Добірка наукової літератури з теми "Capteurs de smartphones"

Les smartphones sont omniprésents et sont aujourd’hui dotés de multiples capteurs. Il devient possible de détourner ces capteurs pour faire des expériences scientifiques – un domaine né il y a quelques années que l’on peut désigner par le terme smartphonique. Nous détaillons ici quelques-unes de ces expériences réalisables avec smartphone initialement dédiées à l’enseignement mais nous montrons aussi quelques utilisations récentes du smartphone en recherche en nous focalisant principalement sur le domaine de l’optique.

Le terme de données massives décrit le recueil, la gestion et l’analyse de données de sources hétérogènes, d’un volume important, avec une grande vitesse de génération. À côté des données omiques, les données de capteurs, les smartphones et les réseaux sociaux créent une énorme quantité d’informations utilisables en épidémiologie. Les méthodes statistiques classiques ont des limites dans ce contexte qu’on soit dans la situation où l’on a un grand nombre de sujets et un grand nombre de variables ou dans celle où le nombre de variables est bien plus grand que le nombre de sujets. Les méthodes data-driven ou hypothesis-driven peuvent être utilisées pour réduire l’information et aider à l’interprétation des associations mises en évidence. Nous illustrons les aléas et les succès de quelques approches développées sur les données massives dans le champ des maladies transmissibles. Il faut garder à l’esprit que les données massives ne sont pas une solution magique pour l’interprétation causale des associations, au cœur de la démarche épidémiologique.

La valeur ajoutée de la digitalisation: être plusinformé, connecté et agile La digitalisation et les nouvelles technologies représentent un grand potentiel pour soutenir une gestion des écosystèmes forestiers qui soit proche de la nature, multifonctionnelle et durable. Il existe déjà de nombreux exemples concrets de l’utilisation judicieuse de ces technologies dans ce domaine exigeant et complexe. Les capteurs des satellites, des drones ou des smartphones fournissent des informations toujours plus précises sur l’état de la forêt et son évolution. La digitalisation et la mise en réseau des processus de gestion favorisent une pensée systémique et aident à mieux appréhender la complexité de la gestion forestière. Les plateformes d’échange d’expériences et de connaissances permettent de mettre en commun les nombreuses et diverses expertises venant de la pratique, ce qui permet de mieux comprendre, en fonction des situations et des faits, la dynamique des écosystèmes forestiers, les techniques sylvicoles utilisées et leurs effets. La réalité virtuelle offre la possibilité de rapprocher la forêt du grand public. Par exemple, le «voyage dans le temps», permis par une documentation visuelle de la forêt au cours du temps, peut être utilisé pour illustrer les effets des mesures sylvicoles et les relier concrètement aux attentes de la société et des propriétaires forestiers. Etre bien informé et renforcer la pensée systémique et les échanges avec les acteurs forestiers sont des conditions préalables importantes pour pouvoir s’adapter rapidement, de façon flexible et efficace et faire preuve d’agilité, ce d’autant plus dans un contexte de changements profonds, tels que les changements climatiques.

IntroductionLe projet PSYCHE (Personalised monitoring Systems for care in mental Health) vise à évaluer la capacité d’un système de monitoring à détecter et à prédire les changements d’humeur chez des patients cyclothymiques ou présentant un trouble bipolaire à cycles rapides. Ce système permet l’enregistrement de données physiologiques telles que le rythme cardiaque, respiratoire, l’actimétrie, la voix et de données issues d’autoévaluations de l’humeur et du sommeil. Nous présentons ici l’intégration dans la vie quotidienne du concept PSYCHE. MéthodeUne évaluation de la faisabilité et de l’acceptabilité de ce système a été menée sur 4 sujets cyclothymiques lors de la visite d’inclusion, après 7 jours d’utilisation du système et en fin d’étude. Celle-ci, d’une durée totale de 14 semaines, consiste en des enregistrements bi-hebdomadaires : (i) via un t-shirt porté la nuit muni de capteurs raccordés à un boîtier électronique (SEW), de l’actimétrie, des rythmes cardiaque et respiratoire, (ii) via un smartphone, de la voix et de l’humeur (questionnaire ISS de Bauer). Par ailleurs, un agenda de l’humeur est rempli quotidiennement sur smartphone. RésultatL’impression initiale, à 7 jours et à 14 semaines sur le concept PSYCHE, est hautement favorable. Les patients se montrent à la fois enthousiastes et rapportent d’un grand niveau d’aisance avec le matériel, malgré des problèmes de connexion entre le smartphone et le boîtier SEW rencontrés par 2 sujets au début de l’étude.ConclusionLe système PSYCHE réclame un bon niveau d’adaptation technologique et un investissement important pour la réalisation de l’ensemble des activités de suivis, mais bénéficie d’une bonne acceptabilité. Des optimisations techniques restent nécessaires pour que le système PSYCHE soit applicable dans un contexte clinique.

La qualité et la quantité d'eau fournie par le réservoir d'eau affectent directement la vie quotidienne des gens. La plupart des réservoirs d'eau traditionnels utilisent une détection manuelle, ce qui entraîne une faible précision des informations qui aideront les utilisateurs à prendre des décisions éclairées sur la régulation du niveau d'eau. Afin d'assurer la sécurité et la continuité de l'approvisionnement en eau des réservoirs, cet article propose un système de surveillance du niveau d’un réservoir d'eau basés utilisant un microcontrôleur pour détecter automatiquement les niveaux d'eau. Les outils utilisés sont le capteur ultrasons pour surveiller respectivement le niveau d'eau du réservoir d'eau, un nodeMCU pour transmet les données au afin d’ afficher le niveau d’eau sur L’écran LCD et à distance via un smartphone. Le système peut contrôler automatiquement le niveau d'eau et déclencher une alarme lorsque le niveau d’eau est élevé.

