Exploitation des Réseaux R pour la reconnaissance de comportement d objets d. à partir d images d. de vidéosurveillance

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Exploitation des Réseaux R pour la reconnaissance de comportement d objets d. à partir d images d. de vidéosurveillance"

Transcription

1 Exploitation des Réseaux R Bayésiens pour la reconnaissance de comportement d objets d à partir d images d de vidéosurveillance Sujet de thèse : Présent sentée e par: hmed Ziani Encadrements : Mr C. Motamed,, Pr D. Hamad

2 Plan Introduction Problématique Méthodes de reconnaissance Modèle de comportements Expérimentation

3 Introduction Problématique Méthodes Modèle de comportement Expérimentation Contexte Objectif Equipe extraction de l information l et apprentissage du LSL pplication dans la vision par ordinateur Création d un d système automatique de reconnaissance de comportements des objets dans une scène réelle r ( séquence s vidéo) pplications : surveillance-sécurit curité,, interaction homme-machine, machine, analyse de geste sportif développer un algorithme de reconnaissance permettant de reconnaître des comportements particuliers en intégrant la contrainte de traitement temps réelr => indexation automatique de vidéo o (description haut niveau )

4 Introduction Problématique Méthodes Modèle de comportement Expérimentation Étapes principales : Détection et suivi d objets d dans une séquence s vidéo Extraction de caractéristiques ristiques Reconnaissance de comportements qui est basée e : Mise en correspondance d un d comportement observé (ensemble de caractéristiques ristiques extraites de l image) l et un ensemble de modèles de comportements

5 Introduction Problématique Méthodes Modèle de comportement Expérimentation Difficultés s : Enchaînement nement d é étapes d intégrant des imperfections L image est dégradd gradée e par différents phénom nomènes nes liés s aux conditions d é éclairage, d les distorsions, les effets de numérisation... détection ( fausse-détection, non détection) suivi d objet d ( perte, confusion, occultation d objets) d extraction de caractéristique ristique ( instable, imprécise) Modélisation des comportements (variabilité,, dépendance d variables diverses)

6 Introduction Problématique Méthodes Modèle de comportement Expérimentation Techniques Existantes pour la Reconnaissance de Comportements Programmation dynamique [Myers80] Chaîne de caractère, re, reconnaissance de parole Réseaux de Neurones [Guo94] beaucoup d exemples, d Modèle de Markov Caché [Poddar98] la plus utilisée e pour analyse de séquence s enchaînée e d é états d Réseaux Bayésiens [Pearl01] (plus récent) r Incertitudes Combinaison d information de nature diverse ( qualitative-quantitative) quantitative)

7 Reconnaissance de comportement Introduction Problématique Méthodes Modèle de comportement Expérimentation niveau de complexité Comportement1 Séquences d images Détection et suivi d objets mobiles Calcul de propriétés d objets mobiles Comportement2 ComportementN Réseaux Bayésiens Traitement bas niveau Traitement haut niveau Caractérisation risation de l'image : caractéristique ristique d une d région r mobile (objet mobile) Propriété de l objet l mobile : propriété formée à partir d'une ou plusieurs régions r mobiles Comportements : comportement d'un objet mobile sur une certaine période p de temps

8 Introduction Problématique Méthodes Modèle de comportement Expérimentation Comportement de Base Combinaison de plusieurs propriétés s d'objets mobiles On vérifie v à chaque image si le comportement se produit (à( chaque instant). Par ex. «un objet se rapproche d un d autre objet» Méthode proposée e (Réseaux bayésiens) Extraire un ensemble d'observations (dans le temps) des propriétés s des objets mobiles O = O(1, t) = O1 O2 Ot Déterminer un ensemble de modèles de comportements possibles C = { comportement1, comportement2,, comportementn } Déterminer la probabilité que le comportement se soit produit P(comportement O(1, t) ) Utiliser des Réseaux R Bayésiens dont la sortie est la «validité d une hypothèse (comportement)»

9 Introduction Problématique Méthodes Réseaux Bayésiens Modèle de comportement Expérimentation Exemple de comportement ( Etiseo, projet technovision ) Quelques types de Comportements Comportements de base : Stopped(p or g or v or m) Walking (p), running(p) Standing (p), sitting(p) Lying (p), crouching(p) moving (p or v), waiting(p or g) close_to(p1, p2 or g or v) going_toward(p1 or g1, p2 or g2 or v) Comportements complexes : abandoned_baggage (o)

10 Introduction Problématique Méthodes Modèle de comportement Expérimentation Exemple de Modélisation de comportement complexe scénario Bagage abandonné Division O1 T C B : début objet qui s éloigne O1,1 B : début objet statique O1,2 C : détection risque B 2 événements qui démarrent en même temps D F E D : O1,2, stationnaire pendant Dt E : Objet O1,1 loin F : détection B t 2 événements devant être validés dans le temps

11 Introduction Problématique Méthodes Modèle de comportement Expérimentation Raisonnement Temporel et Réseaux Bayésiens Comportements sophistiqués = comportements de base + relations temporelles. relations temporelles d llen [llen81]. Relation Inverse Signification < B B > précède(<) B suit (>) C m B B mi B rencontre(m) rencontré par(mi) s(,b) o B B oi chevauche(o) B chevauché par(oi) d B B di pendant (d) s() f() s(b) f(b) s B B si B B contient(di) commence (s) commencé par(si) B f B B fi termine (f) B terminé par(fi) = B B = égal() B

