Reconnaissance du Geste Humain par Vision Artificielle: Application à la Langue des Signes
|
|
- Marie-Rose Goulet
- il y a 8 ans
- Total affichages :
Transcription
1 Reconnassance du Gese Human par Vson Arfcelle: Applcaon à la Langue des Sgnes Présené par: Arnaud Deslandes Rappor de sage dans le cadre du : Inellgence Arfcelle Reconnassance des Formes e Applcaons de l'unversé Pars 6 Perre e Mare Cure. Réalsé à l'int Insu Naonal des Télécommuncaons en 2002 sous la responsablé de: Bernadee Dorzz e Parck Horan Bernadee.Dorzz@n-evry.fr Parck.Horan@n-evry.fr Résumé: Ce documen présene un sysème de reconnassance des mos solés de la Langue des Sgnes Françase LSF à parr de données en ros dmensons. Ces données son obenues en applquan une méhode d'acquson 3D des geses à parr de séquences vdéo sans marqueurs e sans connassance à pror des mouvemens aendus. Elle es basée sur le recalage d'un modèle 3D arculé sur des mages en couleur en respecan des conranes morphologques e bomécanques. Ces paramères son ensue présenés en enrée d'un Modèle de Markov Caché MMC pour réalser la reconnassance. Chaque modèle es apprs pour un sgne parculer par l algorhme de Baum-Welch. La reconnassance es effecuée par mse en compéon de ces modèles e comparason de la valeur de log-vrassemblance renvoyée par l algorhme de Verb pour chaque séquence de es. Absrac: Ths documen presen a sysem for recognzng solaed French Sgn Language LSF words from hreedmensonal daa. The daa are obaned by usng hree-dmensonal gesure-acquson mehods appled on vdeo sequence whou markers and whou pror knowledge of he awaed movemen. I s based on he regsraon of a 3D arculaed model on color mages wh respec o morphologcal and bomechancal consrans. Those parameers are hen gven as npu o a Hdden Markov Model HMM for he process of recognon. Each model of he se s raned for a specfc sgn by he Baum-Welch procedure. Confronng he models and comparng he log-lkelhood value reurned by he Verb algorhm for each es sequence does he recognon. Mos clés: Acquson e Reconnassance de geses Langue des Sgnes Françase Modèle de Markov Caché Vson par ordnaeur. Key words: Gesure acquson and recognon French Sgn Language Hdden Markov Models Compuer Vson. Page
2 I. Inroducon: La langue des sgnes françase LSF es le moyen de communcaon naurel des sourds en France. L'acquson des geses des sgneurs peu êre en premer leu effecuée au moyen de gans nsrumenés mas ls se révèlen chers fragles e encombrans. L'ulsaon de caméras perme de lever cee conrane mas ulse habuellemen des marqueurs colorés ou lumneux placés sur la personne observée. Les echnques de vson par ordnaeur sans marqueurs mono ou séréoscopque apparassen auourd'hu comme une alernave promeeuse à ces méhodes conragnanes. Une méhode pour l'acquson des geses de la man e des membres supéreurs procédan par recalage de modèles 3D arculés du corps e suv dans les séquences vdéo développée à l INT perme d'obenr de bons résulas. Cee éude vse à applquer ce procédé pour l acquson de paramères à parr de geses de la Langue des Sgnes Françase. Ceux c seron ensue ulsés pour enraîner un sysème à base de Modèles de Markov Cachés MMC afn dans un premer emps d évaluer les capacés d un el modèle dans le cadre de la reconnassance de mos solés. Ce chox d orenaon a éé effecué dans le bu de fare absracon des problèmes lés à la coarculaon qu apparassen lorsque l on cherche à reconnaîre des geses au sen d une phrase. Il es dffcle même pour un observaeur human non famler de la langue des sgnes de dsnguer les lmes d un mo dans une séquence celles c dépendan de la façon don le mo précéden a éé réalsé e de commen le suvan le sera. Il n y a en effe pas de passage par une poson «zéro» qu permee faclemen d soler les geses. Résoudre ce problème mpose de développer des ouls spécfques els que des grammares [] reprenan la srucure de la Langue des Sgnes ou l enraînemen de MMC dépendan d un conexe [2] pour espérer obenr des résulas sasfasans. II. Ea des leux des ravaux anéreurs: A. Acquson du gese: L acquson du gese par vson arfcelle peu êre dvsée en deux prncpales composanes : d une par l analyse des aspecs 2D d une mage [3] [4] [5] e d aure par la modélsaon 3D de leur conenu [6]- [5]. Les méhodes basées sur la 2D ne peuven généralemen reconnaîre qu un nombre lmé de geses e ce souven après un procédé d apprenssage. La 3D re avanage de la connassance préalable de la forme d un modèle e de la possblé d applquer des ransformaons géomérques afn de le déformer. Il es alors nécessare d ulser la séréovson [0]-[3] ou plus de deux caméras [4] [5] pour acquérr l nformaon ce qu consue un procédé lourd e coûeux. Il exse cependan des méhodes d acquson du gese qu ne demanden qu une seule caméra. Culer e Turk [5] ulsen ans la alle e le déplacemen de aches dans l mage pour reconnaîre le mouvemen. Brand e Kenaker [6] ulsen des Modèles de Markov Cachés pour esmer l orenaon 3D d un corps à parr de slhouees en basse résoluon. Ouhadd e Horan [9] ulsen des séquences d mages de la man pour recaler un modèle 3D à parr d une seule caméra. La méhode que nous ulsons es basée sur le prncpe de la mnmsaon d une fonconnelle de coû pour évaluer la qualé du recalage du modèle. Mochmaru e Yamazak [6] pus Kush e Huang [7] on recalé un modèle de la man par une mnmsaon de fonconnelle de coû agssan sur des varaons locales de degrés de lberé du modèle. Ohya e Kshno [8] on recalé un modèle de corps human par l nermédare d algorhme généque. Gavrla e Davs [9] on cherché à représener hérarchquemen un arbre regroupan oues les confguraons possbles de la man dans un espace de paramères dscre. Shmada e al. [20] ulsen des règles de dépendance sasques enre des confguraons successves. Page 2
