Letteratura scientifica selezionata sul tema "Reconnaissance d’activités humaines"

Les questions de justice et d’équité dans le management demeurent une préoccupation majeure pour les salariés (Ambrose et Schminke, 2003). Pourtant, en gestion des ressources humaines, l’influence des perceptions de justice organisationnelle sur la motivation intrinsèque au travail, n’a suscité que très peu de recherches (Grenier et al., 2010). Cet article propose justement, d’analyser l’effet différencié des quatre dimensions de la justice organisationnelle sur cette forme de motivation au travail. Il propose aussi de mettre en évidence le rôle de la reconnaissance de la part des supérieurs hiérarchiques dans l’étude de la motivation intrinsèque, mais aussi d’analyser la relation entre la justice et la reconnaissance. Ainsi, le cadre théorique mobilisé dans cette recherche repose sur les apports de la théorie de l’autodétermination (Deci et Ryan, 1985), ceux de la théorie de la justice organisationnelle (Greenberg, 1987) et la littérature sur la reconnaissance (Brun et Dugas, 2002). Pour ce faire, un rappel des fondements théoriques permettant d’établir les liens existant entre ces variables a d’abord été réalisé, afin de montrer comment la justice organisationnelle et la reconnaissance de la part des supérieurs hiérarchiques peuvent favoriser la motivation intrinsèque au travail. Ensuite, des analyses de régressions multiples ont permis de présenter les résultats de l’étude empirique réalisée sur une population de 787 salariés venant de divers secteurs d’activités. Fondée ainsi uniquement sur une enquête par questionnaire, cette étude a permis d’analyser les liens qui pouvaient s’opérer entre ces trois concepts. Il s’avère que la perception de justice organisationnelle, notamment dans la distribution des ressources de l’organisation, dans les relations interpersonnelles et dans les informations communiquées, peut avoir une influence positive sur la motivation intrinsèque au travail. Cet impact de la justice organisationnelle sur la motivation intrinsèque au travail peut aussi être fortement renforcé par la reconnaissance de la part des supérieurs hiérarchiques.

Résumé Loin que la « déshumanisation » puisse être conçue comme un « résidu » archaïque qui survivrait au sein d’une modernité rationnelle au plan moral (droits de l’homme) et scientifique, elle accompagne consubstantiellement la radicalisation du processus d’humanisation, qui se définit selon une distance ontologique inédite entre les sphères du « sujet », compris comme individu autonome, et de l’« objet », saisi comme système de connaissance et d’activité. Cet éloignement entre les compréhensions idéale et cognitive du devenir humain engendre une errance métaphysique, perceptible à travers l’inintelligibilité de la « nature » humaine, à la fois déclarée fondatrice de l’ordre social et inexistante autrement que transformable à l’infini. Au contraire, la reconnaissance du caractère intrinsèquement normatif de l’activité sociale-historique, notamment dans les universels concrets que sont les cultures, introduit la saisie du rapport d’objectivation, antérieur à la distinction sujet-objet, comme source médiatrice de toute relation au monde.

La distance est le maître-mot du contexte pandémique auquel la planète est confrontée depuis mars 2020. Elle s’est installée dans les relations humaines en conquérant les secteurs d’activité les plus divers. L’acte notarié, traditionnellement fondé sur le rapport présentiel entre les parties et le notaire, qui permet à ce dernier l’accomplissement de son devoir d’authentification personnelle, n’a pas échappé à un tel bouleversement. L’admission de la comparution des parties devant le notaire par visioconférence met à l’épreuve la notion d’authenticité jusque-là uniforme au sein du notariat latin. Le présent texte propose une réflexion sur les principaux enjeux de l’authenticité dématérialisée du point de vue de ses fondements et de la reconnaissance internationale de ses effets juridiques.

