devices have opened up new opportunities for scientific research applied to the medical field. In this thesis, we will evaluate the potential use of the "Kinect V2" depth camera in order to respond to current clinical issues in radiotherapy and resuscitation in intensive care unit.Given that radiotherapy treatment is administered over several sessions, one of the key task is to daily reposition the patient in the same way as during the planning session.The precision of such repositioning is impacted by the respiratory motion. On the other hand, the movements of the machine as well as the possible movements of the patient can lead to machine / machine or machine /patient collisions. We propose a surface detection system for the management of inter and intra-fraction motion in external radiotherapy. This system is based on a rigid surface registration algorithm to estimate the treatment position and a real-time collision detection system to ensure patient safety during the treatment.Obtained results are encouraging and show a good agreement with available clinical systems.Concerning medical resuscitation, there is a need for new non-invasive and non-contact devices in order to optimize patient care. Non-invasive monitoring of spontaneous breathing for unstable patients is crucial in the intensive care unit. In this context, we propose a non-contact measurement system capable of calculating the parameters of patient's ventilation by observing thoracic morphological movements. The developed method gives a clinically acceptable precision. Such system is the first to solve previously described issue

L’analyse automatique des expressions faciales représente à l’heure actuelle une problématique importante associée à de multiples applications telles que la reconnaissance de visages ou encore les interactions homme machine. Dans cette thèse, nous nous attaquons au problème de la reconnaissance d’expressions faciales à partir d’une image ou d’une séquence d’images. Nous abordons le problème sous trois angles.Tout d’abord, nous étudions les macro-expressions faciales et nous proposons de comparer l’efficacité de trois descripteurs différents. Cela conduit au développement d’un algorithme de reconnaissance d’expressions basé sur des descripteurs bas niveau encodés dans un modèle de type sac de mots, puis d’un algorithme basé sur des descripteurs de moyen niveau associés à une représentation éparse et enfin d’un algorithme d’apprentissage profond tenant compte de descripteurs haut niveau. Notre objectif lors de la comparaison de ces trois algorithmes est de trouver la représentation des informations de visages la plus discriminante pour reconnaitre des expressions faciales en étant donc capable de s’affranchir des sources de variabilités que sont les facteurs de variabilité intrinsèques tels que l’apparence du visage ou la manière de réaliser une expression donnée et les facteurs de variabilité extrinsèques tels que les variations d’illumination, de pose, d’échelle, de résolution, de bruit ou d’occultations. Nous examinons aussi l’apport de descripteurs spatio-temporels capables de prendre en compte des informations dynamiques utiles pour séparer les classes ambigües.La grosse limitation des méthodes de classification supervisée est qu’elles sont très coûteuses en termes de labélisation de données. Afin de s’affranchir en partie de cette limitation, nous avons étudié dans un second temps, comment utiliser des méthodes de transfert d’apprentissage de manière à essayer d’étendre les modèles appris sur un ensemble donné de classes d’émotions à des expressions inconnues du processus d’apprentissage. Ainsi nous nous sommes intéressés à l’adaptation de domaine et à l’apprentissage avec peu ou pas de données labélisées. La méthode proposée nous permet de traiter des données non labélisées provenant de distributions différentes de celles du domaine source de l’apprentissage ou encore des données qui ne concernent pas les mêmes labels mais qui partagent le même contexte. Le transfert de connaissance s’appuie sur un apprentissage euclidien et des réseaux de neurones convolutifs de manière à définir une fonction de mise en correspondance entre les informations visuelles provenant des expressions faciales et un espace sémantique issu d’un modèle de langage naturel.Dans un troisième temps, nous nous sommes intéressés à la reconnaissance des micro-expressions faciales. Nous proposons un algorithme destiné à localiser ces micro-expressions dans une séquence d’images depuis l’image initiale (onset image) jusqu’à l’image finale (offset image) et à déterminer les régions des images qui sont affectées par les micro-déformations associées aux micro-expressions. Le problème est abordé sous un angle de détection d’anomalies ce qui se justifie par le fait que les déformations engendrées par les micro-expressions sont a priori un phénomène plus rare que celles produites par toutes les autres causes de déformation du visage telles que les macro-expressions, les clignements des yeux, les mouvements de la tête… Ainsi nous proposons un réseau de neurones auto-encodeur récurrent destiné à capturer les changements spatiaux et temporels associés à toutes les déformations du visage autres que celles dues aux micro-expressions. Ensuite, nous apprenons un modèle statistique basé sur un mélange de gaussiennes afin d’estimer la densité de probabilité de ces déformations autres que celles dues aux micro-expressions.Tous nos algorithmes sont testés et évalués sur des bases d’expressions faciales actées et/ou spontanées
Facial expression analysis is an important problem in many biometric tasks, such as face recognition, face animation, affective computing and human computer interface. In this thesis, we aim at analyzing facial expressions of a face using images and video sequences. We divided the problem into three leading parts.First, we study Macro Facial Expressions for Emotion Recognition and we propose three different levels of feature representations. Low-level feature through a Bag of Visual Word model, mid-level feature through Sparse Representation and hierarchical features through a Deep Learning based method. The objective of doing this is to find the most effective and efficient representation that contains distinctive information of expressions and that overcomes various challenges coming from: 1) intrinsic factors such as appearance and expressiveness variability and 2) extrinsic factors such as illumination, pose, scale and imaging parameters, e.g., resolution, focus, imaging, noise. Then, we incorporate the time dimension to extract spatio-temporal features with the objective to describe subtle feature deformations to discriminate ambiguous classes.Second, we direct our research toward transfer learning, where we aim at Adapting Facial Expression Category Models to New Domains and Tasks. Thus we study domain adaptation and zero shot learning for developing a method that solves the two tasks jointly. Our method is suitable for unlabelled target datasets coming from different data distributions than the source domain and for unlabelled target datasets with different label distributions but sharing the same context as the source domain. Therefore, to permit knowledge transfer between domains and tasks, we use Euclidean learning and Convolutional Neural Networks to design a mapping function that map the visual information coming from facial expressions into a semantic space coming from a Natural Language model that encodes the visual attribute description or use the label information. The consistency between the two subspaces is maximized by aligning them using the visual feature distribution.Third, we study Micro Facial Expression Detection. We propose an algorithm to spot micro-expression segments including the onset and offset frames and to spatially pinpoint in each image space the regions involved in the micro-facial muscle movements. The problem is formulated into Anomaly Detection due to the fact that micro-expressions occur infrequently and thus leading to few data generation compared to natural facial behaviours. In this manner, first, we propose a deep Recurrent Convolutional Auto-Encoder to capture spatial and motion feature changes of natural facial behaviours. Then, a statistical based model for estimating the probability density function of normal facial behaviours while associating a discriminating score to spot micro-expressions is learned based on a Gaussian Mixture Model. Finally, an adaptive thresholding technique for identifying micro expressions from natural facial behaviour is proposed.Our algorithms are tested over deliberate and spontaneous facial expression benchmarks