3 B. Reconnassance du gese: Les éudes réalsées dans le domane de la reconnassance auomaque des geses son relavemen récenes les premères éan lées à l apparon des gans numérques en 987 avec le DaaGlove de VPL. Par la sue nombre d enre elles se son d abord aachées à la reconnassance de geses dans le cadre d neracons homme-machne. D aures comme les ravaux de Yamao e Al [2] on poré sur la classfcaon par MMC de mouvemens de enns en s appuyan sur des echnques de quanfcaon vecorelle dans des séquences d mages bnares. Dans le domane plus spécfque de la reconnassance du langage des sourds Braffor [22] a présené un sysème pour la Langue des Sgnes Françase basée sur l acquson de paramères à parr de gans nsrumenés. Les mos y son analysés e caracérsés selon pluseurs crères le sysème de reconnassance éan basé sur des MMC dvsés en deux modules : l un d une par pour classfer les sgnes convenonnels e le second d aure par pour les sgnes varables e non convenonnels. Les aux de reconnassance obenus son respecvemen de 96 e 92% parm un dconnare de 44 phrases e un vocabulare de 7 sgnes. Sarner e Penland [23] on développé un sysème basé sur la vdéo pour la reconnassance des phrases de la Langue des Sgnes Amércane ASL à parr d un vocabulare de 40 sgnes. Les geses son modélsés par un MMC à 4 éas. Une seule caméra es ulsée pour l enregsremen des mages. Le aux de reconnassance es comprs enre 75 e 99%. En 997 Vogler e Meaxas [24] on décr un sysème basé sur les MMC e desné à la reconnassance de l ASL à parr d un vocabulare de 53 sgnes. Tros caméras son ulsées pour permere l acquson de paramères 3D des mouvemens des bras e des mans des sgneurs. Une grammare a éé mse en place afn de raer des phrases dans l opque d une reconnassance connue des mos. 97 phrases de es on éé ulsées les résulas obenus varen enre 92.% e 95.8% en foncon de la grammare reenue. La maoré des ravaux acuels poren donc sur la reconnassance des sgnes dans des séquences longues par ulsaon de MMC connus basés sur l apprenssage de Baum-Welch e l algorhme de Verb pour approxmer la vrasemblance d une observaon éan donné le modèle. III. Acquson du gese par recalage d'un modèle 3D: Nore méhode perme d acquérr des paramères 3D à parr d mages fournes par une seule caméra. Elle n ulse pas de sysèmes à base de gans nsrumenés ou de marqueurs lumneux ce qu rédu la complexé de mse en œuvre. Elle ne requer pas non plus de connassance à pror du gese qu va êre effecué. La procédure d acquson consse en la recherche de la correspondance enre l mage d une séquence vdéo d un mouvemen segmenée suvan des paramères de couleur e la proecon d un modèle 3D du corps conran par des lmaons morphologques e bomécanques. Par cee méhode l es possble de compenser le manque d nformaon pour caracérser le gese en 3 dmensons du fa de la présence d une seule caméra. Un algorhme éraf d opmsaon es ulsé afn de mnmser le aux de non-recouvremen enre l mage segmenée e la proecon du modèle sur cee mage. La surface proeée dans le plan pouvan êre denque pour dfférenes posures l es nécessare de mere en place un sysème de régularsaon du gese permean d éver de rop fores varaons de la poson du modèle enre deux mages successves. Ce documen va manenan déaller les éapes successves du processus d acquson du gese. D'aures déals concernan ce module fourns par Bomb e Horan son dsponbles dans [37]. Page 3
4 A. Le modèle 3D: Le modèle 3D que nous ulsons possède 23 degrés de lberé qu permeen de resuer une nfné de posures. Il correspond à la pare supéreure du corps human ronc bras êe e mans pusque l on se lme c à de la reconnassance de la langue des sgnes où seules ces pares son sgnfcaves. Chaque mouvemen auour d une arculaon es caracérsé par des conranes lées aux possblés physques de mouvemen. Celles-c son fgurées par deux valeurs qu consuen les bornes mnmales e maxmales auorsées pour représener un gese. Elles son auss négrées au sen de l algorhme d opmsaon don procédé a éé décr en déal par Ouhadd [25] e seron présenes à la base de la phase de régularsaon du gese. Numéro de Conrane Nom du paramère Mnmum Maxmum Ches Translaon x Ches Translaon y Ches Translaon z Ches Roaon x Ches Roaon y Ches Roaon z Neck Roaon x Neck Roaon y Neck Roaon z Lef Upper Arm Roaon x Lef Upper Arm Roaon y Lef Upper Arm Roaon z Rgh Upper Arm Roaon x Rgh Upper Arm Roaon y Rgh Upper Arm Roaon z Lef For Arm Roaon x Rgh For Arm Roaon x Lef Hand Roaon x Lef Hand Roaon y Lef Hand Roaon z Rgh Hand Roaon x Rgh Hand Roaon y Rgh Hand Roaon z Fg. : Tableau des conranes bomécanques e présenaon du modèle 3D en poson nale avec les axes ndquan l orenaon pour l applcaon des dfférens degrés de lberé Il fau précser c que le modèle es consru hérarchquemen de manère à ce que lorsqu on applque une ransformaon à une pare père elle s éend égalemen à oues les sous-pares lées : une roaon de l avan bras gauche se propagera par exemple à la man gauche unquemen. Le buse consue la racne du modèle c es sur lu que sera égalemen applqué un paramère supplémenare de mse à l échelle qu ne fgure pas dans le ableau c-dessus pusqu l n a pas de correspondance physque l ser use à auser au meux la alle du modèle dans chaque vdéo. Pour la sue la lse de ous ces paramères que nous appellerons veceur d éa du modèle sera noée q. Elle suff à défnr négralemen une aude du modèle. Page 4