En une formule d’une belle densité, Simone de Beauvoir a résumé cette attitude négative à l’égard du vieillissement qu’est l’âgisme : « Si les vieillards manifestent les mêmes désirs, les mêmes sentiments, les mêmes revendications que les jeunes, ils scandalisent; chez eux, l’amour, la jalousie semblent odieux, la sexualité répugnante, la violence dérisoire. Ils doivent donner l’exemple de toutes les vertus. Avant tout on réclame d’eux la sérénité » (1970, p. 9-10). L’âgisme repose sur une vision stéréotypée et dépréciative des personnes âgées, perçues comme déclinantes et dépendantes, malades et peu attirantes, conservatrices et incapables de s’adapter aux changements (sociaux ou technologiques). Inutiles, ces personnes représentent un fardeau pour les plus jeunes; déclinantes, elles n’ont plus aucune passion ou projet; dépassées et incompétentes, elles doivent se tenir en retrait. Cette vision se traduit par des comportements condescendants ou d’évitement, de la discrimination et de l’exclusion de certains espaces ou sphères d’activités, comme le travail, les discussions politiques ou la sexualité. Elle a des effets délétères sur les personnes âgées (image de soi négative, retrait et isolement), ainsi que des coûts économiques et sociaux (Puijalon et Trincaz, 2000; Nelson, 2002; Billette, Marier et Séguin, 2018). L’âgisme repose sur une homogénéisation (les personnes âgées sont toutes semblables), une dépréciation (le vieillissement est toujours négatif, il est décrépitude et dépendance) et une essentialisation (cette décrépitude et cette dépendance sont naturelles et inévitables). On ne peut expliquer l’âgisme uniquement par la valorisation de la jeunesse, de la nouveauté et de l’indépendance, même si ces valeurs jouent un rôle, non plus que par l’ignorance ou l’anxiété que provoquent le déclin, la confusion et la mort, quoique cela fasse aussi partie de l’expérience du vieillissement (Ballanger, 2006). L’âgisme – du moins les formes les plus étudiées et pour lesquelles le terme a été forgé – émerge en Occident dans un contexte social et politique particulier. Quatre grands phénomènes doivent être pris en considération. Le premier est démographique. Le vieillissement de la population dans les sociétés occidentales et industrialisées a fait des personnes âgées un groupe toujours plus important de consommateurs, d’électeurs et de bénéficiaires de services. Très tôt, cette importance numérique a soulevé un ensemble d’inquiétudes et de controverses touchant la croissance des coûts de santé, le financement des caisses de retraite et l’équité fiscale entre les générations, le soutien des personnes dépendantes. Ces débats contribuent à faire de la vieillesse un problème social, ainsi qu’une menace et un poids pour les plus jeunes générations en l’associant au déclin, à la dépendance et à des coûts (Katz, 1996). Le second phénomène est l’invention de la retraite dans les sociétés salariales. En fixant une limite d'âge pour le travail (65 ans, par exemple), on a créé une nouvelle catégorie sociale, les retraités, et déterminé à quel âge on devient vieux. Le vieillissement s’est trouvé du même coup associé à l’inactivité et à la non-productivité, au retrait du travail et de l’espace public. Le troisième phénomène est la production de savoirs sur le vieillissement. Après la Seconde Guerre mondiale, «une constellation d’experts se déploie avec force et autorité autour des personnes âgées», comme le dit si bien Aline Charles (2004 : 267) : médecins, travailleurs sociaux, ergothérapeutes. Deux nouveaux champs d’expertise se développent, la gériatrie et la gérontologie, qui vont faire du vieillissement un domaine spécifique de savoirs et d’interventions. Ces expertises participent étroitement à la manière dont le vieillissement est pensé, les enjeux et les problèmes formulés (Katz, 1996). Elles contribuent à renforcer l’association faite entre le déclin, la dépendance et l’avancée en âge. Elles le font par le biais des politiques, des programmes et d'interventions visant à évaluer la condition des personnes, à mesurer leur autonomie, leur vulnérabilité et les risques auxquels elles sont exposées (Kaufman, 1994), et par une médicalisation du vieillissement, qui en fait un problème de santé appelant des mesures préventives et curatives. Enfin, le quatrième phénomène est politique. La reconnaissance et la dénonciation de l’âgisme apparaissent dans la foulée du mouvement des droits civiques et des luttes contre les discriminations raciales aux États-Unis (Butler, 1969). Elles s’inscrivent dans le mouvement de défense des droits de la personne. Plus largement, elles prennent naissance dans un contexte où l'égalité des droits devient centrale dans la représentation des rapports sociaux : l'âgisme contrevient à un idéal d'accès aux biens et aux services, il engendre des inégalités dans la participation à la parole et aux décisions ainsi que l'exclusion. (Dumont, 1994). Reprise par différents groupes d’intérêts, ainsi que par des institutions nationales et internationales, la critique et la dénonciation de l'âgisme conduisent à l’énonciation de droits pour les personnes âgées et à la mise sur pied de mécanismes pour garantir le respect de ces droits, à des campagnes d’éducation et de sensibilisation, à l’adoption de plans d’action, de lois et de règlements pour prévenir les discriminations. Elles rendent