12 ristique é image d caract Introduction Problématique Méthodes Modèle de comportement Expérimentation C_Complexe rapprochement C_Complexe comportement complexe tourne vers ralentissement distance diminue comportement de base vitesset Vitesset-1 vitessemax propriétés d objets angle1 angle2 Distance objt Distance objt-1 mobiles complexes trajectoire position obj zone E/S zone S/E centre zone gauche zone droite Implémentation des réseaux bayésiens dans la reconnaissance de comportements

13 Introduction Problématique Méthodes Modèle de comportement Expérimentation Résultat de l indexation automatique Par description symbolique

14 Introduction Problématique Méthodes Modèle de comportement Expérimentation Représentation de résultats r :( les deux modules ) Module de Détection et Suivi t Module de Reconnaissance de comportement t

15 Introduction Problématique Méthodes Modèle de comportement Expérimentation Exploitation des réseaux r bayésiens et les Modèles de Markov Cachés pour modéliser et reconnaître des enchaînements. nements. pproche de réseaux r bayésiens hiérarchis rarchisées pour modéliser des comportements complexes. pprofondir l utilisation l des réseaux r temporels (nœ ud temporel). pprendre des paramètres de ces réseaux r à partir d exemples. d

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Introduction au domaine Applications Frédéric Devernay Qu'est-ce que la vision? Le monde a une structure 3D et est composé d'objets L'être humain sait parfaitement décrire et interpréter

Plus en détail

LIVRAPHONE TELECHARGEMENT

LIVRAPHONE TELECHARGEMENT LIVRAPHONE TELECHARGEMENT 1 Télécharger un livre audio...p 2 Téléchargement en une seule fois Téléchargement en plusieurs volumes 2 Reprise du téléchargement...p 7 Si vous n avez pas pu tout télécharger

Plus en détail

RASV, SAMSIT, TRIPS, ISCAPS, Vers une Vidéosurveillance Intelligente dans les Trains. Vincent DELCOURT ASC

RASV, SAMSIT, TRIPS, ISCAPS, Vers une Vidéosurveillance Intelligente dans les Trains. Vincent DELCOURT ASC RASV, SAMSIT, TRIPS, ISCAPS, Vers une Vidéosurveillance Intelligente dans les Trains Vincent DELCOURT ASC 1 Contexte: Introduction: Besoin Les actes de malveillance et les agressions sur le réseau SNCF

Plus en détail

Profil du candidat et connaissances techniques à connaître/maîtriser

Profil du candidat et connaissances techniques à connaître/maîtriser Utilisation d algorithmes de deep learning pour la reconnaissance d iris. jonathan.milgram@morpho.com Dans ce cadre, l'unité de recherche et technologie a pour but de maintenir le leadership Au sein de

Plus en détail

Générateur de code de simulation à partir de l information de localisation du produit

Générateur de code de simulation à partir de l information de localisation du produit Générateur de code de simulation à partir de l information de localisation du produit Andrés VÉJAR Patrick CHARPENTIER prénom.nom@cran.uhp-nancy.fr Centre de Recherche en Automatique de Nancy (CRAN), CNRS

Plus en détail

Approche hybride De la correction des erreurs à la sélection de variables

Approche hybride De la correction des erreurs à la sélection de variables Approche hybride De la correction des erreurs à la sélection de variables G.M. Saulnier 1, W. Castaing 2 1 Laboratoire EDYTEM (UMR 5204, CNRS, Université de Savoie) 2 TENEVIA (http://www.tenevia.com) Projet

Plus en détail

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes

Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes CNES Paris - 22/05/2003 Atelier «Très Haute Résolution Spatiale» Outils pour la reconnaissance des formes Michel DHOME LASMEA UMR 6602CNRS/UBP Clermont-Ferrand Etat de l art (communauté vision artificielle)

Plus en détail

Traitement de l image

Traitement de l image Traitement de l image Vidéosurveillance + + Détection et reconnaissance d objets + + Suivi d objets et de personnes + + Analyse automatique de scènes Multimédia + + Classification interactive de données

Plus en détail

Chapitre 1 Introduction 13. Chapitre 2 Maîtriser rapidement le montage vidéo 31

Chapitre 1 Introduction 13. Chapitre 2 Maîtriser rapidement le montage vidéo 31 Chapitre 1 Introduction 13 1.1. Le montage virtuel... 14 Qu est-ce que le montage virtuel?... 14 Les problèmes liés au montage virtuel... 15 1.2. À propos d Adobe Premiere Elements... 16 Présentation d

Plus en détail

Les sections 6 et 7. du ComitéNational de la RechercheScientifique

Les sections 6 et 7. du ComitéNational de la RechercheScientifique Les sections 6 et 7 du ComitéNational de la RechercheScientifique (CoNRS) Frédérique Bassino et Michèle Basseville Plan Le comité national Les missions des sections Les sections 6 et 7 Le comiténational

Plus en détail

Vision par ordinateur : Un tour d horizon. Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand

Vision par ordinateur : Un tour d horizon. Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand Vision par ordinateur : Un tour d horizon Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand Séance II : Panoramas en environnement déformable Panoramas en environnement rigide Représentation minimale d un