5 B. Exracon des caracérsques de l'mage: Le recalage du modèle 3D sur les vdéos dépend de la mse en correspondance de la proecon du modèle e des caracérsques exraes de chaque mage. Dans de nombreux ravaux d acquson du gese les conours [9] [4] [5] le mouvemen [5] les exures [26] ou encore la couleur [4] [9] [27] on éé ulsés avec succès pour réalser la segmenaon. Ans les régons de l mage qu corresponden à la peau peuven êre par exemple effcacemen déecées à parr de leurs caracérsques de chromnance car elles son alors mons suees aux varaons lées à l éclarage de la scène [27] [28]. Il en es de même pour les habs s ls son consués de couleurs unformes. C es pour cee rason que nous avons chos d effecuer la segmenaon de l mage dans l espace des couleurs YC b C r. Elle a leu en deux éapes la premère correspond à la classfcaon des dfférenes zones à denfer la seconde assure l élmnaon du bru par flrage. Classfcaon : la moyenne e la marce de covarance des dfférenes classes de couleur son calculées à parr d une mage de la séquence vdéo déà équeée. En praque on ulse la premère rame e on sole chaque classe à l ade d un logcel de raemen d mages cf. Fg.2. a b c d e f Fg. 2 : mage nale a e mages correspondan à l équeage des 4 classes qu l faudra segmener dans la séquence vdéo : b fond c vêemens d peau e cheveux. f le résula obenu. Chaque pxel de l mage es ensue auomaquemen dscrmné à parr de ses paramères de chromnance e placé dans la classe qu lu es la plus proche par évaluaon de la dsance de Mahalanobs [27] [29]. S l on noe la chromnance d un pxel x C b C r T la dsance à la moyenne µ de la ème classe de marce de covarance Σ es alors : d² x - µ Σ - x - µ. S la valeur obenue es supéreure à un seul fxé le pxel es consdéré comme éranger à la classe e es reeé par le classfeur. Page 5
6 Flrage : L mage segmenée conen généralemen du bru le résula fnal de la segmenaon dépend donc de la qualé de la vdéo qu ne peu pas ouours êre assurée. Nous ulsons alors une méhode de flrage maorare mode flerng décre dans [30] pour amélorer le résula. Pour chaque pxel on effecue le raemen dans une fenêre de vosnage e l on remplace le pxel couran par la nouvelle valeur. Une fenêre de alle 3x3 a éé chose elle représene pour nore applcaon le melleur comproms enre réducon du bru sasfasane e emps de calcul rasonnable. a b c d Fg. 3 : mage nale e mages correspondan aux dfférens modes de segmenaon esés: b segmenaon dans l espace RGB : l ombre près du ronc es reconnue comme apparenan à la classe peau. c segmenaon dans l espace YC b C r : les erreurs de classfcaon on bassé de manère sgnfcave. d segmenaon fnale obenue après flrage. C. Evaluaon du recalage: Taux de non-recouvremen : Après avor exra les caracérsques de l mage l fau pouvor lu fare correspondre au meux le modèle 3D de manère à obenr une esmaon de posure correce. Pour cela nous avons la possblé de fare évoluer les 23 paramères correspondan aux degrés de lberé du modèle usqu à aendre un résula sasfasan. Pour évaluer la qualé de ce résula on proee dans le plan par applcaon d un algorhme de Z-buffer la slhouee du modèle à laquelle on a aoué des nformaons de couleur pour caracérser ses dfférenes sous-pares en accord avec les valeurs obenues par la segmenaon. Il ne rese plus ensue qu à mere en parallèle les caracérsques de l mage proeée avec celles exraes de la vdéo e à mnmser le aux de non-recouvremen. L algorhme calcule donc éravemen pour les 23 paramères le nombre de pxels d une même classe de couleur qu ne son pas recouvers usqu à ce qu une valeur opmale so aene. L aude du modèle pour la k ème éraon de l algorhme sur la ème mage de la séquence éan défne par le veceur q k Le aux de non-recouvremen Fq k s exprme alors suvan la relaon : F m k k m Ac Bc B k c A U I c q k c Ac UBc A c caracérse l ensemble des pxels correspondan à la classe de couleur c. B c k représene la proecon des pares du modèle assocées à la classe de couleur c pour l aude défne par le veceur de paramères q k. m ndque le nombre de classes de couleurs consdérées. Page 6
7 Opmsaon : L opmsaon es obenue par mnmsaon d une fonconnelle de coû lée au aux de non recouvremen décr c-dessus. Eq k Fq k Nore chox s es poré sur l ulsaon d une méhode de descene de smplexe conformémen aux résulas obenus par Ouhadd [25] dans son éude d algorhmes pour le recalage d un modèle 3D de la man. La descene de smplexe nécesse en effe mons d opéraons d évaluaon de la fonconnelle que la méhode de Powell [3] e perme de prendre asémen en compe les conranes bomécanques de manère à rédure consdérablemen l espace de recherche en élmnan mmédaemen les confguraons rréalses. L arrê de l opmsaon es obenu par la spécfcaon d un nombre maxmal d éraons que l algorhme ne do pas dépasse ou par l exsence d une dfférence mnmale accepable enre deux valeurs successves de la fonconnelle de coû. Cee méhode nécesse égalemen de procéder à l nalsaon des paramères du modèle 3D en effecuan au préalable manuellemen le recalage pour la premère mage de la séquence vdéo. D. Régularsaon du gese: Une des lmaons qu peuven apparaîre lors de l ulsaon de ce sysème d acquson du gese es lée au fa que la proecon du modèle 3D dans le plan n es pas unque pour des valeurs de conranes dfférenes. Il se peu donc que lors du passage enre deux mages successves le modèle effecue par exemple une roaon à 80 sans qu l so possble pour le programme d opmsaon de déecer une varaon noable dans la valeur de la fonconnelle de coû cf Fg. 4. C es pour éver ce problème mas auss pour élmner les conséquences de la présence de bru dans les séquences vdéo qu condu à l obenon de résulas ncorrecs qu l es nécessare de mere en place un sysème de régularsaon du gese. a b c Fg.4: a résula obenu pour le recalage d une mage quelconque dans une séquence vdéo b résula pour l mage suvane sans régularsaon du gese : le modèle s es reourné c résula pour la même mage avec régularsaon du gese. Il do permere à parr du résula de l opmsaon des mages précédenes de prévor quelle sera l aude la plus probable pour le modèle dans l mage suvane. Pour esmer le veceur de paramères aendu on ulse une méhode dérvée du flrage de Kalman smlare à celle proposée par Lowe [32]. Page 7