L’évaluation médicale en psychiatrie repose encore aujourd’hui principalement sur l’examen clinique du patient. Les techniques de l’information et de la communication (TIC) sont cependant en plein essor dans le domaine de la santé. Basées sur l’intelligence artificielle, les méthodes d’analyse automatisée pourraient permettre d’améliorer le diagnostic clinique avec l’identification de nouveaux « biomarqueurs », notamment dans le domaine des pathologies neuropsychiatriques . Le signal acquis à l’aide de nouveaux capteurs pouvant surpasser les limites perceptives du médecin pourrait permettre une évaluation plus fiable et objective du patient. L’augmentation de l’accessibilité aux technologies, comme l’apparition du Smartphone dans le quotidien du médecin, laisse la possibilité à une analyse physiologique peu coûteuse, rapide et applicable en pratique courante. Les maladies neuropsychiatriques nécessitent une amélioration des outils de dépistage du fait d’un retard diagnostique souvent important pour ces pathologies. L’enjeu est particulièrement important dans les maladies neurodégénératives où l’effet modeste des traitements nécessite une mise en place rapide des mesures thérapeutiques afin de prévenir au mieux les symptômes et la perte d’autonomie associée [2,3]. Les troubles anxieux présentent des perturbations physiologiques bien décrites et nécessitent de même une prise en charge précoce dans l’histoire de la maladie afin d’éviter leur complication et faciliter leur traitement. Le traitement du signal issu de paramètres physiologiques tels que l’analyse du signal vocal et la variabilité de la fréquence cardiaque, reflétant l’état du système sympathique, pourraient permettre le développement d’outils de dépistage et d’évaluation des troubles anxieux afin de faciliter l’accès aux soins à temps ainsi qu’aider à leur évaluation au cours du suivi.

ABSTRACT Pervasive computer games (PCGs) combine digital mobile technologies and location-based systems by creating an interface between electronic and physical spaces for playing. PCG is a general name for mobile games such as hybrid reality games (HRGs), location-based mobile games (LBMGs), and urban games. Our goal here is to show how these games, along with new digital mobile technologies, have the potential to produce “spatialization,” i.e., to socially produce the space in which they are embedded. I suggest that spatialization is achieved through the use of technology such as sensors and digital mobile networks (smartphones, PDAs, global positioning systems [GPSs], and augmented reality [AR] devices; radio frequency identification [RFID] tags and global system for mobile communications/general packet radio service [GSM/GPRS]; Wi-Fi and Bluetooth). The goal of this article is to examine the forms of spatialization created by the use of location-based services and location-based technologies.RÉSUMÉ : Les jeux mobiles géolocalisés combinent les technologies numériques mobiles avec les systèmes géolocalisés, créant ainsi pour le jeu une interface entre espace électronique et espace physique. Ces jeux comprennent tout jeu mobile tel que les jeux de réalité hybride et les jeux urbains. Mon but dans cet article est de montrer comment ces jeux, de concert avec les nouvelles technologies numériques mobiles, ont le potentiel de réaliser certains types de « spatialisation », c’est-à-dire de créer socialement l’espace dans lequel ils se trouvent. Je suggère que la spatialisation s’accomplit au moyen de technologies comme les capteurs et les réseaux numériques mobiles (téléphones intelligents, assistants numériques personnels, systèmes GPS et systèmes de réalité augmentée; étiquettes d’identification par radiofréquence, systèmes mondiaux de communication avec les mobiles et services généraux de radiocommunication par paquets; Wi-Fi et technologie Bluetooth). Le but de cet article est d’examiner les types de spatialisation créés au moyen de technologies et services géolocalisés.

L'environnement \textit{indoor} permet un grand nombre de services issus des technologies de l'information et de la communication. La localisation de l'utilisateur, via celle de son smartphone, est donc un élément-clé de cette réussite. Cette thèse s'intéresse au suivi des déplacements de l'utilisateur grâce aux capteurs de mouvement embarqués dans son smartphone. Elle repose sur la détermination du type de locomotion. Nous proposons une solution de navigation \textit{indoor} complète, permettant de proposer à l'utilisateur un chemin jusqu'à sa destination dans n'importe quel bâtiment tout en connaissant sa position à chaque instant, avec une précision de l'ordre du mètre. De façon analogue, nous avons également montré que nous pouvons déterminer le mode de transport d'un utilisateur pour une application de détection de places de parking libres
Indoor environments present opportunities for a rich set of location-aware services in the information and communications technology (ICT) area. Therefore, accurately localizing a user indoors has become a key enabling technology. This thesis addresses the issue of tracking a user equipped with an off-the-shelf smartphone by exploiting its embedded motion sensors. Leveraging key characteristics of human locomotion, we propose a complete, infrastructure-free indoor navigation solution, allowing a user to navigate any unknown building with meter-level accuracy. Finally, extending our understanding of locomotion to outdoors areas where users are inside vehicles, we design and implement a smartphone application for smart on-street parking