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite) Modèles de Markov et bases de données. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite) Modèles de Markov et bases de données Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance vocale

Plus en détail

Introduction à la Vision 3D

Introduction à la Vision 3D à la Vision 3D David Fofi Le2i UMR CNRS 6306 IUT Le Creusot Les applications présentées sont le fruit d une collaboration entre le Le2i et le laboratoire VICOROB de l Université de Gérone (Espagne). Les

Plus en détail

Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun

Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun des s Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun Sébastien Harasse thèse Cifre LIS INPG/Duhamel le 7 décembre 2006 1 Système de surveillance des s Enregistreur

Plus en détail

Extraction des séquences inter-langues pour la Traduction Automatique

Extraction des séquences inter-langues pour la Traduction Automatique Extraction des séquences inter-langues pour la Traduction Automatique Cyrine Nasri LORIA MOSIC Dirigée par : Pr. Kamel Smaili, Pr. Yahya Slimani et Dr Chiraz Latiri 1/26 Cyrine Nasri Extraction des séquences

Plus en détail

Cycle de vie du logiciel. Unified Modeling Language UML. UML: définition. Développement Logiciel. Salima Hassas. Unified Modeling Language

Cycle de vie du logiciel. Unified Modeling Language UML. UML: définition. Développement Logiciel. Salima Hassas. Unified Modeling Language Unified Modeling Language UML Salima Hassas Version Cycle de vie du logiciel Client Besoins Déploiement Analyse Test Conception Cours sur la base des transparents de : Gioavanna Di Marzo Serugendo et Frédéric

Plus en détail

Moto. (Présentation de 3 heures) Guide du présentateur

Moto. (Présentation de 3 heures) Guide du présentateur Moto (Présentation de 3 heures) Guide du présentateur Descriptif et Agenda Formation MOTO Durée du Cours Public cible Groupe Objectif général Objectifs spécifiques 1 2 3 4 5 6 7 8 9 10 Toute personne appelée

Plus en détail

Dossier de gestion de projet

Dossier de gestion de projet Dossier de gestion de projet Sommaire 1. Diagramme de Gantt... 2 a. Diagramme... 2 b. Tâches... 3 2. Description textuelle... 3 1. Dossiers... 3 2. Conception... 4 3. Répartition du travail... 5 4. Difficultés

Plus en détail

DEMARCHE OU PROCESSUS LOGICIEL

DEMARCHE OU PROCESSUS LOGICIEL DEMARCHE OU PROCESSUS LOGICIEL PROCESSUS LOGICIEL Définition Un processus définit une séquence d étapes, en partie ordonnées, qui concourent à l obtention d un système logiciel ou à l évolution d un système

Plus en détail

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation?

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation? Analyse d images, vision par ordinateur Traitement d images Segmentation : partitionner l image en ses différentes parties. Reconnaissance : étiqueter les différentes parties Partie 6: Segmentation d images

Plus en détail

Maîtrise de l énergie dans l habitat

Maîtrise de l énergie dans l habitat Séquence 1 : Quels sont les postes de consommation d énergie dans une habitation? 2 séances Séance Séquence 2 : Quel est le systéme de chauffage le plus économique? Séance Séquence 3 : Quels éléments composent

Plus en détail

Chaire PSA Peugeot Citroën Mines ParisTech

Chaire PSA Peugeot Citroën Mines ParisTech Collaboration homme-robot en milieu industriel (Philippe Fuchs Mines ParisTech) Chaire PSA Peugeot Citroën Mines ParisTech Robotique & Réalité Virtuelle 1 Premier axe de recherche : Mise en œuvre de la

Plus en détail

Modélisation du comportement habituel de la personne en smarthome

Modélisation du comportement habituel de la personne en smarthome Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai

Plus en détail

Interaction Personne-Machine

Interaction Personne-Machine Interaction Personne-Machine Techniques d Interaction 1 Techniques d Interaction La mise en place d interactions peut se faire dans une démarche organisée, dans laquelle on s appuie sur trois niveaux bien

Plus en détail

IMN459 - Fondements de la vision par ordinateur

IMN459 - Fondements de la vision par ordinateur IMN459 - Fondements de la vision par ordinateur Chapitre 1 Introduction 1. Acquisition IMN117 2. Traitement IMN259 Scène 3D Caméra optique Une ou plusieurs images 2D Caractéristiques bas niveaux (contours,

Plus en détail

Flash Professional CS6 pour PC/Mac Créer des animations attractives pour le Web

Flash Professional CS6 pour PC/Mac Créer des animations attractives pour le Web Introduction L'évolution de Flash 9 Les usages de Flash 9 Flash et les standards du web 10 L'objectif de ce livre 10 L'interface utilisateur de Flash L'objectif 11 Lancer Flash 11 La barre des menus 12

Plus en détail

Profil appel à candidatures : Contacts et adresses correspondance : Spécifications générales de cet appel à candidatures :

Profil appel à candidatures : Contacts et adresses correspondance : Spécifications générales de cet appel à candidatures : Appel à candidatures : Année de campagne : 2014 N appel à candidatures : ATER0318 Publication : 12/02/2014 Etablissement : Lieu d'exercice des fonctions : Section1 : 27 - Informatique Quotité du support