8 S q correspond au veceur des paramères e q& exprme leur vesse dans l mage on peu défnr le veceur d éa : x [ ] T q q& Kalman modélse ensue ce veceur comme une prédcon lnéarexˆ à laquelle s aoue un erme de bru w - : A représene une marce 2x2. x xˆ + w x ˆ Ax Il es possble de ransformer ces relaons sous la forme : q ˆ q + q& q ˆ& q& Le erme de régularsaon correspondan s écr alors: n k k qˆ q R q σ σ es la dévaon sandard du paramère. qˆ es la valeur préde pour le paramère à parr de l équaon. k q es la valeur du paramère à l éraon k de l algorhme d opmsaon. k Le erme R q es enfn négré à la foncon de coû e sera par la sue prs en compe lors de l opmsaon : E k k k q F q + R q Il nrodu une pondéraon qu va en cas de dfférence rop mporane enre le veceur préd e celu obenu augmener la valeur de la fonconnelle e condure le programme à poursuvre ses éraons. 2 E. Confronaon de l applcaon à la LSF: Pour le momen ce sysème d acquson des paramères à parr du gese es lmé aux mouvemens des bras de la êe e des mans des sgneurs. Il ne prend donc en compe qu une sous-pare des posures qu peuven êre réalsées en LSF. En effe Braffor [22] a dsngué l exsence de 5 caracérsques qu son suscepbles de dsnguer les mos : La dynamque du mouvemen de la man mas auss des bras du sgneur qu dfférence les dvers aspecs d un verbe : on peu exprmer des noons auss dfférenes que brèvemen longemps presque souven par ce bas. L orenaon du mouvemen pour conuguer les verbes ou précser l orenaon d un obe. L emplacemen de la man par rappor au corps qu ndque l endro spécfque où a leu l acon. La confguraon de la man : par exemple s elle prend la forme d une boule elle peu désgner un bol alors que s sa forme es celle d une pnce c es une asse. Elle nécesse de pouvor dsnguer la poson des dogs. La mmque facale pour exprmer un mode de dscours : nerrogaon ou une émoon : colère plasr. Page 8
9 On peu consaer d après ce qu a éé décr lors de la présenaon de la phase d acquson des geses qu l n es pas encore possble en l éa acuel du sysème de pouvor caracérser le mouvemen des dogs de la man ou l expresson du vsage du fa même de la concepon du programme. Les séquences vdéo sur lesquelles nous ravallons ulsen une vue en plan amércan de la personne qu réalse le gese. Il y es dffcle d applquer les mêmes méhodes de recalage pour les dogs que pour le rese du corps car les zones de l mage correspondan à ces pares ne conennen que rès peu de pxels. Il sera nécessare de posséder une vue en gros plan de la man pour espérer obenr des résulas denques à ceux de Ouhadd [25]. Le procédé d acquson des paramères de l mage 2D perme de la segmener en dverses régons mas pas de manère assez précse pour pouvor conserver des nformaons sur la poson des dogs. La mmque facale es elle auss gnorée par ce procédé. Un aure problème lé au recalage de la proecon du modèle 3D apparaî lorsque deux régons qu son denfées comme apparenan à une même classe s nersecen dans l mage don on a exra les caracérsques. Il n y a en l éa acuel du programme pas de procédé ms en œuvre pour guder le posonnemen du modèle dans ces condons. On consae alors des erreurs lors de mouvemens qu conssen à passer par exemple une man devan le vsage cf Fg. 5 ou superposer les deux bras. Cependan on peu consdérer le résula comme qualavemen accepable s les régons son pees e s le gese s effecue avec une bonne amplude. Fg.5 : la man rese recalée sur le cou du fa d un problème d auo-occulaon dans les mages précédenes. Il faudra donc prendre en compe ces lmaons lorsque l on abordera la phase de reconnassance auomaque de geses noammen lors du chox du corpus de données qu sera raé. F. Consuon d un corpus de données: Pour pouvor mere en place un sysème de reconnassance auomaque de la Langue des Sgnes Françase basée sur les Modèles de Markov Cachés l es nécessare d avor à nore dsposon un ceran nombre d occurrences de paramères équeés qu von êre ulsés pour consuer d une par la base d apprenssage e d aure par la base de ess. Pour cela l fau posséder un nombre suffsan d éraons d un même gese e ce réalsées par des personnes dfférenes pour espérer obenr un modèle offran une bonne capacé de généralsaon. Un corpus de vdéos a donc éé flmé à l INT spécfquemen dans ce bu. Cnq mos de la langue des sgnes Françase on éé choss à parr d un dconnare mulméda d apprenssage de la LSF [33] parm une lse de 200 possblés pour les rasons suvanes : Geses dans lesquels les dogs ou le vsage ne ouen pas de rôle. Amplude mporane dans les mouvemens pour facler le recalage. Absence d auo-occulaons enre les bras ou les mans des sgneurs. Présence équlbrée de geses mplquan un seul bras ou les deux. Faclé d exécuon par des personnes ne connassan pas la langue des sgnes. Il s ag des mos Bon a Blessé b Chemnée c Approcher d e Ader e. Page 9
10 a b c Fg. 6 : Les mos choss pour fare pare du corpus de données. d e Les vdéos on éé prses sur fond bleu les sgneurs poren un vêemen rouge pour facler la segmenaon e leurs bras son apparens. Les séquences à rason de 25 mages par seconde varen en longueur en foncon de la complexé du gese exécué. Elles son comprses enre 40 e 30 mages leur résoluon es de 720x576 pxels. Les 5 geses on éé répéés 5 fos e ce par 4 sgneurs dfférens. La base es donc consuée par envron 00 séquences auxquelles l fau parfos rerer quelques réalsaons qu se son avérées nulsables e en aouer d aures qu on éé ournées par la sue en remplacemen mas parfos pour un aure mo. Le emps de calcul nécessare au raemen de ces vdéos a éé évalué à près d une mnue par rame sur une saon de raval Penum 4 sandard. Une llusraon des résulas obenus es fourne en annexe à ce documen e une pare es vsble e éléchargeable sur Inerne à l adresse : hp://www-eph.n-evry.fr/~deslande/resulas.hml. On consae que les performances