le phénomène visible, en font un problème social, lui attribuent des causes et des effets, proposent des mesures correctives ou des visions alternatives du vieillissement. Les représentations et les attitudes négatives à l’égard du vieillissement ne sont pas propres à l’Occident, tant s’en faut. Mais l’âgisme ne doit pas non plus être confondu avec toute forme de classification, de segmentation ou de division selon l’âge. Il émerge dans des sociétés individualistes, qui tendent à disqualifier ceux qui répondent moins bien aux valeurs d’indépendance, de productivité et d’épanouissement personnel. Des sociétés où il n’y pas à proprement parler de classes ou de groupes d’âge, avec leurs rites, leurs obligations et leurs occupations spécifiques (Peatrik, 2003), où les catégories d’âge sont relativement ouvertes et ne comportent pas de frontières nettes et de statuts précis, hormis la retraite pour la catégorie des «aînés», favorisent un redéfinition du vieillissement en regard des normes du travail et de la consommation; des sociétés où les rapports et les obligations entre les générations ne sont pas clairement définis, et donnent lieu à des débats politiques et scientifiques. Les anthropologues peuvent s'engager dans ces débats en poursuivant la critique de l’âgisme. Cette critique consiste à relever et à déconstruire les discours et les pratiques qui reposent sur une vision stéréotypée et péjorative du vieillissement et des personnes âgées, mais également à montrer comment les politiques, le marché de l’emploi et l’organisation du travail, la publicité, les savoirs professionnels et scientifiques, la médicalisation et les transformations du corps, comme la chirurgie plastique ou les usages des médicaments, reposent sur de telles visions. Elle porte égalerment sur les pratiques discriminatoires, en examinant leurs répercussions sur la vie et le destin des individus, comme la réduction des possibilités d’emploi ou la perte de dignité, ou encore sur la manière dont l’âgisme se conjugue à des stéréotypes sexistes et racistes, pour déprécier et marginaliser davantage des catégories spécifiques de personnes âgées. Elle permet de mieux comprendre quels intérêts matériels et symboliques servent ces représentations et ces pratiques, et dans quel contexte l'âgisme apparait. Mais la critique peut être élargie à l’ensemble des discours du vieillissement. Très vite, des représentations concurrentes de la vieillesse ont émergé dans les pays occidentaux. La critique de l’âgisme a conduit à l’apparition de nouveaux modèles, comme la vieillesse «verte», le vieillissement «actif» ou le vieillissement «réussi» (successful aging), donnant une image positive de la vieillesse et proposant aux personnes âgées de nouveaux idéaux (demeurer indépendant et actif), de nouvelles aspirations (authenticité, expression de soi et développement personnel) et de nouveaux modes de vie (actifs et socialement utiles). Ces nouveaux modèles font la promotion de conduites qui favorisent la santé et retardent le déclin, comme la participation sociale ou les activités intellectuelles et sportives (Biggs, 2001; Charles, 2004; Raymond et Grenier, 2013; Lamb, 2017). Ces nouveaux modèles ne sont toutefois pas exempt de clichés et de stéréotypes, ils sont tout autant normatifs et réducteurs que les représentations âgistes, et servent aussi des intérêts politiques (réduction du soutien aux ainés dépendants) et économiques (développement d’un marché de biens et services pour les aînés). Surtout, ils reposent sur les mêmes normes que l’âgisme, dont ils inversent simplement la valeur : l’activité plutôt que le retrait, l’autonomie plutôt que la dépendance, la beauté plutôt que la décrépitude. On demeure dans le même univers culturel de référence. Ces modèles traduisent en fin de compte un refus du vieillissement, entretenant ainsi une aversion envers celui-ci. On peut pousser la critique encore plus loin, en comparant ces représentations et ces modèles avec ceux qui prévalent ailleurs qu’en Occident. Cela permet notamment une analyse des formes de subjectivation, c’est-à-dire de la manière dont les individus font l’expérience de l’avancée en âge. L’anthropologie peut ainsi contribuer à mieux comprendre les représentations culturelles et les modèles du vieillissement et les pratiques qui leurs sont associées, les politiques et les formes d’organisation des relations entre les individus, d’aménagement de l’espace et du temps qu’elles favorisent. Elle peut contribuer à mieux comprendre comment ces représentations et ces modèles façonnent l’expérience des individus : leurs rapports à soi, aux autres, au monde, la manière dont ils reconnaissent et réagissent aux signes de la vieillesse (rides, douleurs, lenteur), de la sénescence ou de la démence, la manière dont ils anticipent leur vieillissement et s’y préparent, les responsabilités et obligations qu’ils se reconnaissent, leurs attentes à l’égard des plus jeunes, les activités qu’ils s’interdisent ou s’obligent à faire, le type d’indépendance qu’ils recherchent (Leibing, 2004; Lamb, 1997, 2017). La comparaison permet de dégager la variété des expériences et des formes alternatives de vieillissement. Elle permet de mettre en lumière le caractère très relatif des signes du vieillissement, mais aussi des qualités par lesquelles un individu est reconnu comme une personne, un sujet ou être humain.