Les réseaux sans fils et mobiles se sont énormément développés au cours de ces dernières années. Loin d'être réservés aux pays industrialisés, ces réseaux nécessitant une infrastructure fixe limitée se sont aussi imposés dans les pays émergents et les pays en voie de développement. En effet, avec un investissement structurel relativement très faible en comparaison de celui nécessaire à l'implantation d'un réseau filaire, ces réseaux permettent aux opérateurs d'offrir une couverture du territoire très large, avec un coût d'accès au réseau (prix du téléphone et des communications) tout à fait acceptable pour les utilisateurs. Aussi, il n'est pas surprenant qu'aujourd'hui, dans la majorité des pays, le nombre de téléphones sans fil soit largement supérieur à celui des téléphones fixes. Ce grand nombre de terminaux disséminé sur l'ensemble de la planète est un réservoir inestimable d'information dont une infime partie seulement est aujourd'hui exploitée. En effet, en combinant la position d'un mobile et sa vitesse de déplacement, il devient possible d'en déduire la qualité des routes ou du trafic routier. Dans un autre registre, en intégrant un thermomètre et/ou un hygromètre dans chaque terminal, ce qui à grande échelle impliquerait un coût unitaire dérisoire, ces terminaux pourraient servir de relai pour une météo locale plus fiable. Dans ce contexte, l'objectif de cette thèse consiste à étudier et analyser les opportunités offertes par l'utilisation des données issues des terminaux mobiles, de proposer des solutions originales pour le traitement de ces grands masses de données, en insistant sur les optimisations (fusion, agrégation, etc.) pouvant être réalisées de manière intermédiaire dans le cadre de leur transport vers les(s) centre(s) de stockage et de traitement, et éventuellement d'identifier les données non disponibles aujourd'hui sur ces terminaux mais qui pourraient avoir un impact fort dans les années à venir. Un prototype présentant un exemple typique d'utilisation permettra de valider les différentes approches
Mobile and wireless networks have developed enormously over the recent years. Far from being restricted to industrialized countries, these networks which require a limited fixed infrastructure, have also imposed in emerging countries and developing countries. Indeed, with a relatively low structural investment as compared to that required for the implementation of a wired network, these networks enable operators to offer a wide coverage of the territory with a network access cost (price of devices and communications) quite acceptable to users. Also, it is not surprising that today, in most countries, the number of wireless phones is much higher than landlines. This large number of terminals scattered across the planet is an invaluable reservoir of information that only a tiny fraction is exploited today. Indeed, by combining the mobile position and movement speed, it becomes possible to infer the quality of roads or road traffic. On another level, incorporating a thermometer and / or hygrometer in each terminal, which would involve a ridiculous large-scale unit cost, these terminals could serve as a relay for more reliable local weather. In this context, the objective of this thesis is to study and analyze the opportunities offered by the use of data from mobile devices to offer original solutions for the treatment of these big data, emphasizing on optimizations (fusion, aggregation, etc.) that can be performed as an intermediate when transferred to center(s) for storage and processing, and possibly identify data which are not available now on these terminals but could have a strong impact in the coming years. A prototype including a typical sample application will validate the different approaches

Les réseaux sans fils et mobiles se sont énormément développés au cours de ces dernières années. Loin d'être réservés aux pays industrialisés, ces réseaux nécessitant une infrastructure fixe limitée se sont aussi imposés dans les pays émergents et les pays en voie de développement. En effet, avec un investissement structurel relativement très faible en comparaison de celui nécessaire à l'implantation d'un réseau filaire, ces réseaux permettent aux opérateurs d'offrir une couverture du territoire très large, avec un coût d'accès au réseau (prix du téléphone et des communications) tout à fait acceptable pour les utilisateurs. Aussi, il n'est pas surprenant qu'aujourd'hui, dans la majorité des pays, le nombre de téléphones sans fil soit largement supérieur à celui des téléphones fixes. Ce grand nombre de terminaux disséminé sur l'ensemble de la planète est un réservoir inestimable d'information dont une infime partie seulement est aujourd'hui exploitée. En effet, en combinant la position d'un mobile et sa vitesse de déplacement, il devient possible d'en déduire la qualité des routes ou du trafic routier. Dans un autre registre, en intégrant un thermomètre et/ou un hygromètre dans chaque terminal, ce qui à grande échelle impliquerait un coût unitaire dérisoire, ces terminaux pourraient servir de relai pour une météo locale plus fiable. Dans ce contexte, l'objectif de cette thèse consiste à étudier et analyser les opportunités offertes par l'utilisation des données issues des terminaux mobiles, de proposer des solutions originales pour le traitement de ces grands masses de données, en insistant sur les optimisations (fusion, agrégation, etc.) pouvant être réalisées de manière intermédiaire dans le cadre de leur transport vers les(s) centre(s) de stockage et de traitement, et éventuellement d'identifier les données non disponibles aujourd'hui sur ces terminaux mais qui pourraient avoir un impact fort dans les années à venir. Un prototype présentant un exemple typique d'utilisation permettra de valider les différentes approches
Mobile and wireless networks have developed enormously over the recent years. Far from being restricted to industrialized countries, these networks which require a limited fixed infrastructure, have also imposed in emerging countries and developing countries. Indeed, with a relatively low structural investment as compared to that required for the implementation of a wired network, these networks enable operators to offer a wide coverage of the territory with a network access cost (price of devices and communications) quite acceptable to users. Also, it is not surprising that today, in most countries, the number of wireless phones is much higher than landlines. This large number of terminals scattered across the planet is an invaluable reservoir of information that only a tiny fraction is exploited today. Indeed, by combining the mobile position and movement speed, it becomes possible to infer the quality of roads or road traffic. On another level, incorporating a thermometer and / or hygrometer in each terminal, which would involve a ridiculous large-scale unit cost, these terminals could serve as a relay for more reliable local weather. In this context, the objective of this thesis is to study and analyze the opportunities offered by the use of data from mobile devices to offer original solutions for the treatment of these big data, emphasizing on optimizations (fusion, aggregation, etc.) that can be performed as an intermediate when transferred to center(s) for storage and processing, and possibly identify data which are not available now on these terminals but could have a strong impact in the coming years. A prototype including a typical sample application will validate the different approaches