du recalage son généralemen bonnes les problèmes lés aux auoocculaons des membres n apparassen pas dans les cas choss excepé pour le mo Ader. Un léger reard de suv du gese par le modèle à l nalsaon du mouvemen a éé consaé l ne représene pas un problème noable dans l opque de la reconnassance pusqu l es rès bref e qu l se répèe de manère smlare dans presque oues les séquences. Pour chaque vdéo on dspose donc d un nombre de fchers de paramères équvalen au nombre de rames de la séquence. Ces fchers conennen chacun le veceur d éa q du modèle. IV. Les Modèles de Markov Cachés: Les Modèles de Markov Cachés MMC son un ype de modèle sasque largemen employé depus quelques années en reconnassance de la parole e plus récemmen en reconnassance de l'écr reconnassance des geses e par exenson reconnassance du langage des sgnes. Le pon qu su présene les bases de la héore des MMC. Une explcaon déallée des modèles dscres éan dsponble dans [34] e [35] nous ne présenerons c que les modèles connus que nous allons ulser. Page 0
11 A. Défnon d'un MMC: Un MMC es caracérsé par les élémens suvans: N es le nombre d'éas cachés du modèle. On noe S{s s 2 s N } l'ensemble des éas cachés. A l'nsan un éa es représené par q q S. M es le nombre de symboles dsncs que l'on peu observer dans chaque éa. On les représene par l'ensemble V{v v 2 v M }. A l'nsan un symbole observable es désgné par O O V. Une marce de probablé de ranson noée A[a ] où a es la probablé à pror de ranson de l'éa vers l'éa. Dans le cadre d'un MMC saonnare du premer ordre cee probablé ne dépend pas de. on défn a Pq + s q s N. Une marce de dsrbuon des probablés noée B[b k] assocée à chaque éa où b k es la probablé d'observer le symbole v k en éan à l'éa s à l'nsan. on défn b kpo v k q s N k M. Un veceur Π [π ] de dsrbuon des probablés de ransons nales où π es la probablé de commencer dans l'éa. On défn π P[q s ] avec N. En résumé la spécfcaon oale d'un MMC nécesse la spécfcaon des paramères du modèle N e M la spécfcaon des symboles d'observaon e la spécfcaon des ros mesures de probablés A B e Π. Sous une forme plus rédue on peu dre qu'un MMC noé λ es défn complèemen par λ A B Π N e M éan sous-enendus dans la marce A e B ans que le veceur Π. Un exemple de MMC es fourn c-dessous cf. Fg. 7 l s ag d un ype de modèle appelé «gauche-droe» c'es-à-dre que pour ou a > 0 on a. En d aures mos les ransons ne son auorsées que vers un éa d ndce supéreur à l éa couran e non l nverse. C es le ype de opologe le plus répandu lorsqu l s ag de modélser des processus évoluan dans le emps. Fg.7 : Un MMC «gauche-droe» avec ses ransons e probablés d émsson. B. Les ros problèmes fondamenaux des MMC: Pour qu un Modèle de Markov Caché pusse êre ulsé dans des condons réelles l fau pouvor résoudre les ros problèmes de base suvans : Pour une séquence d observaons O O O 2 O T donnée e un modèle λ calculer la probablé PO λ que le MMC génère O. 2 Pour une sue d observaons O e un modèle λ donné rouver la sue d éas S S 2 S T qu génère O. 3 Ausemen opmal des paramères d un MMC λ de elle manère qu ls permeen de maxmser PO λ pour une sue d observaons O. Page
12 On cherche à calculer la probablé d une séquence O connassan le modèle λ. Pour calculer PO λ e s l on défn Q Q Q 2 Q T comme une séquence d éas de λ l suff de défnr une varable α elle que: α P O O... O Q S N 2 λ e qu correspond à la probablé d observer la séquence parelle O O 2 O e l éa S à l nsan. Il es alors possble de résoudre cee équaon nducvemen en ros éapes : Inalsaon : Inducon : Termnason : α b 3 π O N + b O + α α a T- 4 N P O λ α 2 T Les calculs supposen que les observaons O soen ndépendanes e que l on se place dans le cade des Chaînes de Markov d ordre c'es-à-dre que oues les ransons vers un aure éa ne dépenden que de l éa couran. Cee méhode es appelée algorhme de forward-backward e perme de calculer PO λ avec une complexé en ON²T. 2 Le second problème consse à rouver le chemn Q le plus probable pour un MMC λ éan donnée une séquence d observaons O ce qu reven à maxmser PQO λ. S l on défn : δ max P Q Q 2 Q... Q... Q S O λ 5 Par nducon on a : b O +. max δ N { a } δ + 6 max Q P Q O λ max { δ } 7 N δ correspond à la probablé du melleur chemn parel amenan en l éa S à l nsan. Les équaons 6 e 7 découlen de l équaon 5 par nducon sur. Ce algorhme de programmaon dynamque es appelé algorhme de Verb. Il perme de calculer à la fos le maxmum de probablé PQO λ ans que la séquence d éas correspondane en une complexé de ON²T. 3 Le rosème problème consse en l enraînemen du MMC par des données de elle manère qu l so ensue capable de reconnaîre des nformaons qu ne lu on encore amas éé présenées mas qu son proches. Il n exse pas de soluon analyque pour maxmser PO λ pour un nombre donné de séquences d observaon mas l exse une procédure érave appelée algorhme de Baum-Welch qu perme de maxmser PO λ localemen. Dans le cas de densés de probablé connues le processus de réesmaon se déroule de la manère suvane : M So : b O m c m G O µ m U m 8 Page 2
13 Page 3 M ndque le nombre de gaussennes es le numéro de l éa c correspond au pods de la gaussenne m dans l éa G es une gaussenne de moyenne µ e de marce de covarance U. On défn une varable de backward β par :... 2 λ β T S Q O O O P T β N O b a β β N T- Ans que ξ e γ els que: λ β α ξ O P O b a N ξ γ 3 N ξ peu êre nerpréé comme le nombre aendu de ransons suves de S vers S. De la même façon N ξ correspond au nombre de ransons suves depus S. Avec cee nerpréaon les formules de réesmaon pour les ransons e les probablés d émsson s écrven : γ π 4 T T a γ ξ 5 T M k T m k m c γ γ 6 T T m m O m γ γ µ 7 T T m m m m T O O m U γ µ µ γ 8 En répéan cee procédure on converge vers une probablé maxmum généralemen au bou de 5 à 0 éraons.