La reconnaissance d'activités est un domaine de recherche qui vise à décrire, analyser, reconnaître, comprendre et suivre les activités et les mouvements de personnes, d'animaux, ou d'objets animés. De nombreux domaines d'applications, importants et critiques, tels que la surveillance, la sécurité ou la santé, nécessitent une certaine forme de reconnaissance d'activités (humaines). Dans ces domaines, la reconnaissance d'activités peut être utile pour détecter tôt les comportements anormaux de certaines personnes : actes de vandalisme ou difficultés dues à l'âge ou la maladie. Les systèmes de reconnaissance doivent être temps réel, réactifs, corrects, complets et fiables. Ces exigences strictes nous amènent à l'utilisation de méthodes formelles pour décrire, analyser, vérifier et générer des systèmes de reconnaissance efficaces et corrects. L'objectif de cette thèse est de contribuer à la définition d'un tel système en se focalisant sur les aspects de description et de vérification. Parmi les nombreuses approches envisageables, nous proposons d'étudier comment le paradigme synchrone peut s'appliquer aux besoins de la reconnaissance d'activités. En effet, cette approche possède des atouts qui semblent intéressants : une sémantique bien fondée, l'assurance du déterminisme, une composition parallèle sûre, et la possibilité de vérification grâce au model checking. Les langages synchrones existants peuvent être utilisés pour décrire des modèles d'activités, mais ils sont difficiles à maîtriser par des non informaticiens (ex : médecins). Nous proposons donc un nouveau langage dédié à ce type d'utilisateurs pour décrire les activités qu'ils souhaitent reconnaitre. Ce langage nommé ADeL (Activity Description Language) propose deux formats équivalents, l'un textuel et l'autre graphique. Afin de permettre à la fois les vérifications et l'implémentation, nous munissons notre langage de deux sémantiques synchrones complémentaires. D'abord, une sémantique comportementale qui donne une définition référentielle du comportement d'un programme en utilisant des règles de réécriture. Deuxièmement, une sémantique opérationnelle qui décrit le comportement d'une manière constructive et peut être directement mise en œuvre. Comme l'environnement des systèmes de reconnaissance n'est généralement pas conforme aux hypothèses du paradigme synchrone, notre système doit comporter un transformateur asynchrone/synchrone. Ce transformateur, que nous appelons "synchroniseur", reçoit les évènements asynchrones de l'environnement, les filtre, décide lesquels peuvent être considérés comme "simultanés", et les regroupe en instants logiques selon des politiques prédéfinies pour les envoyer au moteur de reconnaissance d'activités
The research area of activity recognition aims at describing, analyzing, recognizing, understanding and following the activities and movements of persons, animals, or animated objects. Numerous important and critical application domains, such as surveillance or health-care, require a certain form of recognition of (human) activities. In these domains, activity recognition can be useful for the early detection of abnormal behavior of people, such as vandalism, troubles due to age, or illness. Recognition systems must be real-time, reactive, correct, complete, and reliable. These stringent requirements led us to use formal methods to describe, analyze, verify, and generate effective and correct recognition systems. This thesis aims at contributing to define such a system while focusing on description and verification issues. Among many possible approaches, we propose to study how the synchronous paradigm can cope with the requirements of activity recognition. Indeed, this approach has several major assets such as well founded semantics, assurance of determinism, safe parallel composition, and possibility of verification owing to model checking. Existing synchronous languages can be used to describe models of activities, but they are difficult to master by non specialists (e.g., doctors). Therefore, we propose a new language to allow this kind of users to describe the activities that they wish to recognize. This language, named ADeL (Activity Description Language), proposes two input formats, the first textual, the other graphic. In order to make both verification and implementation possible, we supply this language with two synchronous and complementary semantics. First, a behavioral semantics gives a reference definition of program behavior using rewriting rules. Second, an operational semantics describes the behavior in a constructive way and can be directly implemented. The environment of recognition systems does not usually comply with the hypotheses of the synchronous paradigm. Hence, we propose an asynchronous/synchronous adapter. This adapter, that we call "synchronizer", receives the asynchronous events from the environment, filters them, decides on which ones can be considered as "simultaneous", groups them in logical instants according to predefined politics, and send them to the activity recognition engine