Grâce à l’émergence dans la vie quotidienne des appareils de plus en plus populaires que sont les smartphones et les tablettes, la tâche de postionner l'utilisateur par le biais de son téléphone est une problématique fortement étudiée dans les domaines non seulement de la recherche mais également des communautés industrielles. Parmi ces technologies, les approches GPS sont devenues une norme et ont beaucoup de succès pour une localisation en environnement extérieur. Par contre, le Wi-Fi, les capteurs inertiels et le Bluetooth sont plutôt préférés pour les tâches de positionnement dans un environnement intérieur.Pour ce qui concerne le positionnement des smartphones, les approches basées sur les « empreintes digitales » (fingerprint) Wi-Fi sont bien établies. D'une manière générale, ces approches tentent d'apprendre la fonction de correspondance (cartographie) des caractéristiques du signal Wi-Fi par rapport à la position de l’appareil dans le monde réel. Elles nécessitent généralement une grande quantité de données pour obtenir une bonne cartographie. Lorsque ces données d'entraînement disponibles sont limitées, l'approche basée sur les empreintes digitales montre alors des taux d’erreurs élevés et devient moins stable. Dans nos travaux, nous explorons d’autres approches, différentes, pour faire face à cette problématique du manque de données d'entraînement. Toutes ces méthodes sont testées sur un ensemble de données public qui est utilisé lors d’une compétition internationale à la Conférence IPIN 2016.En plus du système de positionnement basé sur la technologie Wi-Fi, les capteurs inertiels du smartphone sont également utiles pour la tâche de suivi. Les trois types de capteurs, qui sont les accéléromètres, le gyroscope et la boussole magnétique, peuvent être utilisés pour suivre l'étape et la direction de l'utilisateur (méthode SHS). Le nombre d'étapes et la distance de déplacement de l'utilisateur sont calculés en utilisant les données de l'accéléromètre. La position de l'utilisateur est calculée par trois types de données avec trois méthodes comprenant la matrice de rotation, le filtre complémentaire et le filtre de Madgwick. Il est raisonnable de combiner les sorties SHS avec les sorties de Wi-Fi, car les deux technologies sont présentes dans les smartphones et se complètent. Deux approches combinées sont testées. La première approche consiste à utiliser directement les sorties Wi-Fi comme points de pivot pour la fixation de la partie de suivi SHS. Dans la deuxième approche, nous comptons sur le signal Wi-Fi pour construire un modèle d'observation, qui est ensuite intégré à l'étape d'approximation du filtre à particules. Ces combinaisons montrent une amélioration significative par rapport au suivi SHS ou au suivi Wi-Fi uniquement.Dans un contexte multiutilisateur, la technologie Bluetooth du smartphone pourrait fournir une distance approximative entre les utilisateurs. La distance relative est calculée à partir du processus de numérisation du périphérique Bluetooth. Elle est ensuite utilisée pour améliorer la sortie des modèles de positionnement Wi-Fi. Nous étudions deux méthodes. La première vise à créer une fonction d'erreur qui permet de modéliser le bruit dans la sortie Wi-Fi et la distance approximative produite par le Bluetooth pour chaque intervalle de temps spécifié. La seconde méthode considère par contre cette relation temporelle et la contrainte de mouvement lorsque l'utilisateur se déplace. Le modèle d'observation du filtre à particules est une combinaison entre les données Wi-Fi et les données Bluetooth. Les deux approches sont testées en fonction de données réelles, qui incluent jusqu'à quatre utilisateurs différents qui se déplacent dans un bureau. Alors que la première approche n'est applicable que dans certains scénarios spécifiques, la deuxième approche montre une amélioration significative par rapport aux résultats de position basés uniquement sur le modèle d'empreintes digitales Wi-Fi
With the popularity of smartphones and tablets in daily life, the task of finding user’s position through their phone gains much attention from both the research and industry communities. Technologies integrated in smartphones such as GPS, Wi-Fi, Bluetooth and camera are all capable for building a positioning system. Among those technologies, GPS has approaches have become a standard and achieved much success for the outdoor environment. Meanwhile, Wi-Fi, inertial sensors and Bluetooth are more preferred for positioning task in indoor environment.For smartphone positioning, Wi-Fi fingerprinting based approaches are well established within the field. Generally speaking, the approaches attempt to learn the mapping function from Wi-Fi signal characteristics to the real world position. They usually require a good amount of data for finding a good mapping. When the available training data is limited, the fingerprinting-based approach has high errors and becomes less stable. In our works, we want to explore different approaches of Wi-Fi fingerprinting methods for dealing with a lacking in training data. Based on the performance of the individual approaches, several ensemble strategies are proposed to improve the overall positioning performance. All the proposed methods are tested against a published dataset, which is used as the competition data of the IPIN 2016 Conference with offsite track (track 3).Besides the positioning system based on Wi-Fi technology, the smartphone’s inertial sensors are also useful for the tracking task. The three types of sensors, which are accelerate, gyroscope and magnetic, can be employed to create a Step-And-Heading (SHS) system. Several methods are tested in our approaches. The number of steps and user’s moving distance are calculated from the accelerometer data. The user’s heading is calculated from the three types of data with three methods, including rotation matrix, Complimentary Filter and Madgwick Filter. It is reasonable to combine SHS outputs with the outputs from Wi-Fi due to both technologies are present in the smartphone. Two combination approaches are tested. The first approach is to use directly the Wi-Fi outputs as pivot points for fixing the SHS tracking part. In the second approach, we rely on the Wi-Fi signal to build an observation model, which is then integrated into the particle filter approximation step. The combining paths have a significant improvement from the SHS tracking only and the Wi-Fi only. Although, SHS tracking with Wi-Fi fingerprinting improvement achieves promising results, it has a number of limitations such as requiring additional sensors calibration efforts and restriction on smartphone handling positions.In the context of multiple users, Bluetooth technology on the smartphone could provide the approximated distance between users. The relative distance is calculated from the Bluetooth inquiry process. It is then used to improve the output from Wi-Fi positioning models. We study two different combination methods. The first method aims to build an error function which is possible to model the noise in the Wi-Fi output and Bluetooth approximated distance for each specific time interval. It ignores the temporal relationship between successive Wi-Fi outputs. Position adjustments are then computed by minimizing the error function. The second method considers the temporal relationship and the movement constraint when the user moves around the area. The tracking step are carried out by using particle filter. The observation model of the particle filter are a combination between the Wi-Fi data and Bluetooth data. Both approaches are tested against real data, which include up to four different users moving in an office environment. While the first approach is only applicable in some specific scenarios, the second approach has a significant improvement from the position output based on Wi-Fi fingerprinting model only