14 C. Applcaon des MMC à la reconnassance solée de mos de la LSF: L applcaon de la héore des MMC à nore problème de reconnassance s es radue par l adapaon d un oul exsan basé sur la oolbox HMM qu s nègre au programme Sclab développé par l INRIA. Cee oolbox a déà éé ulsée à l INT avec succès dans le cadre de la vérfcaon d dené e plus précsémen l apprenssage de modèles de sgnaures [36]. Il perme d enraîner des MMC connus par l algorhme de réesmaon de paramères de Baum-Welch en paramèran le nombre d éas e de gaussenne souhaés. C es l algorhme de Verb qu perme ensue d évaluer la vrasemblance de la séquence la plus probable pour une observaon donnée. Pour nos modèles nous avons chos d ulser une opologe de ype Baks ou encore appelée «gauche-droe» qu s adape parculèremen au problème de reconnassance de geses e donc par exenson à celu de la langue des sgnes. Fg.8 : Un exemple de la opologe chose pour les modèles. Le proocole qu a éé suv consse à créer un modèle spécfque par gese à apprendre. Chaque modèle es enraîné ndépendammen à parr d exemplares du mouvemen qu l do permere de reconnaîre d après la méhode présenée pour résoudre le problème 3. Le corpus de données fourn en enrée 2 réalsaons du gese pour l apprenssage e 8 pour les ess. La reconnassance s effecue éan donné une observaon c es à dre pour chaque occurrence d un gese dans la base de es. On calcule alors par l algorhme de Verb soluon du problème 2 pour chaque modèle de gese la vrasemblance que le mouvemen a éé généré par ce modèle. Il ne rese plus alors qu à classer l observaon comme correspondan au gese pour lequel le modèle renvo la valeur de vrasemblance maxmale. Cee méhode s applque ben évdemmen unquemen au cas où l on souhae reconnaîre des mouvemens solés. Elle es basée sur l hypohèse que chaque gese peu êre exra e raé ndvduellemen. Pour cee rason nous avons ravallé à parr d un corpus de données dans lequel les sgnes son effecués depus une poson de repos bras le long du corps. Les paramères qu on éé choss pour êre passés en enrée des MMC corresponden aux valeurs des dfférens degrés de lberé du modèle 3D recalés els qu ls son présenés dans le ableau de la Fgure e llusrés à re d exemple en annexe de ce documen pour le mo Bon. Dans l mméda pour raer les geses Bon e Blessé pour lesquels seul le bras dro es ulsé nous avons seulemen conservé 7 paramères parm 23 afn d éver d effecuer l apprenssage à parr de données qu ne varen pas. RghUppArm rox RghUppArm roy RghUppArm roz RghForArm rox RghHand rox RghHand roy RghHand roz Fg. 9 : ableau des noms des paramères prs en enrée du MMC pour l apprenssage des séquences Bon e Blessé Page 4
15 V. Résulas obenus: Le corpus de données qu a pu êre raé à ce our ne nous a pas perms d effecuer suffsammen de ess pour formuler des conclusons précses pusqu l ne couvre de manère sgnfcave que deux mos dfférens. Cependan nous avons pu apprendre des modèles pour ces deux sgnes Bon e Blessé avec respecvemen 2 e 7 séquences de données pour l apprenssage e 4 e 5 séquences pour les ess. 2 éas 3 éas 4 éas gaussenne Gese Bon : 75% Gese Blessé : 00% Gese Bon : 857% Gese Blessé : 00% Gese Bon : 928% Gese Blessé : 00% 2 gaussennes Gese Bon : 75% Gese Blessé : 00% Gese Bon : 00% Gese Blessé : 00% Gese Bon : 857% Gese Blessé : 00% Le ableau c-dessus présene les aux de reconnassance obenus pour dfférenes confguraons de modèles : nombre d éas varan enre 2 e 4 pour une e deux gaussennes. Ces valeurs ne son pas sgnfcaves parculèremen en ce qu concerne les modèles pour lesquels on a chos pluseurs gaussennes. En effe dans ce cas le nombre de paramères fourns lors de l apprenssage es un élémen rès mporan dans la qualé du résula : l es nécessare de dsposer d une grande base d apprenssage pour espérer obenr un modèle qu fonconne de manère sasfasane. Le aux de reconnassance obenu pour 2 éas cachés n es pas rès élevé dans le cas de la reconnassance du mo Bon. Cela peu s explquer d une par par le fa que les deux geses qu on éé choss c à re d exemple son assez proches cf Fg.6 e donc plus dffcles à dscrmner que d aures mas auss parce que le nombre d éas es pe e qu l es peu êre nsuffsan dans le cadre de nos données. Cela explquera auss l améloraon de performance obenue pour 4 éas. L acquson des paramères se poursu encore acuellemen les aures modèles seron enraînés lorsque suffsammen de paramères auron éé acqus. VI. Concluson: Ce sage a conrbué à mere en place un procédé comple de reconnassance auomaque des geses à parr de paramères en 3 dmensons exras de vdéos flmées par une seule caméra. Un corpus de données a ans éé consué afn d apprendre des Modèles de Markov dédés à la reconnassance de sgnes solés. Il a perms de eser la valdé des paramères fourns par le module d acquson en monran que la reconnassance de gese éa possble. Il rese cependan à poursuvre cee éude afn de eser les performances du sysème sur une plus grande quané de mos à reconnaîre. Une éude plus poussée pourra ensue êre mse en place afn d évaluer quel ypes de modèles son les plus adapés pour une applcaon des MMC à la LSF e quels son les paramères les plus pernens à fournr au modèle. C es alors qu l sera possble d envsager d éendre le sysème de reconnassance à l denfcaon de sgnes dans une séquence connue. Page 5