Cette thèse s’inscrit dans le contexte de la reconnaissance des activités à partir de séquences vidéo qui est une des préoccupations majeures dans le domaine de la vision par ordinateur. Les domaines d'application pour ces systèmes de vision sont nombreux notamment la vidéo surveillance, la recherche et l'indexation automatique de vidéos ou encore l'assistance aux personnes âgées. Cette tâche reste problématique étant donnée les grandes variations dans la manière de réaliser les activités, l'apparence de la personne et les variations des conditions d'acquisition des activités. L'objectif principal de ce travail de thèse est de proposer une méthode de reconnaissance efficace par rapport aux différents facteurs de variabilité. Les représentations basées sur les points d'intérêt ont montré leur efficacité dans les travaux d'art; elles ont été généralement couplées avec des méthodes de classification globales vue que ses primitives sont temporellement et spatialement désordonnées. Les travaux les plus récents atteignent des performances élevées en modélisant le contexte spatio-temporel des points d'intérêts par exemple certains travaux encodent le voisinage des points d'intérêt à plusieurs échelles. Nous proposons une méthode de reconnaissance des activités qui modélise explicitement l'aspect séquentiel des activités tout en exploitant la robustesse des points d'intérêts dans les conditions réelles. Nous commençons par l'extractivité des points d'intérêt dont a montré leur robustesse par rapport à l'identité de la personne par une étude tensorielle. Ces primitives sont ensuite représentées en tant qu'une séquence de sac de mots (BOW) locaux: la séquence vidéo est segmentée temporellement en utilisant la technique de fenêtre glissante et chacun des segments ainsi obtenu est représenté par BOW des points d'intérêt lui appartenant. Le premier niveau de notre système de classification séquentiel hybride consiste à appliquer les séparateurs à vaste marge (SVM) en tant que classifieur de bas niveau afin de convertir les BOWs locaux en des vecteurs de probabilités des classes d'activité. Les séquences de vecteurs de probabilité ainsi obtenues sot utilisées comme l'entrées de classifieur séquentiel conditionnel champ aléatoire caché (HCRF). Ce dernier permet de classifier d'une manière discriminante les séries temporelles tout en modélisant leurs structures internes via les états cachés. Nous avons évalué notre approche sur des bases publiques ayant des caractéristiques diverses. Les résultats atteints semblent être intéressant par rapport à celles des travaux de l'état de l'art. De plus, nous avons montré que l'utilisation de classifieur de bas niveau permet d'améliorer la performance de système de reconnaissance vue que le classifieur séquentiel HCRF traite directement des informations sémantiques des BOWs locaux, à savoir la probabilité de chacune des activités relativement au segment en question. De plus, les vecteurs de probabilités ont une dimension faible ce qui contribue à éviter le problème de sur apprentissage qui peut intervenir si la dimension de vecteur de caractéristique est plus importante que le nombre des données; ce qui le cas lorsqu'on utilise les BOWs qui sont généralement de dimension élevée. L'estimation les paramètres du HCRF dans un espace de dimension réduite permet aussi de réduire le temps d'entrainement
Human activity recognition (HAR) from video sequences is one of the major active research areas of computer vision. There are numerous application HAR systems, including video-surveillance, search and automatic indexing of videos, and the assistance of frail elderly. This task remains a challenge because of the huge variations in the way of performing activities, in the appearance of the person and in the variation of the acquisition conditions. The main objective of this thesis is to develop an efficient HAR method that is robust to different sources of variability. Approaches based on interest points have shown excellent state-of-the-art performance over the past years. They are generally related to global classification methods as these primitives are temporally and spatially disordered. More recent studies have achieved a high performance by modeling the spatial and temporal context of interest points by encoding, for instance, the neighborhood of the interest points over several scales. In this thesis, we propose a method of activity recognition based on a hybrid model Support Vector Machine - Hidden Conditional Random Field (SVM-HCRF) that models the sequential aspect of activities while exploiting the robustness of interest points in real conditions. We first extract the interest points and show their robustness with respect to the person's identity by a multilinear tensor analysis. These primitives are then represented as a sequence of local "Bags of Words" (BOW): The video is temporally fragmented using the sliding window technique and each of the segments thus obtained is represented by the BOW of interest points belonging to it. The first layer of our hybrid sequential classification system is a Support Vector Machine that converts each local BOW extracted from the video sequence into a vector of activity