Les technologies nomades (smartphones, tablettes, . . . ) étant actuellement très répandues,nous avons souhaité, dans le cadre de cette thèse, les utiliser comme vecteur pour proposer au grand public des outils de spatialisation sonore. La taille et le nombre de transducteurs utilisés pour la captation et la restitution sonore spatialisée sont à ce jour la limitation principale pour une utilisation nomade. Dans une première étape, la captation d’un opéra pour une restitution sur des tablettes tactiles nous a permis d’évaluer les technologies audio 3D disponibles aujourd’hui. Les résultats de cette évaluation ont révélé que l’utilisation des quatre capteurs du microphone Soundfield donne de bons résultats à condition d’effectuer un décodage binaural adapté pour une restitution sur casque. Selon une approche inspirée des méthodes de localisation de source et le concept de format « objet », un prototype de prise de son 3D léger et compact a été développé. Le dispositif microphonique proposé se compose de trois capsules microphoniques cardioïdes. A partir des signaux microphoniques, un algorithme de post-traitement spatial est capable, d’une part, de déterminer la direction des sources et, d’autre part, d’extraire un signal sonore représentatif de la scène spatiale. Ces deux informations permettent ainsi de caractérisercomplètement la scène sonore 3D en fournissant un encodage spatial offrant le double avantage d’une compression de l’information audio et d’une flexibilité pour le choix du système de reproduction. En effet, la scène sonore ainsi encodée peut être restituée en utilisant un décodage adapté sur n’importe quel type de dispositif.Plusieurs méthodes de localisation et différentes configurations microphoniques (géométrie et directivité) ont été étudiées.Dans une seconde étape, l’algorithme d’extraction de l’information spatiale a été modifié pour prendre en compte les caractéristiques réelles in situ des microphones.Des méthodes pour compléter la chaîne acoustique sont proposées permettant la restitution binaurale ainsi que sur tout autre dispositif de restitution. Elles proposent l’utilisation de capteurs de localisation présents sur les terminaux mobiles afin d’exploiter les capacités qu’ils offrent aujourd’hui
Mobile technologies (such as smartphones and tablets) are now common devices of the consumer market. In this PhD we want to use those technologies as the way to introduce tools of sound spatialization into the mass market. Today the size and the number of traducers used to pick-up and to render a spatial sound scene are the main factors which limit the portability of those devices. As a first step, a listening test, based on a spatial audio recording of an opera, let us to evaluate the 3D audio technologies available today for headphone rendering. The results of this test show that, using the appropriate binaural decoding, it is possible to achieve a good binaural rendering using only the four sensors of the Soundfield microphone.Then, the steps of the development of a 3D sound pick-up system are described. Several configurations are evaluated and compared. The device, composed of 3 cardioid microphones, was developed following an approach inspired by the sound source localization and by the concept of the "object format encoding". Using the microphone signals and an adapted post-processing it is possible to determine the directions of the sources and to extract a sound signal which is representative of the sound scene. In this way, it is possible to completely describe the sound scene and to compress the audio information.This method offer the advantage of being cross platform compatible. In fact, the sound scene encoded with this method can be rendered over any reproduction system.A second method to extract the spatial information is proposed. It uses the real in situ characteristics of the microphone array to perform the sound scene analysis.Some propositions are made to complement the 3D audio chain allowing to render the result of the sound scene encoding over a binaural system or any king of speaker array using all capabilities of the mobile devices

Aujourd'hui, la plupart des internautes ont leurs données dispersées dans plusieurs appareils, applications et services. La gestion et le contrôle de ses données sont de plus en plus difficiles. Dans cette thèse, nous adoptons le point de vue selon lequel l'utilisateur devrait se voir donner les moyens de récupérer et d'intégrer ses données, sous son contrôle total. À ce titre, nous avons conçu un système logiciel qui intègre et enrichit les données d'un utilisateur à partir de plusieurs sources hétérogènes de données personnelles dans une base de connaissances RDF. Le logiciel est libre, et son architecture innovante facilite l'intégration de nouvelles sources de données et le développement de nouveaux modules pour inférer de nouvelles connaissances. Nous montrons tout d'abord comment l'activité de l'utilisateur peut être déduite des données des capteurs de son téléphone intelligent. Nous présentons un algorithme pour retrouver les points de séjour d'un utilisateur à partir de son historique de localisation. À l'aide de ces données et de données provenant d'autres capteurs de son téléphone, d'informations géographiques provenant d'OpenStreetMap, et des horaires de transports en commun, nous présentons un algorithme de reconnaissance du mode de transport capable de retrouver les différents modes et lignes empruntés par un utilisateur lors de ses déplacements. L'algorithme reconnaît l'itinéraire pris par l'utilisateur en retrouvant la séquence la plus probable dans un champ aléatoire conditionnel dont les probabilités se basent sur la sortie d'un réseau de neurones artificiels. Nous montrons également comment le système peut intégrer les données du courrier électronique, des calendriers, des carnets d'adresses, des réseaux sociaux et de l'historique de localisation de l'utilisateur dans un ensemble cohérent. Pour ce faire, le système utilise un algorithme de résolution d'entité pour retrouver l'ensemble des différents comptes utilisés par chaque contact de l'utilisateur, et effectue un alignement spatio-temporel pour relier chaque point de séjour à l'événement auquel il correspond dans le calendrier de l'utilisateur. Enfin, nous montrons qu'un tel système peut également être employé pour faire de la synchronisation multi-système/multi-appareil et pour pousser de nouvelles connaissances vers les sources. Les résultats d'expériences approfondies sont présentés
Typical Internet users today have their data scattered over several devices, applications, and services. Managing and controlling one's data is increasingly difficult. In this thesis, we adopt the viewpoint that the user should be given the means to gather and integrate her data, under her full control. In that direction, we designed a system that integrates and enriches the data of a user from multiple heterogeneous sources of personal information into an RDF knowledge base. The system is open-source and implements a novel, extensible framework that facilitates the integration of new data sources and the development of new modules for deriving knowledge. We first show how user activity can be inferred from smartphone sensor data. We introduce a time-based clustering algorithm to extract stay points from location history data. Using data from additional mobile phone sensors, geographic information from OpenStreetMap, and public transportation schedules, we introduce a transportation mode recognition algorithm to derive the different modes and routes taken by the user when traveling. The algorithm derives the itinerary followed by the user by finding the most likely sequence in a linear-chain conditional random field whose feature functions are based on the output of a neural network. We also show how the system can integrate information from the user's email messages, calendars, address books, social network services, and location history into a coherent whole. To do so, it uses entity resolution to find the set of avatars used by each real-world contact and performs spatiotemporal alignment to connect each stay point with the event it corresponds to in the user's calendar. Finally, we show that such a system can also be used for multi-device and multi-system synchronization and allow knowledge to be pushed to the sources. We present extensive experiments