Dans le cadre de cette thèse, nous nous intéressons à plusieurs problématiques liées au traitement de données 3D. La première concerne la détection et le suivi de personnes dans des séquences d'images de profondeur. Nous proposons une amélioration d'une méthode existante basée sur une étape de segmentation, puis de suivi des personnes. La deuxième problématique abordée est la détection et la modélisation de têtes dans un nuage de points 3D. Pour cela, nous adoptons une approche probabiliste basée sur un nouveau modèle de mélange sphérique. La dernière application traitée est liée à la restauration d'images de profondeur présentant des données manquantes. Nous proposons pour cela d'utiliser une méthode d'approximation de surface par Dm-splines d'interpolation avec changements d'échelle pour approximer et restaurer les données. Les résultats présentés illustrent l'efficacité des algorithmes développés
In this dissertation, we are interested in several issues related to 3D data processing. The first one concerns people detection and tracking in depth map sequences. We propose an improvement of an existing method based on a segmentation stage followed by a tracking module. The second issue is head detection and modelling in 3D point clouds. In order to do this, we adopt a probabilistic approach based on a new spherical mixture model. The last considered application deals with the restoration of deteriorated depth maps. To solve this problem, we propose to use a surface approximation method based on interpolation Dm-splines with scale transforms to approximate and restore the image. Presented results illustrate the efficiency of the developed algorithms