16 VII. Remercemens: Je ens à remercer parculèremen Parck Horan e Bernadee Dorzz qu par les consels qu ls m on prodgués m on perm de mener à ben ce sage dans les melleures condons. J ameras auss cer c le raval des sagares qu m on précédé sur ce proe els Ram Kanhouche e Mayank Bomb pour la pare acquson du gese Marc Fuenes en reconnassance auomaque de sgnaure e sans lesquels cee éude n aura pu avor leu. Page 6
17 Bblographe: [] H. Henz B. Bauer and K. F. Krass HMM Based Connuous Sgn Language Recognon Usng Sochasc Grammars Gesure Workshop 99. [2] C. Vogler e D. Meaxas ASL Recognon Based on a Couplng Beween HMMs and 3D Moon Analyss Inernaonal Conference on Compuer Vson Mumbay Inda pp [3] J. Marn and J. L. Crowley An Appearance Based Approach o Gesure Recognon n Proc. 9 h ICIAP Lecure noes n compuer scence 3 Sprnger Verlag Florence Ialy 997 pp Dsponble: hp://www-prma.mag.fr/~marn/englsh-publs.hml [4] L. Brezner I. Lapev and T. Lndeberg Hand Gesure Recognon Usng Mul-Scale Color Feaures Herarchcal Models and Parcle Flerng n Proc. 5 h IEEE In. Conf. on Auomac Face and Gesure Recognon May pp [5] R. Culer and M. Turk Vew-Based Inerpreaon of Real-Tme Opcal Flow for Gesure Recognon n Proc. IEEE Conference on Auomac Face and Gesure Recognon Aprl Nara Japan. Dsponble: hp:// [6] M. Brand and V. Kenaker Dscovery and Segmenaon of Acves n Vdeo IEEE Trans. Paern Analyss and Machne Inellgence vol. 22 no pp [7] J. M. Regh and T. Kanade Vsual Trackng of Hegh dof Arculaed Srucures an Applcaon o HumanTrackng n Proc. 3 rd ECCV 994 vol. 2 pp [8] S. B. Gokurk J. Y. Bougue C. Tomas and B. Grod Model-Based Face Trackng for Vew-Independen Facal Expresson Recognon n Proc. 5 h IEEE In. Conf. on Auomac Face and Gesure Recognon May pp [9] H. Ouhadd and P. Horan 3D Hand Gesure Trackng by Model Regsraon n Proc. In. Workshop on Synhec - Naural Hybrd Codng and Three Dmensonal Imagng Sepember Sanorn Greece. Dsponble: hp://www-eph.n-evry.fr/~horan//publcaons/wsnhc3d99-ouhadd.pdf [0] S. Malassos F. Tsalakandou N. Mavrds V. Gagoura N. Grammalds and M. G. Srnzs A Face and Gesure Recognon Sysem Based on an Acve Sereo Sensor n Proc. In. Conf. on Image Processng 200 vol. 2 pp [] R. Yang and Z. Zhang Model-based head pose rackng wh sereovson n 5 h IEEE In. Conf. on Auomac Face and Gesure Recognon May pp [2] R. Plaenkers and P. Fua Model-based slhouee exracon for accurae people rackng n Proc. European Conf. on Compuer Vson Copenhagen Denmark May Dsponble: hp://vrlab.epfl.ch/publcaons/pdf/plaenkers_fua_eccv_02.pdf [3] A. V. Nefan R. Grzeszczuk and V. Eruhmov A Sascal Upper Body Model for 3D Sac and Dynamc Gesure Recognon From Sereo Sequences n Proc. In. Conf. on Image Processng 200 vol. 2 pp [4] Q. Delamarre and O. Faugeras 3D Arculae Models and Mul-Vew Trackng wh Physcal Forces CVIU ournal 200 vol. 8 pp Dsponble: hp://wwwsop.nra.fr/robovs/personnel/qdelam/publi.hml Page 7
18 [5] I. Kakadars and D. Meaxas Model-Based Esmaon of 3D Human Moon IEEE Trans. Paern Analyss and Machne Inellgence Dec vol. 22 no. 2 pp [6] M. Mochmaru and Y. Yamazak The Three Dmensonal Measuremen of Unconsraned Moon Usng a Model-Machng Mehod Ergonomcs vol. 37 N pp [7] J. J. Kush and T. S. Huang Vson Based Modelng and Trackng for Vrual Teleconferencng and Telecollaboraon n Proc. ICCV June 995 pp [8] J. Ohya and F. Kshno Human Posure Esmaon from Mulple Images Usng Genec Algorhm n Proc. 2 h IAPR vol. I pp [9] D. M. Gavrla and L. S. Davs 3D Model Based Trackng of Humans n Acon: a Mul-Vew Approach n Proc. IEEE CVPR San Francsco CA 996 pp [20] N. Shmada Y. Shra Y. Kuno and J. Mura Hand Gesure Esmaon and Model Refnemen Usng Monocular Camera Ambguy Lmaons by Inequaly Consrans n Proc. 3 rd IEEE In. Conf. on Auomac Face and Gesure Recognon Nara Japan 998 pp Dsponble: hp://www-cv.mech.eng.osaka-u.ac.p/~shmada/research/research2.hml [2] I. Yamao I. Ohya and K. Ish Recognzng Human Acon In Tme-Sequenal Images Usng Hdden Markov Models n IEEE Conference on Compuer Vson and Paern Recognon p June 