Plus en détail

EFFETS SONORES ET MUSIQUE 1/2

EFFETS SONORES ET MUSIQUE 1/2 EFFETS SONORES ET MUSIQUE 1/2 La plupart des productions commerciales nécessitent des effets sonores (comme des portes qui claquent,de la tôle froissée, des aboiements, etc.) et de la musique d accompagnement,

Plus en détail

Reconstruction et Animation de Visage. Charlotte Ghys 15/06/07

Reconstruction et Animation de Visage. Charlotte Ghys 15/06/07 Reconstruction et Animation de Visage Charlotte Ghys 15/06/07 1 3ème année de thèse Contexte Thèse CIFRE financée par Orange/France Telecom R&D et supervisée par Nikos Paragios (Ecole Centrale Paris) et

Plus en détail

Le plan. Mots clefs. Isoler Reproduire Associer

Le plan. Mots clefs. Isoler Reproduire Associer Le plan Définition Les plans sont les différentes parties de l'espace d'un tableau, d une image ou d'une représentation bidimensionnelle. Ils permettent de donner l'impression d'éloignement. Le premier

Plus en détail

Journée de l'innovation Collaborative 28 mars 2013

Journée de l'innovation Collaborative 28 mars 2013 Journée de l'innovation Collaborative 28 mars 2013 Patrick Gros Inria Traitement de l image et de la vidéo Images et vidéos : quelles sont les difficultés? La représentation des images et vidéos Elle est

Plus en détail

Reconnaissance vocale

Reconnaissance vocale Reconnaissance vocale Définition : La reconnaissance vocale ou (Automatic Speech Recognition ASR) est une technologie de transcription d'un système «phonatoire organique»exploitable par une machine. La

Plus en détail

LOGICIEL DRONETRACE v2 Collection EDUCADRONE

LOGICIEL DRONETRACE v2 Collection EDUCADRONE LOGICIEL DRONETRACE v2 Collection EDUCADRONE Le logiciel DroneTrace est un utilitaire permettant de récupérer des données télémétriques incrustées sur une vidéo enregistrée à partir d une station télémétrique

Plus en détail

RÈGLES POUR L'ÉCRITURE DES PSEUDO-CODES (Programmation par objets)

RÈGLES POUR L'ÉCRITURE DES PSEUDO-CODES (Programmation par objets) RÈGLES POUR L'ÉCRITURE DES PSEUDO-CODES (Programmation par objets) Consignes générales : 1) Chaque algorithme est bien identifié. 2) Les mots clés doivent être utilisés selon la même syntaxe que ci-dessous.

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite): Paramétrisation. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite): Paramétrisation. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite): Paramétrisation Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance vocale Paramétrisation Distances

Plus en détail

Utilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par

Plus en détail

Ingénerie du logiciel orienté objet. Les cas d utilisation

Ingénerie du logiciel orienté objet. Les cas d utilisation Ingénerie du logiciel orienté objet Répétition : Les cas d utilisation Cours d Ingénierie du Logiciel Orienté-Objet Examen écrit du mercredi 5 juin 2005 Livres fermés. Durée : 3 heures /2. Veuillez répondre

Plus en détail

ULCO-EIL3Info-RV-TP : Développement d une application de réalité virtuelle

ULCO-EIL3Info-RV-TP : Développement d une application de réalité virtuelle ULCO-EIL3Info-RV-TP : Développement d une application de réalité virtuelle Julien Dehos 31 août 2014 1 Introduction Vous allez développer une application de réalité virtuelle en utilisant une bibliothèque

Plus en détail

Les données géographiques 3D pour simuler l impact de la réglementation urbaine sur la morphologie du bâti. Mickaël Brasebin

Les données géographiques 3D pour simuler l impact de la réglementation urbaine sur la morphologie du bâti. Mickaël Brasebin Les données géographiques 3D pour simuler l impact de la réglementation urbaine sur la morphologie du bâti. Mickaël Brasebin Encadrement : Julien Perret, Sébastien Mustière (COGIT) Christiane Weber (LIVE)

Plus en détail

Laboratoire 4 Développement d un système intelligent

Laboratoire 4 Développement d un système intelligent DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement

Plus en détail

Séminaire. de Cédric Graf Prof. Rolf Ingold Dr. Denis Lalanne Document, Image and Voice Analysis (DIVA) University of Fribourg

Séminaire. de Cédric Graf Prof. Rolf Ingold Dr. Denis Lalanne Document, Image and Voice Analysis (DIVA) University of Fribourg Séminaire de Cédric Graf Prof. Rolf Ingold Dr. Denis Lalanne Document, Image and Voice Analysis (DIVA) University of Fribourg 1 Y. Azoz, L. Devi, and R. Sharma. Reliable of human arm dynamics by multiple

Plus en détail

Communication Visuelle par Composition de Flux Vidéo

Communication Visuelle par Composition de Flux Vidéo Communication Visuelle par Composition de Flux Vidéo Phuong Hoang Nguyen, Jozef Hatala, Gilles Privat, Pascal Sicard² FT R&D DIH/OCF - LSR-IMAG² Le présent document contient des informations qui sont la

Plus en détail

Master IAD Module PS. IV. Reconnaissance de la parole. Gaël RICHARD Février 2008

Master IAD Module PS. IV. Reconnaissance de la parole. Gaël RICHARD Février 2008 Master IAD Module PS IV. Reconnaissance de la parole Gaël RICHARD Février 2008 1 Contenu Introduction aux technologies vocales Production et Perception de la parole Modélisation articulatoire Synthèse