classes’ probabilities. The sequence of probability vectors thus obtained is used as input of the HCRF. The latter permits a discriminative classification of time series while modeling their internal structures via the hidden states. We have evaluated our approach on various human activity datasets. The results achieved are competitive with those of the current state of art. We have demonstrated, in fact, that the use of a low-level classifier (SVM) improves the performance of the recognition system since the sequential classifier HCRF directly exploits the semantic information from local BOWs, namely the probability of each activity relatively to the current local segment, rather than mere raw information from interest points. Furthermore, the probability vectors have a low-dimension which prevents significantly the risk of overfitting that can occur if the feature vector dimension is relatively high with respect to the training data size; this is precisely the case when using BOWs that generally have a very high dimension. The estimation of the HCRF parameters in a low dimension allows also to significantly reduce the duration of the HCRF training phase

Cette thèse porte sur la segmentation supervisée d'un flux vidéo en fragments correspondant à des activités de la vie quotidienne. En différenciant geste, action et activité, cette thèse s'intéresse aux activités à haut niveau sémantique telles que "Cuisiner" ou "Prendre son repas" par opposition à des actions comme "Découper un aliment". Pour cela, elle s'appuie sur l'algorithme DOHT (Deeply Optimized Hough Transform), une méthode de l'état de l'art utilisant un paradigme de vote (par transformée de Hough). Dans un premier temps, nous adaptons l'algorithme DOHT pour fusionner les informations en provenance de différents capteurs à trois niveaux différents de l'algorithme. Nous analysons l'effet de ces trois niveaux de fusion et montrons son efficacité par une évaluation sur une base de données composée d'actions de la vie quotidienne. Ensuite, une étude des jeux de données existant est menée. Constatant le manque de vidéos adaptées à la segmentation et classification (détection) d'activités à haut niveau sémantique, une nouvelle base de données est proposée. Enregistrée dans un environnement réaliste et dans des conditions au plus proche de l'application finale, elle contient des vidéos longues et non découpées adaptées à un contexte de détection. Dans un dernier temps, nous proposons une approche hiérarchique à partir d'algorithmes DOHT pour reconnaître les activités à haut niveau sémantique. Cette approche à deux niveaux décompose le problème en une détection non-supervisée d'actions pour ensuite détecter les activités désirées
This thesis focuses on supervised activity segmentation from video streams within application context of smart homes. Three semantic levels are defined, namely gesture, action and activity, this thesis focuses mainly on the latter. Based on the Deeply Optimized Hough Transform paridigm, three fusion levels are introduced in order to benefit from various modalities. A review of existing action based datasets is presented and the lack of activity detection oriented database is noticed. Then, a new dataset is introduced. It is composed of unsegmented long time range daily activities and has been recorded in a realistic environment. Finaly, a hierarchical activity detection method is proposed aiming to detect high level activities from unsupervised action detection

La compréhension des actions dans les vidéos est un aspect crucial de la vision par ordinateur avec des implications profondes dans divers domaines. Alors que notre dépendance aux données visuelles continue de croître, la capacité à com-prendre et interpréter les actions humaines dans les vidéos est essentielle pour faire progresser les technologies dans la surveillance, les soins de santé, les systèmes auto-nomes et l'interaction homme-machine. La vision par ordinateur a connu d'énormes progrès avec l'avènement de méthodes d'apprentissage profond telles que les ré-seaux neuronaux convolutionnels (CNN) et plus récemment les transformers. Ces méthodes ont permis à la communauté de la vision par ordinateur d'évoluer dans de nombreux domaines tels que la segmentation d'image, la détection d'objets, la compréhension de scènes, etc. Cependant, en ce qui concerne le traitement vidéo, il reste encore limité par rapport aux images statiques. La reconnaissance des activités humaines repose sur une analyse vidéo approfondie. Dans cette analyse, il est essentiel de prendre en considération différents aspects de la vidéo, tels que les informations spatiales (comme la couleur RGB, la pose, la détection d'objets, etc.) ainsi que les informations temporelles. Il est ensuite nécessaire de combiner ces deux types d'entrées pour prédire avec précision l'activité humaine qui se déroule dans la vidéo. Dans cette thèse, nous nous concentrons sur la compréhension des actions que nous divisons en deux parties principales : la reconnaissance des actions et la détection des actions. Principalement, les algorithmes de compréhension des actions font face aux défis suivants : 1) l'analyse temporelle et spatiale, 2) les actions détaillées,et 3) la modélisation temporelle.Cette thèse, introduis les différents défis liés à la reconnaissance des activités humaines. Nous présenterons également les méthodes et solutions existantes, en met-tant en évidence leurs limites. Ensuite, nous exposerons notre propre travail et nos contributions dans ce domaine spécifique. En conclusion, nous discuterons des perspectives futures et des extensions envisageables pour nos solutions