Le concept du « smart » envahit de plus en plus notre vie quotidienne. L’exemple type est sans doute le smartphone. Celui-ci est devenu au fil des ans un appareil incontournable. Bientôt, c’est la ville, la voiture, la maison qui seront « intelligentes ». L’intelligence se manifeste par une capacité d’interaction et de prise de décision entre l’environnement et l’utilisateur. Ceci nécessite des informations sur les changements d’états survenus des deux côtés. Les réseaux de capteurs permettent de collecter ces données, de leur appliquer des pré-traitements et de les transmettre aux applications. Ces réseaux de par certaines de leurs caractéristiques se rapprochent de l’intelligence collective, dans le sens, où des entités de faibles capacités se coordonnent automatiquement, sans intervention humaine, de façon décentralisée et distribuée pour accomplir des tâches complexes. Ces méthodes bio-inspirées ont servi à la résolution de plusieurs problèmes, surtout l’optimisation, ce qui nous a encouragé à étudier la possibilité de les utiliser pour les problèmes liés à l’Ambient Assisted Living ou AAL et à la classification automatique de données. L’AAL est un sous-domaine des services dits basés sur le contexte, et a pour objectifs de faciliter la vie des personnes âgées et handicapées dans leurs défis quotidiens. Pour ce faire, il détermine le contexte et, sur cette base, propose divers services. Deux éléments du contexte nous ont intéressé : le handicap et la position. Bien que la détermination de la position (localisation, positionnement) se fasse à l’extérieur des bâtiments avec des précisions très satisfaisantes, elle rencontre plusieurs difficultés à l’intérieur des bâtiments, liées à la propagation des ondes électromagnétiques dans les milieux difficiles, aux coûts des systèmes, à l’interopérabilité, etc. Nos travaux se sont intéressés au positionnement des personnes handicapées à l’intérieur de bâtiments en utilisant un réseau de capteurs afin de déterminer les caractéristiques de l’onde électromagnétique (puissance, temps, angle) pour estimer la position par méthodes géométriques (triangulation, latération), méthodes de fingerprinting (k plus proches voisins), par des filtres baysiens (filtre de Kalman). L’application est d’offrir des services types AAL tel que la navigation. Nous avons élargi la notion de réseau de capteurs pour prendre en compte tout appareil capable d’émettre et de recevoir une onde électromagnétique et se trouvant dans l’environnement. Nous avons aussi appliqué l’algorithme API sur la classification automatique de données. Enfin, nous avons proposé une architecture à middleware pour la localisation indoor
The concept of « smart » invades more and more our daily life. A typical example is the smartphone, which becames by years an essential device. Soon, it’s the city, the car and the home which will become « smart ». The intelligence is manifested by the ability for the environment to interact and to take decisons in its relationships with users and other environments. This needs information on state changes occurred on both sides. Sensor networks allow to collect these data, to apply on them some pre-processings and to transmit them. Sensor network, towards some of their caracteristics are closed to Swarm Intelligence in the sense that small entities with reduced capababilities can cooperate automatically, in unattended, decentralised and distributed manner in order to accomplish complex tasks. These bio-inspired methods have served as basis for the resolution of many problems, mostly optimization and this insipired us to apply them on problems met in Ambient Assisted Living and on the data clustering problem. AAL is a sub-field of context-aware services, and its goals are to facilitate the everyday life of elderly and disable people. These systems determine the context and then propose different kind of services. We have used two important elements of the context : the position and the disabilty. Although positioning has very good precision outdoor, it faces many challenges in indoor environments due to the electromagnetic wave propagation in harsh conditions, the cost of systems, interoperabilty, etc. Our works have been involved in positioning disabled people in indoor environment by using wireless sensor network for determining the caracteristics of the electromagnetic wave (signal strenght, time, angle) for estimating the position by geometric methods (triangulation, lateration), fingerprinting methods (k-nearest neighbours), baysiens filters (Kalman filter). The application is to offer AAL services like navigation. Therefore we extend the definition of sensor node to take into account any device, in the environment, capable of emiting and receiving a signal. Also, we have studied the possibility of using Pachycondylla Apicalis for data clustering and for indoor localization by casting this last problem as data clustering problem. Finally we have proposed a system based on a middleware architecture