Plus en détail

Nuit de développement

Nuit de développement Nuit de développement DUT Informatique IUT A de Lille, Département informatique Année 2008-2009 François Clautiaux Michaël Hauspie François Clautiaux - Michaël Hauspie (DUT Informatique) Nuit de développement

Plus en détail

Méthodes de test. Mihaela Sighireanu

Méthodes de test. Mihaela Sighireanu UFR d Informatique Paris 7, LIAFA, 175 rue Chevaleret, Bureau 6A7 http://www.liafa.jussieu.fr/ sighirea/cours/methtest/ Partie I 1 Propriétés 2 Un peu de génie logiciel de test 3 Eléments Problèmes Point

Plus en détail

Evaluation de performance en Sûreté de Fonctionnement

Evaluation de performance en Sûreté de Fonctionnement Groupe SdF Midi-Pyrénées Toulouse 5 juin 2015 Evaluation de performance en Sûreté de Fonctionnement - Andre.cabarbaye Plan Introduction Types de performances Finalité des analyses Attentes du donneur d

Plus en détail

Techniques et outils de test pour les logiciels réactifs synchrones

Techniques et outils de test pour les logiciels réactifs synchrones Journées Systèmes et Logiciels Critiques Institut IMAG ; 14-16 nombre 2000 Techniques et outils de test pour les logiciels réactifs synchrones Farid Ouabdesselam 1 Méthodes de test : classification générale

Plus en détail

Flux de travail Capture Pro Software : indexation de code barre et séparation de document

Flux de travail Capture Pro Software : indexation de code barre et séparation de document Cette procédure écrite correspond au flux de travail d'indexation de code barre et de séparation de du programme de formation de Capture Pro Software. Chaque étape de cette procédure apparaît dans la première

Plus en détail

Répertoire de procédures de calcul mental CP et CE1

Répertoire de procédures de calcul mental CP et CE1 Répertoire de procédures de calcul mental CP et CE1 CP Dans toutes les situations de somme et de différence (rappel : on est dans les deux cas dans le «champ additif) on demandera aux élèves de ne pas

Plus en détail

Peugeot Ion Peugeot 208 1.0L VTi Toyota Yaris hybride 100h multidrive. Oui / Non Oui / Non Oui / Non. VAE Trolleybus Tramway

Peugeot Ion Peugeot 208 1.0L VTi Toyota Yaris hybride 100h multidrive. Oui / Non Oui / Non Oui / Non. VAE Trolleybus Tramway LYCÉE JULES VIETTE MONTBELIARD Quelles normes pour la recharge des véhicules électriques? La borne de recharge Schneider a t elle été développée conformément aux prescriptions? Enseignement transversal

Plus en détail

CODE BARRES ET QR CODE. Rencontre de l Orme 2013 - Marseille Jean-Baptiste CIVET

CODE BARRES ET QR CODE. Rencontre de l Orme 2013 - Marseille Jean-Baptiste CIVET CODE BARRES ET QR CODE Rencontre de l Orme 2013 - Marseille Jean-Baptiste CIVET 2 Au départ Un QR Code floral. Code Barres et QR Code 3 Oui mais voilà 4 Avant de comprendre la 2D, petit détour par la 1D

Plus en détail

Projet TAL : traduction français-sms

Projet TAL : traduction français-sms Projet TAL : traduction français-sms 1 Objectif L objectif de ce projet est de concevoir un logiciel permettant de traduire un texte écrit en langage SMS vers le français. La traduction sera effectuée

Plus en détail

Manage Yourself. Rapport de planification. Projet de 4ème année informatique. Equipe :

Manage Yourself. Rapport de planification. Projet de 4ème année informatique. Equipe : Manage Yourself Rapport de planification Projet de 4ème année informatique Equipe : Etienne Alibert, Florian Barbedette, Pierre Chesneau, Mathias Deshayes, Sevan Hartunians, Mathieu Poignet. Encadrant

Plus en détail

PASCAL ROQUES. UML par. la pratique. Groupe Eyrolles, 2001, 2002, 2004, 2005, 2006, 2009. ISBN : 978-2-212-12508-5

PASCAL ROQUES. UML par. la pratique. Groupe Eyrolles, 2001, 2002, 2004, 2005, 2006, 2009. ISBN : 978-2-212-12508-5 est f o E Y R O L L E S PASCAL ROQUES UML par la pratique Groupe Eyrolles, 2001, 2002, 2004, 2005, 2006, 2009. ISBN : 978-2-212-12508-5 Sommaire Introduction 9 Objectifs du livre... 9 Structure de l ouvrage...