Understanding actions in videos is a pivotal aspect of computer vision with profound implications across various domains. As our reliance on visual data continues to surge, the ability to comprehend and interpret human actions in videos is necessary for advancing technologies in surveillance, healthcare, autonomous systems,and human-computer interaction. Moreover, There is an unprecedented economical and societal demand for robots that can assist humans in their industrial workand daily life activities. Hence, understanding human behaviour and its activities would be very helpful and would facilitate development of such robots. The accurate interpretation of actions in videos serves as a cornerstone for the developmentof intelligent systems that can navigate and respond effectively to the complexities of the real world. In this context, advancements in action understanding not only push the boundaries of computer vision but also play a crucial role in shaping thelandscape of cutting-edge applications that impact our daily lives. Computer Vision has known huge progress with the rise of deep learning methods such as convolutional neural networks (CNNs) and more lately transformers. Such methods allowed computer vision community to evolve in many domains such image segmentation, object detection, scene understanding and so on. However, when it comes to video processing it is still limited compared to static images. In this thesis, we focus on action understanding and we divide it into two main parts: action recognition and action detection. Mainly, action understanding algorithms faces following challenges : 1) temporal and spacial analysis, 2) fine grained actions, and 3) temporal modeling. In this thesis we introduce with more details the different aspects and key challenges of action understanding. After that we are going to introduce our contributions and solution on how to deal with these challenges. We are going to focus mainly on recognising fine-grained action using spatio-temporal objects semantics and their dependencies in space and time, we are going also to tackle action detection in real-time and anticipation by introducing a new joint model of action anticipation and online action detection for a real life scenarios applications of action detection. We are going also to introduce a new method of efficiently training networks, specifically transformers and also a more efficient use of multi-modalities (RGB, Optical-Flow, Audio...). Finally, we will discuss some ongoing and future works. All our contributions where extensively evaluated on challenging bench-marks and outperformed previous works

Dans l’état de l’art, les tâches de sous-titrage se concentrent souvent sur les images et les vidéos, mais rarement sur les poses humaines. Ces dernières offrent pourtant une représentation concise des activités humaines et, au-delà de la qualité de la génération de texte, la tâche de "légendage" de mouvement peut constituer un intermédiaire pour résoudre d’autres tâches dérivées. Les travaux présentés dans ce manuscrit sont centrés sur l’apprentissage non supervisé qui peut être utilisé pour la segmentation de mouvement et l’identification d’une sémantique associée, ainsi que son interprétabilité. Après une revue de la littérature des méthodes récentes pour l’estimation de poses humaines, un prérequis central pour le légendage basé sur la pose, nous nous intéressons à l’apprentissage de la représentation de pose, avec un accent sur la modélisation basée sur des graphes spatio-temporels. Notre modèle est évalué sur une application réelle de détection de comportement protecteur, pour laquelle nous avons gagné le défi AffectMove. Les contributions majeures concernant le légendage du mouvement sont ensuite détaillées en trois temps. (i) Un mécanisme d’attention récurrent local pour la génération de texte synchronisé avec le mouvement est proposé, où chaque mouvement et sa légende sont décomposés en primitives et sous-légendes correspondantes. Des métriques spécifiques sont proposées pour évaluer la correspondance entre les segments de mouvement et les segments de langage. (ii) Un jeu de données mouvement-langage est ensuite proposé pour permettre une segmentation supervisée. (iii) Enfin, une architecture interprétable avec un processus de raisonnement transparent à travers l’attention spatio-temporelle est proposée. Cette architecture montre des "résultats état-de-l’art" sur les deux jeux de données de référence, KITML et HumanML3D. Des outils efficaces sont proposés pour l’évaluation et l’illustration de l’interprétabilité. Ces contributions ouvrent de nombreuses perspectives de recherche et le manuscrit se termine par une analyse approfondie des applications potentielles : la segmentation d’actions non supervisée, la traduction automatique de la langue des signes ou encore l’impact dans d’autres scénarios