La structuration multi-échelle (à l’échelle micro- et nanométrique) de matériaux fonctionnels est un thème de recherche particulièrement actif en raison du grand potentiel des dispositifs miniatures utilisables en microélectronique, en optique (contrôle solaire, photonique) en microfluidique (lab-on-a-chip) ou pour de la détection de molécules cibles. Plusieurs techniques de micronanofabrication sont utilisées pour réaliser ces dispositifs miniaturisés. D’une part, des techniques dites « Top-Down » qui sont utilisées pour créer des formes complexes à l’échelle micro- et nanométriques à partir de matériaux massifs. Cette approche repose sur des techniques de lithographie qui offrent une grande liberté sur l’architecture finale du dispositif. Cependant, ce large choix de formes et de structures se fait au prix d’un faible rendement de fabrication qui diminue considérablement le transfert vers la production à grande échelle. A l’inverse, la fabrication de matériaux multi-échelle peut être faite par l’assemblage d’éléments moléculaires (« building blocks »). Cette seconde approche, dite « Bottom-Up » a le mérite de pouvoir être employée sur de grande surfaces mais permet seulement d’obtenir des architectures simples. La combinaison de ces deux approches ouvre un large champ d’exploration et permettrait d’obtenir des structures complexes inédites inaccessibles autrement. Le but de cette thèse est de combiner les approches « Top-Down » et « Bottom-Up » pour obtenir des matériaux à architecture hiérarchique et qui possèdent à la fois des propriétés chimiques et optiques originales. Concrètement, le cœur de ce travail de doctorat a été le dépôt par voie liquide (« Chemical Liquid Deposition ») de couches minces nanoporeuses grâce à une technique de trempage-retrait (« Dip-Coating »). Ce dépôt est suivi d’une structuration induite par évaporation ou bien par lithographie. La nanoporosité de ces couches minces, qui peuvent êtres inorganique ou organique-inorganique (hybride), est induite par un phénomène d’auto-assemblage se déroulant pendant la phase de séchage du film. La structure multi-échelle résultante possède une organisation périodique à l’échelle micro- voire submicrométrique (structure photonique) mais également une nanoporosité (<100 nm) structurée; le dispositif photonique est utilisé pour détecter des vapeurs de Composés Organiques Volatiles (COV). Un accent sera mis sur la compatibilité de ces capteurs optiques avec les caméras de smartphone. Le but final est en effet de fabriquer des capteurs à bas coût, dont la réponse optique est directement lisible par un smartphone
Multi-scale structuration of functional materials at nano- and micro- levels is an active scientific field driven by the tremendous potential of miniaturized devices in microelectronics, optics (light harvesting, photonics), sensing (selective sensors) or microfluidics (lab-on-a-chip). Diverse micro-nanofabrication techniques are exploited for device fabrication. On one hand, Top-Down techniques are developed to fabricate complex micro- and nano- structures from bulk materials; this approach relies on lithography which offers a wide flexibility on the final object architecture but suffers from low-throughput that hinders its use for large-scale production. On the other hand, Bottom-Up techniques based on the assembly of molecular building blocks are suited for the large-scale fabrication of nanostructured materials but are limited to simple architectures. The fruitful combination of both approaches is thus a vast field of investigation with promising technological outcomes.The scope of this thesis is to combine Bottom-Up and Top-Down approaches to obtain hierarchical architectures with original chemical characteristics and optical properties. In practical terms, the deposition by Chemical Liquid Deposition (dip-coating) of nanoporous inorganic or organic-inorganic (hybrid) films structured by self-assembly and the subsequent patterning by either lithographic or evaporation-driven patterning will be presented. The resulting multi-scale structures possess periodic micro- or submicro- organization and engineered nanopores (<100 nm) and are used as optical sensing devices for the detection of Volatile Organic Compounds (VOC). In the pursuit of simplicity, the compatibility of these sensors with Smartphone technology is emphasized; the final goal is to fabricate low-cost sensors with pronounced chemical selectivity that produce an optical signal directly readable by Smartphone cameras