Plus en détail

L INFORMATION GEOGRAPHIQUE

L INFORMATION GEOGRAPHIQUE Champs sur Marne ENSG/CERSIG Le 19-nove.-02 L INFORMATION GEOGRAPHIQUE Analyse Les données contenues dans un système d information géographique décrivent un terrain, et donc permettent d appréhender les

Plus en détail

COMMANDE PAR RETOUR ACCELEROMETRIQUE APPLICATION A UN ROBOTS CARTESIENS 3 AXES. Frédéric Colas

COMMANDE PAR RETOUR ACCELEROMETRIQUE APPLICATION A UN ROBOTS CARTESIENS 3 AXES. Frédéric Colas SEPRO R O B O T I Q U E COMMANDE PAR RETOUR ACCELEROMETRIQUE APPLICATION A UN ROBOTS CARTESIENS 3 AXES Frédéric Colas ERT CEMODYNE (int. 1022) - ENSAM 8, Bd Louis XIV 59046 Lille Cedex barre@lille.ensam.fr

Plus en détail

WEKA : c est quoi? Brigitte Bigi. 15 février 2011. LPL - Équipe C3I. Brigitte Bigi (LPL - Équipe C3I) WEKA : c est quoi? 15 février 2011 1 / 32

WEKA : c est quoi? Brigitte Bigi. 15 février 2011. LPL - Équipe C3I. Brigitte Bigi (LPL - Équipe C3I) WEKA : c est quoi? 15 février 2011 1 / 32 WEKA : c est quoi? Brigitte Bigi LPL - Équipe C3I 15 février 2011 Brigitte Bigi (LPL - Équipe C3I) WEKA : c est quoi? 15 février 2011 1 / 32 Introduction 1 Introduction 2 Classification supervisée 3 WEKA

Plus en détail

Programme détaillé 2014-2015. Filière d Ingénieur INFORMATIQUE

Programme détaillé 2014-2015. Filière d Ingénieur INFORMATIQUE Libellé long UE Crédits ECTS Semestre 5 INFO51 13 Initiation à l'informatique Introduction à la Programmation Logiciel de Base Mathématiques Algèbre Logique INFO52 12 Analyse Applications de l'algèbre

Plus en détail

BIO_MUL. (Biométrie & Multimodalité) Jean-François Bonastre - LIA. ACI Sécurité Informatique

BIO_MUL. (Biométrie & Multimodalité) Jean-François Bonastre - LIA. ACI Sécurité Informatique Communication Langagière et Interaction Pers onne-sys tème CNRS - INPG - UJF BP 53-38041 Grenoble Cedex 9 - France ACI Sécurité Informatique BIO_MUL (Biométrie & Multimodalité) Jean-François Bonastre -

Plus en détail

Travailler avec des objets pédagogiques, un PLUS pour l autonomie de l enseignant. Colloque SFIB/CTIE 2008

Travailler avec des objets pédagogiques, un PLUS pour l autonomie de l enseignant. Colloque SFIB/CTIE 2008 Travailler avec des objets pédagogiques, un PLUS pour l autonomie de l enseignant Colloque SFIB/CTIE 2008 Jean Zahnd / P.-O. Vallat Points traités Modalités de l expérimentation 1 Aspects techniques et

Plus en détail

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration

Plus en détail

Agrégation des portefeuilles de contrats d assurance vie

Agrégation des portefeuilles de contrats d assurance vie Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l

Plus en détail

CONCEPTION des SYSTÈMES d INFORMATION UML

CONCEPTION des SYSTÈMES d INFORMATION UML CONCEPTION des SYSTÈMES d INFORMATION UML 4 : Analyse organique Epitech 3 Automne 2007 Bertrand LIAUDET SOMMAIRE ANALYSE ORGANIQUE 2 Diagrammes de séquence 3 Exemple de diagramme de séquence 8 Diagramme

Plus en détail

Soutenance de Thèse. Analyses statistiques des communications sur puce

Soutenance de Thèse. Analyses statistiques des communications sur puce Soutenance de Thèse Analyses statistiques des communications sur puce Antoine Scherrer LIP - ENS Lyon Equipe Compsys 11 décembre 26 A. Scherrer - Analyses statistiques des communications sur puce 1 / 4

Plus en détail

MVS Medical Visualisation Studio Version 1.0 Manuel utilisateur

MVS Medical Visualisation Studio Version 1.0 Manuel utilisateur MVS Medical Visualisation Studio Version 1.0 Manuel utilisateur Table des matières 1. Introduction... 3 2. Installation du logiciel... 3 3. Lancement du programme et ouverture d un fichier... 3 4. Manipulations

Plus en détail

Projet Télédétection. Vidéo Surveillance. Deovan Thipphavanh Mokrani Abdeslam Naoui Saïd. Master 2 Pro SIS - 2005 / 2006

Projet Télédétection. Vidéo Surveillance. Deovan Thipphavanh Mokrani Abdeslam Naoui Saïd. Master 2 Pro SIS - 2005 / 2006 Projet Télédétection Vidéo Surveillance Deovan Thipphavanh Mokrani Abdeslam Naoui Saïd Master 2 Pro SIS - 2005 / 2006 Plan Introduction Lecture des images Détection des objets mouvants Détection des anomalies

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance

Plus en détail

CarrotAge, un logiciel pour la fouille de données agricoles

CarrotAge, un logiciel pour la fouille de données agricoles CarrotAge, un logiciel pour la fouille de données agricoles F. Le Ber (engees & loria) J.-F. Mari (loria) M. Benoît, C. Mignolet et C. Schott (inra sad) Conférence STIC et Environnement, Rouen, 19-20 juin

Plus en détail

Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application

Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application Université de Provence Licence Math-Info Première Année V. Phan Luong Algorithmique et Programmation en Python Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application 1 Ordinateur Un

Plus en détail

RECOGNITION ProductInfo

RECOGNITION ProductInfo RECOGNITION Product Info Indexation automatique à l aide de la reconnaissance de texte et de codes barres RECOGNITION vous permet de classer les documents encore plus rapidement dans DocuWare en capturant

Plus en détail

Le modèle de données

Le modèle de données Le modèle de données Introduction : Une fois que l étude des besoins est complétée, deux points importants sont à retenir : Les données du système étudié Les traitements effectués par le système documentaire.