Les entreprises, les administrations, et parfois les particuliers, doivent faire face à de nombreuses fraudes sur les documents qu’ils reçoivent de l’extérieur ou qu’ils traitent en interne. Les factures, les notes de frais, les justificatifs... tout document servant de preuve peut être falsifié dans le but de gagner plus d’argent ou de ne pas en perdre. En France, on estime les pertes dues aux fraudes à plusieurs milliards d’euros par an. Étant donné que le flux de documents échangés, numériques ou papiers, est très important, il serait extrêmement coûteux en temps et en argent de les faire tous vérifier par des experts de la détection des fraudes. C’est pourquoi nous proposons dans notre thèse un système de détection automatique des faux documents. Si la plupart des travaux en détection automatique des faux documents se concentrent sur des indices graphiques, nous cherchons quant à nous à vérifier les informations textuelles du document afin de détecter des incohérences ou des invraisemblances. Pour cela, nous avons tout d’abord constitué un corpus de tickets de caisse que nous avons numérisés et dont nous avons extrait le texte. Après avoir corrigé les sorties de l’OCR et fait falsifier une partie des documents, nous en avons extrait les informations et nous les avons modélisées dans une ontologie, afin de garder les liens sémantiques entre elles. Les informations ainsi extraites, et augmentées de leurs possibles désambiguïsations, peuvent être vérifiées les unes par rapport aux autres au sein du document et à travers la base de connaissances constituée. Les liens sémantiques de l’ontologie permettent également de chercher l’information dans d’autres sources de connaissances, et notamment sur Internet
Companies, administrations, and sometimes individuals, have to face many frauds on documents they receive from outside or process internally. Invoices, expense reports, receipts...any document used as proof can be falsified in order to earn more money or not to lose it. In France, losses due to fraud are estimated at several billion euros per year. Since the flow of documents exchanged, whether digital or paper, is very important, it would be extremely costly and time-consuming to have them all checked by fraud detection experts. That’s why we propose in our thesis a system for automatic detection of false documents. While most of the work in automatic document detection focuses on graphic clues, we seek to verify the textual information in the document in order to detect inconsistencies or implausibilities.To do this, we first compiled a corpus of documents that we digitized. After correcting the characters recognition outputs and falsifying part of the documents, we extracted the information and modelled them in an ontology, in order to keep the semantic links between them. The information thus extracted, and increased by its possible disambiguation, can be verified against each other within the document and through the knowledge base established. The semantic links of ontology also make it possible to search for information in other sources of knowledge, particularly on the Internet

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.

Cette thèse s’intéresse à définir de nouvelles méthodes cliniques d’investigation permettant de juger de l’impact de l’avance en âge sur la motricité. En particulier, cette thèse se focalise sur deux principales perturbations possibles lors de l’avance en âge : la chute et l’altération de la marche.Ces deux perturbations motrices restent encore mal connues et leur analyse en clinique pose de véritables défis technologiques et scientifiques. Dans cette thèse, nous proposons des méthodes originales de détection qui peuvent être utilisées dans la vie courante ou en clinique, avec un minimum de contraintes techniques. Dans une première partie, nous abordons le problème de la détection de la chute à domicile, qui a été largement traité dans les années précédentes. En particulier, nous proposons une approche permettant d’exploiter le volume du sujet, reconstruit à partir de plusieurs caméras calibrées. Ces méthodes sont généralement très sensibles aux occultations qui interviennent inévitablement dans le domicile et nous proposons donc une approche originale beaucoup plus robuste à ces occultations. L’efficacité et le fonctionnement en temps réel ont été validés sur plus d’une vingtaine de vidéos de chutes et de leurres, avec des résultats approchant les 100% de sensibilité et de spécificité en utilisant 4 caméras ou plus. Dans une deuxième partie, nous allons un peu plus loin dans l’exploitation des volumes reconstruits d’une personne, lors d’une tâche motrice particulière : la marche sur tapis roulant, dans un cadre de diagnostic clinique. Dans cette partie, nous analysons plus particulièrement la qualité de la marche. Pour cela nous développons le concept d’utilisation de caméras de profondeur pour la quantification de l’asymétrie spatiale au cours du mouvement des membres inférieurs pendant la marche. Après avoir détecté chaque pas dans le temps, cette méthode réalise une comparaison de surfaces de chaque jambe avec sa correspondante symétrique du pas opposé. La validation effectuée sur une cohorte de 20 sujets montre la viabilité de la démarche.
This thesis is concerned with defining new clinical investigation method to assess the impact of ageing on motricity. In particular, this thesis focuses on two main possible disturbance during ageing : the fall and walk impairment. This two motricity disturbances still remain unclear and their clinical analysis presents real scientist and technological challenges. In this thesis, we propose novel measuring methods usable in everyday life or in the walking clinic, with a minimum of technical constraints. In the first part, we address the problem of fall detection at home, which was widely discussed in previous years. In particular, we propose an approach to exploit the subject’s volume, reconstructed from multiple calibrated cameras. These methods are generally very sensitive to occlusions that inevitably occur in the home and we therefore propose an original approach much more robust to these occultations. The efficiency and real-time operation has been validated on more than two dozen videos of falls and lures, with results approaching 100 % sensitivity and specificity with at least four or more cameras. In the second part, we go a little further in the exploitation of reconstructed volumes of a person at a particular motor task : the treadmill, in a clinical diagnostic. In this section we analyze more specifically the quality of walking. For this we develop the concept of using depth camera for the quantification of the spatial and temporal asymmetry of lower limb movement during walking. After detecting each step in time, this method makes a comparison of surfaces of each leg with its corresponding symmetric leg in the opposite step. The validation performed on a cohort of 20 subjects showed the viability of the approach.
Réalisé en cotutelle avec le laboratoire M2S de Rennes 2