La localisation d'une personne ou d'un bien dans des environnements intérieurs est devenue une nécessité. Le système de positionnement par satellites, une solution prédominante pour la localisation en extérieur, rencontre des limites lorsqu'il est appliqué en intérieur en raison de la réflexion des signaux et de l'atténuation causée par les obstacles. Pour y remédier, diverses solutions de localisation en intérieur ont été étudiées. Les méthodes de localisation en intérieur sans fil exploitent les signaux pour déterminer la position d'un appareil dans un environnement intérieur. Cependant, l'interférence des signaux, souvent causée par des obstacles physiques, des réflexions et des appareils concurrents, peut entraîner des imprécisions dans l'estimation de la position. De plus, ces méthodes nécessitent le déploiement d'infrastructures, ce qui entraîne des coûts d'installation et de maintenance. Une autre approche consiste à estimer le mouvement de l'utilisateur à l'aide des capteurs inertiels de l'appareil. Toutefois, cette méthode se heurte à des difficultés liées à la précision des capteurs, aux caractéristiques de mouvement de l'utilisateur et à la dérive temporelle. D'autres techniques de localisation en intérieur exploitent les champs magnétiques générés par la Terre et les structures métalliques. Ces techniques dépendent des appareils et des capteurs utilisés ainsi que de l'environnement dans lequel se situe l'utilisateur.L'objectif de cette thèse est de réaliser un système de localisation en intérieur conçu pour les professionnels, tels que les pompiers, les officiers de police et les travailleurs isolés, qui ont besoin de solutions de positionnement précises et robustes dans des environnements intérieurs complexes. Dans cette thèse, nous proposons un système de localisation en intérieur qui exploite les récentes avancées en vision par ordinateur pour localiser une personne à l’intérieur d’un bâtiment. Nous développons un système de localisation au niveau de la pièce. Ce système est basé sur l'apprentissage profond et les capteurs intégrés dans le smartphone, combinant ainsi les informations visuelles avec le cap magnétique du smartphone. Pour se localiser, l'utilisateur capture une image de l'environnement intérieur à l'aide d'un smartphone équipé d'une caméra, d'un accéléromètre et d'un magnétomètre. L'image capturée est ensuite traitée par notre système composé de plusieurs réseaux neuronaux convolutionnels directionnels pour identifier la pièce spécifique dans laquelle se situe l'utilisateur. Le système proposé nécessite une infrastructure minimale et fournit une localisation précise. Nous soulignons l'importance de la maintenance continue du système de localisation en intérieur par vision. Ce système nécessite une maintenance régulière afin de s'adapter à l'évolution des environnements intérieurs, en particulier lorsque de nouvelles pièces doivent être intégrées dans le système de localisation existant. L'apprentissage incrémental par classe est une approche de vision par ordinateur qui permet aux réseaux neuronaux profonds d'intégrer de nouvelles classes au fil du temps sans oublier les connaissances déjà acquises. Dans le contexte de la localisation en intérieur par vision, ce concept doit être appliqué pour prendre en compte de nouvelles pièces. La sélection d'échantillons représentatifs est essentielle pour contrôler les limites de la mémoire, éviter l'oubli et conserver les connaissances des classes déjà apprises. Nous développons une méthode de sélection d'échantillons basée sur la cohérence pour l'apprentissage incrémental par classe dans le cadre de l'apprentissage profond. La pertinence de la méthodologie et des contributions algorithmiques de cette thèse est rigoureusement testée et validée par des expérimentations et des évaluations complètes sur des données réelles
The need to determine the location of individuals or objects in indoor environments has become an essential requirement. The Global Navigation Satellite System, a predominant outdoor localization solution, encounters limitations when applied indoors due to signal reflections and attenuation caused by obstacles. To address this, various indoor localization solutions have been explored. Wireless-based indoor localization methods exploit wireless signals to determine a device's indoor location. However, signal interference, often caused by physical obstructions, reflections, and competing devices, can lead to inaccuracies in location estimation. Additionally, these methods require access points deployment, incurring associated costs and maintenance efforts. An alternative approach is dead reckoning, which estimates a user's movement using a device's inertial sensors. However, this method faces challenges related to sensor accuracy, user characteristics, and temporal drift. Other indoor localization techniques exploit magnetic fields generated by the Earth and metal structures. These techniques depend on the used devices and sensors as well as the user's surroundings.The goal of this thesis is to provide an indoor localization system designed for professionals, such as firefighters, police officers, and lone workers, who require precise and robust positioning solutions in challenging indoor environments. In this thesis, we propose a vision-based indoor localization system that leverages recent advances in computer vision to determine the location of a person within indoor spaces. We develop a room-level indoor localization system based on Deep Learning (DL) and built-in smartphone sensors combining visual information with smartphone magnetic heading. To achieve localization, the user captures an image of the indoor surroundings using a smartphone, equipped with a camera, an accelerometer, and a magnetometer. The captured image is then processed using our proposed multiple direction-driven Convolutional Neural Networks to accurately predict the specific indoor room. The proposed system requires minimal infrastructure and provides accurate localization. In addition, we highlight the importance of ongoing maintenance of the vision-based indoor localization system. This system necessitates regular maintenance to adapt to changing indoor environments, particularly when new rooms have to be integrated into the existing localization framework. Class-Incremental Learning (Class-IL) is a computer vision approach that allows deep neural networks to incorporate new classes over time without forgetting the knowledge previously learned. In the context of vision-based indoor localization, this concept must be applied to accommodate new rooms. The selection of representative samples is essential to control memory limits, avoid forgetting, and retain knowledge from previous classes. We develop a coherence-based sample selection method for Class-IL, bringing forward the advantages of the coherence measure to a DL framework. The relevance of the methodology and algorithmic contributions of this thesis is rigorously tested and validated through comprehensive experimentation and evaluations on real datasets

Room layout generation is the problem of generating a drawing or a digital model of an existing room from a set of measurements such as laser data or images. The generation of floor plans can find application in the building industry to assess the quality and the correctness of an ongoing construction w.r.t. the initial model, or to quickly sketch the renovation of an apartment. Real estate industry can rely on automatic generation of floor plans to ease the process of checking the livable surface and to propose virtual visits to prospective customers. As for the general public, the room layout can be integrated into mixed reality games to provide a better immersiveness experience, or used in other related augmented reality applications such room redecoration. The goal of this industrial thesis (CIFRE) is to investigate and take advantage of the state-of-the art mobile devices in order to automate the process of generating room layouts. Nowadays, modern mobile devices usually come a wide range of sensors, such as inertial motion unit (IMU), RGB cameras and, more recently, depth cameras. Moreover, tactile touchscreens offer a natural and simple way to interact with the user, thus favoring the development of interactive applications, in which the user can be part of the processing loop. This work aims at exploiting the richness of such devices to address the room layout generation problem. The thesis has three major contributions. We first show how the classic problem of detecting vanishing points in an image can benefit from an a-priori given by the IMU sensor. We propose a simple and effective algorithm for detecting vanishing points relying on the gravity vector estimated by the IMU. A new public dataset containing images and the relevant IMU data is introduced to help assessing vanishing point algorithms and foster further studies in the field. As a second contribution, we explored the state of-the-art of real-time localization and map optimization algorithms for RGB-D sensors. Real-time localization is a fundamental task to enable augmented reality applications, and thus it is a critical component when designing interactive applications. We propose an evaluation of existing algorithms for the common desktop set-up in order to be employed on a mobile device. For each considered method, we assess the accuracy of the localization as well as the computational performances when ported on a mobile device. Finally, we present a proof of concept of application able to generate the room layout relying on a Project Tango tablet equipped with an RGB-D sensor. In particular, we propose an algorithm that incrementally processes and fuses the 3D data provided by the sensor in order to obtain the layout of the room. We show how our algorithm can rely on the user interactions in order to correct the generated 3D model during the acquisition process.