Plus en détail

Plan du cours. Cours de Traitement Du Signal - Transformées discrètes. Transformée de Fourier d un signal numérique. Introduction

Plan du cours. Cours de Traitement Du Signal - Transformées discrètes. Transformée de Fourier d un signal numérique. Introduction Plan du cours Cours de raitement Du Signal - ransformées discrètes 1 guillaume.hiet@rennes.supelec.fr ESACA 17 octobre 2007 2 3 Guillaume HIE Cours de raitement Du Signal - ransformées discrètes 1/38 Guillaume

Plus en détail

«Vers une méthode rapide de l évaluation de la tendreté»

«Vers une méthode rapide de l évaluation de la tendreté» Matthieu ALRIC - matthieu.alric@adiv.fr Chargé d Etudes en Génie Mécanique et Robotique «Vers une méthode rapide de l évaluation de la tendreté» Développement d un système robotique équipé de capteurs

Plus en détail

Sécurisation d un lien radio impulsionnel ultra large bande UWB-IR

Sécurisation d un lien radio impulsionnel ultra large bande UWB-IR Sécurisation d un lien radio impulsionnel ultra large bande UWB-IR Encadré par: Jean-Marie GORCE, Cédric LAURADOUX et Benoit MISCOPEIN Ahmed BENFARAH 09/06/2011, présentation au séminaire CITI Plan de

Plus en détail

SNAKE. Programmation du jeu SNAKE sur la console Windows en C sous l IDE Devcpp. Copie d écran du jeu

SNAKE. Programmation du jeu SNAKE sur la console Windows en C sous l IDE Devcpp. Copie d écran du jeu SNAKE Programmation du jeu SNAKE sur la console Windows en C sous l IDE Devcpp Copie d écran du jeu Principe de fonctionnement du jeu : le serpent avance automatiquement, le joueur ne peut agir que sur

Plus en détail

MH3D NEWS Nouvelle option de TESA STAT-EXPRESS

MH3D NEWS Nouvelle option de TESA STAT-EXPRESS MH3D NEWS Nouvelle option de TESA STAT-EXPRESS Introduction La version logicielle TESA STAT-EXPRESS MACHINE a été améliorée afin de correspondre plus étroitement à la philosophie de la gamme TESA-REFLEX

Plus en détail

N. Paparoditis, Laboratoire MATIS

N. Paparoditis, Laboratoire MATIS N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS

Plus en détail

Apprentissage automatique bio-inspiré et vision par ordinateur

Apprentissage automatique bio-inspiré et vision par ordinateur Apprentissage automatique bio-inspiré et vision par ordinateur Etudiant : Kalifou Traoré Licence 3 Entrepise : IRCICA - CRIStAL - FOX Durée : 5 mois Supervisé par : Mr. Marius Bilasco & Jean Martinet Plan

Plus en détail

EXAMEN PROFESSIONNEL DE VÉRIFICATION D APTIDUDE AUX FONCTIONS DE PROGRAMMEUR. Session 2012. Notation : sur 20

EXAMEN PROFESSIONNEL DE VÉRIFICATION D APTIDUDE AUX FONCTIONS DE PROGRAMMEUR. Session 2012. Notation : sur 20 MINISTÈRE DE L ÉGALITÉ DES TERRITOIRES ET DU LOGEMENT MINISTÈRE DE L ÉCOLOGIE, DU DÉVELOPPEMENT DURABLE ET DE L ÉNERGIE EXAMEN PROFESSIONNEL DE VÉRIFICATION D APTIDUDE AUX FONCTIONS DE PROGRAMMEUR Session

Plus en détail

Schéma National de Formation des Sapeurs-Pompiers

Schéma National de Formation des Sapeurs-Pompiers Schéma National de Formation des Sapeurs-Pompiers Direction de la Défense et de la Sécurité Civiles - Sous-Direction des Services de Secours et des Sapeurs-Pompiers - DDSC 9 - JANVIER 99 Date de mise à

Plus en détail

Guide d Utilisation du Logiciel Videoconsult sur PC

Guide d Utilisation du Logiciel Videoconsult sur PC Guide d Utilisation du Logiciel Videoconsult sur PC Sommaire Mise en marche Utilisation d une caméra courante Recherche d événements 5 Recherche par date. 6 Enregistrer une image 7 Enregistrer une séquence

Plus en détail

Évaluation de la classification et segmentation d'images en environnement incertain

Évaluation de la classification et segmentation d'images en environnement incertain Évaluation de la classification et segmentation d'images en environnement incertain EXTRACTION ET EXPLOITATION DE L INFORMATION EN ENVIRONNEMENTS INCERTAINS / E3I2 EA3876 2, rue F. Verny 29806 Brest cedex

Plus en détail

Création d un formulaire de contact Procédure

Création d un formulaire de contact Procédure Création d un formulaire de contact Procédure Description : Cette procédure explique en détail la création d un formulaire de contact sur TYPO3. Outil Procédure CMS: TYPO3 Auteur : hemmer.ch SA Extension:

Plus en détail

ECHANTILLONNAGES Fiche de repérage

ECHANTILLONNAGES Fiche de repérage M Objectifs pédagogiques généraux : Fiche de repérage Type : Activité d approche de la notion de fluctuation d échantillonnage et d intervalle de confiance à travers quelques simulations. Niveau : Lycée

Plus en détail

Projet de programme de formation pour l obtention du mastère en Sciences et Techniques des Activités Physiques et Sportives

Projet de programme de formation pour l obtention du mastère en Sciences et Techniques des Activités Physiques et Sportives Projet de programme de formation pour l obtention du mastère en Sciences et Techniques des Activités Physiques et Sportives ENSEIGNEMENTS COMMUNS Epistémologie Epistémologie des sciences du sport et de

Plus en détail

Licence en Informatique à Horraire Décalé. Cours Gestion de projet informatique Première partie

Licence en Informatique à Horraire Décalé. Cours Gestion de projet informatique Première partie Licence en Informatique à Horraire Décalé Cours Gestion de projet informatique Première partie 1 PLAN Introduction 1. Les concepts de base en management de projet : 3-33 2 Les processus du management de

Plus en détail

Lecteur Windows Media

Lecteur Windows Media Lecteur Windows Media Extraction des pistes audio d un CD Gilbert LECOCQ - 1 - Introduction Extraction de pistes audio Un CD audio contient un certain nombre de morceaux enregistrés sous forme de pistes

Plus en détail

Plan. Codage d information d Codage de l informationl. Les informations traitées par les ordinateurs sont de différentes natures :

Plan. Codage d information d Codage de l informationl. Les informations traitées par les ordinateurs sont de différentes natures : Plan Introduction Systèmes de numération et représentation des nombres Systèmes de numération Système de numération décimaled Représentation dans une base b Représentation binaire, Octale et Hexadécimale

Plus en détail

STAGE : ELECTRICIEN-AUTOMATICIEN

STAGE : ELECTRICIEN-AUTOMATICIEN MINISTERE DE LA COMMUNAUTE FRANCAISE ADMINISTRATION GENERALE DE L ENSEIGNEMENT ET DE LA RECHERCHE SCIENTIFIQUE ENSEIGNEMENT DE PROMOTION SOCIALE DE REGIME 1 DOSSIER PEDAGOGIQUE UNITE DE FORMATION STAGE

Plus en détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Standard sur les adresses de courrier électronique (SGQRI 044) Alain La Bonté

Standard sur les adresses de courrier électronique (SGQRI 044) Alain La Bonté Standard sur les adresses de courrier électronique (SGQRI 044) Alain La Bonté Journée-rencontre de WebÉducation, 18 janvier 2007 Plan de la présentation 1. Contexte et problématique 2. Solution générale

Plus en détail

La thématique Traitement Statistique de l Information à TL1

La thématique Traitement Statistique de l Information à TL1 La thématique Traitement Statistique de l Information à TL1 Equipe de recherche Thématique développée à TL1 par 3 enseignants-chercheurs : Yves Delignon, Christelle Garnier, François Septier Thématique

Plus en détail

Le système de communication par échange d images (PECS)

Le système de communication par échange d images (PECS) Le système de communication par échange d images (PECS) Programme d intervention sur la communication et le comportement social Catherine Gasser Caractéristiques (Preston & Carter, 2009) Système de communication

Plus en détail

Un algorithme de composition musicale

Un algorithme de composition musicale Un algorithme de composition musicale Table des matières Présentation Le compositeur. Le code PMX.................................................. Structures de données utilisées........................................

Plus en détail

IGL 601 Techniques et outils de développement

IGL 601 Techniques et outils de développement IGL 601 Techniques et outils de développement Présentation de l activité Plan de cours Définitions Rappels sur les procédés et les processus Rappels sur les techniques de revue Luc Lavoie Département d

Plus en détail

«Audio et vidéo surveillance intelligente»

«Audio et vidéo surveillance intelligente» «Audio et vidéo surveillance intelligente» Jérôme Besnard Miriad Charles Lehalle - Miriad Sébastien Ambellouis INRETS Le plan La problématique La plateforme expérimentale mise en place Un exemple de détecteur

Plus en détail

Machine de Turing. Informatique II Algorithmique 1

Machine de Turing. Informatique II Algorithmique 1 Machine de Turing Nous avons vu qu un programme peut être considéré comme la décomposition de la tâche à réaliser en une séquence d instructions élémentaires (manipulant des données élémentaires) compréhensibles

Plus en détail

DROITS ET RESPONSABILITES. On a tous des droits en ligne. Respect!

DROITS ET RESPONSABILITES. On a tous des droits en ligne. Respect! Fiche atelier DROITS ET RESPONSABILITES On a tous des droits en ligne. Respect! Objectif Que peut-on faire, que doit-on faire, que devrait-on faire en ligne? En quoi suis-je protégé, responsable? Que dit

Plus en détail

Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et

Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et l'anglais. L'étudiant a le choix entre deux filières

Plus en détail

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits

Automatisation de la certification formelle de systèmes critiques par instrumentation d interpréteurs abstraits 1 d Automatisation de la certification formelle de systèmes critiques par instrumentation d sous la direction de Michaël Périn Soutenance de Thèse de Doctorat Université de Grenoble - Laboratoire Verimag

Plus en détail