Captioning tasks mainly focus on images or videos, and seldom on human poses. Yet, poses concisely describe human activities. Beyond text generation quality, we consider the motion caption task as an intermediate step to solve other derived tasks. In this holistic approach, our experiments are centered on the unsupervised learning of semantic motion segmentation and interpretability. We first conduct an extensive literature review of recent methods for human pose estimation, as a central prerequisite for pose-based captioning. Then, we take an interest in pose-representation learning, with an emphasis on the use of spatiotemporal graph-based learning, which we apply and evaluate on a real-world application (protective behavior detection). As a result, we win the AffectMove challenge. Next, we delve into the core of our contributions in motion captioning, where: (i) We design local recurrent attention for synchronous text generation with motion. Each motion and its caption are decomposed into primitives and corresponding sub-captions. We also propose specific metrics to evaluate the synchronous mapping between motion and language segments. (ii) We initiate the construction of a motion-language dataset to enable supervised segmentation. (iii) We design an interpretable architecture with a transparent reasoning process through spatiotemporal attention, showing state-of-the-art results on the two reference datasets, KIT-ML and HumanML3D. Effective tools are proposed for interpretability evaluation and illustration. Finally, we conduct a thorough analysis of potential applications: unsupervised action segmentation, sign language translation, and impact in other scenarios

De nos jours, il est important de trouver des solutions pour détecter et prévenir les chutes des personnes âgées. Nous avons proposé un dispositif bas coût à base d’une paire de capteurs thermiques. La contrepartie de ces capteurs bas-coût est leur faible résolution (80x60 pixels), la faible fréquence de rafraîchissement, le bruit et des effets de halo. Nous avons donc proposé quelques approches pour contourner ces inconvénients. Tout d’abord, nous avons proposé une nouvelle méthode de calibration avec une grille adaptée à l’image thermique et une méthodologie assurant la robustesse de l’estimation des paramètres malgré la faible résolution. Ensuite, pour la vision 3D, nous avons proposé une méthode de mise en correspondance stéréo avec une précision sous-pixels (appelée ST pour Subpixel Thermal) composée : 1) d’une méthode robuste d’extraction des caractéristiques basée sur la congruence de phase, 2) d’une mise en correspondance de ces caractéristiques au pixel près, et 3) d’une mise correspondance raffinée en précision sous-pixel basée sur la corrélation de phase locale. Nous avons également proposé une méthode de super-résolution appelée Edge Focused Thermal Super-Resolution (EFTS) qui contient un module d’extraction de contours amenant le réseau de neurones artificiels de se concentrer sur les contours des objets dans les images. Par la suite, pour la détection des chutes, nous avons proposé une nouvelle méthode (TSFD pour Thermal Stereo Fall Détection) basée sur les correspondances stéréo mais sans calibration et un apprentissage de points au sol. Enfin, pour la surveillance des activités des personnes âgées, nous avons exploré de nombreuses approches basées sur l’apprentissage profond pour classer des activités avec une quantité limitée de données d’apprentissage
Nowadays, it is essential to find solutions to detect and prevent the falls of seniors. We proposed a low-cost device based on a pair of thermal sensors. The counterpart of these low-cost sensors is their low resolution (80x60 pixels), low refresh rate, noise, and halo effects. We proposed some approaches to bypass these drawbacks. First, we proposed a calibration method with a grid adapted to the thermal image and a framework ensuring the robustness of the parameters estimation despite the low resolution. Then, for 3D vision, we proposed a threefold sub-pixel stereo matching framework (called ST for Subpixel Thermal): 1) robust features extraction method based on phase congruency, 2) matching of these features in pixel precision, and 3) refined matching in sub-pixel accuracy based on local phase correlation. We also proposed a super-resolution method called Edge Focused Thermal Super-resolution (EFTS), which includes an edge extraction module enforcing the neural networks to focus on the edge in images. After that, for fall detection, we proposed a new method (called TSFD for Thermal Stereo Fall Detection) based on stereo point matching but without calibration and the classification of matches as on the ground or not on the ground. Finally, we explored many approaches to learn activities from a limited amount of data for seniors activity monitoring

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