992. [22] A. Braffor Reconnassance e Compréhenson des Geses Applcaon à la Langue des Sgnes Thèse de Docora préparée au sen du LIMSI Unversé Pars XI souenue le 28 un 996. [23] T. Sarner J. Weaver and A.Penland Real Tme Amercan Sgn Language Recognon Usng Desk and Wearable Compuer Based Vdeo IEEE Trans. On Paern Analyss and Machne Inellgence 202: December 998. [24] C. Vogler and D. Meaxas Adapng Hdden Markov Models for ASL Recognon by Usng Three Dmensonal Compuer Vson Mehods In Proceedngs of IEEE Inernaonal Conference and Sysems Man and Cybernecs pp 56-6 Orlando USA 997. [25] H. Ouhadd Conrbuon à l Analyse de Geses par Vson Monoscopque Thèse de Docora préparée au sen de l INT Unversé Pars 6 souenue le 20 ocobre 999. [26] F. Lerasle G. Rves and M. Dhome Human Body Lmbs Trackng by Mul-Ocular Vson n Aces ème congrès Reconnassance des Formes e Inellgence Arfcelle vol. II 998 Clermon-Ferrand France pp [27] N. Habl Auomac Segmenaon of he Face and Hand Sgn Language Vdeo Sequences Techncal Repor Dep of Elecrcal and Elecron. Eng. Adelade Unversy SA 5005 Ausrala July Dsponble : hp:// [28] S. Kewe F. Xan C. Ann and S. Jngao Auomac face Segmenaon n YcrCb Images n Proc. 5 h Asa-Pacfc Conf. on Communcaons and 4 h Opoelecroncs and Communcaon Conf. vol pp. [29] M. Pardge and M. Jabr Face Recognon Usng a New Dsance Merc n Proc. IEEE Sgnal Processng Socey Workshop Neural Neworks for Sgnal ProcessngX vol pp [30] E. R. Davs Machne Vson Theory Algorhms Praccales 2 nd edon Academc Press 995. [3] W. H Press B. P. Flannery S. A. Teykolsky and W. T. Veerlng Numercal Recpes n C Cambrdge Unversy Press 992. Page 8
19 [32] D. G. Lowe Fng Parameerzed Three-Dmensonal Models o Images IEEE Trans. Paern Analyses and Machne Inellgence vol. 3 no. 5 may 99 pp [33] Les Sgnes de Mano CD-Rom IVT ABAQUE Mcro Je Tu Il. Dsponble : hp:// [34] M. Slmane Les Chaînes de Markov Cachées: défnons Algorhmes Archecures Unversé Franços Rabelas Tours. [35] L. R. Rabner A Tuoral on Hdden Markov Models and Seleced Applcaons n Speech Recognon Proceedngs of he IEEE vol. 77 No. 2 February 989. [36] M. Fuenes D. Mosefa J. Khanoub S. Garca-Salce Vérfcaon de l Idené par Fuson de Données Bomérques : Sgnaure en Lgne e Parole. [37] M. Bomb and P. Horan "3D Model Based Gesure Aquson Usng a Sngle Camera" IEEE WACV 02 Orlando FL Dec Page 9
20 Annexe: Résulas du raemen du corpus vdéo : A. Les quare sgneurs choss pour la réalsaon des geses : Merc à Bao Ly Van d Hchem A b e Waheb Larb c égalemen sagares au déparemen EPH de l INT d avor ben voulu consacrer un peu de leur emps à la réalsaon de ces séquences. a : sgneur b : sgneur 2 c : sgneur 3 d : sgneur 4 B. Résulas du raemen d une séquence correspondan au mo Bon : sgneur Page 20
21 C. Résulas du raemen d une séquence correspondan au mo Blessé : sgneur3 Page 2
22 D. Résulas du raemen d une séquence correspondan au mo Chemnée : sgneur Page 22
23 E. Un exemple des fchers de paramères obenus : Les fchers choss pour llusrer ce pon corresponden aux valeurs des posons du modèle 3D qu fguren dans l llusraon du recalage pour la séquence Bon. A chaque mage correspond un fcher conenan le veceur d éa du modèle. Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Page 23
24 Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Page 24
25 Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Ches.rax : Ches.ray : Ches.raz : Ches.roy : Ches.rox : Ches.roz : Neck.roz : Neck.roy : Neck.rox : LefUppArm.roz : LefUppArm.roy : LefUppArm.rox : RghUppArm.roz : RghUppArm.roy : RghUppArm.rox : LefForArm.rox : RghForArm.rox : LefHand.roz : LefHand.roy : LefHand.rox : RghHand.roz : RghHand.roy : RghHand.rox : Ches.cameraScale : Page 25
BILAN EN ELECTRICITE : RC, RL ET RLC
IN N TIIT :, T I. INTNSIT : = dq d en couran varable I = Q en couran connu Méhode générale d éablssemen des équaons dfférenelles : lo d addvé des ensons pus relaons dq caracérsques :, lo d Ohm u = aux
Plus en détailCours Thème VIII.3 CONVERSION STATIQUE D'ÉNERGIE
ours hème VIII.3 ONVSION SAIQU D'ÉNGI 3- Famlles de conversseurs saques Suvan le ype de machne à commander e suvan la naure de la source de pussance, on dsngue pluseurs famlles de conversseurs saques (schéma
Plus en détailRegional Wind Speed Evolution Identification and Longterm Correlation Application
Regonal Wnd Speed Evoluon Idenfcaon and Longerm Correlaon Applcaon Idenfcaon de l évoluon régonale de la vesse du ven e applcaon à la corrélaon long erme B. Buffard, Theola France, Monpeller Exernal Arcle
Plus en détail«Modèle Bayésien de tarification de l assurance des flottes de véhicules»
Arcle «Modèle Baésen de arcaon de l assurance des loes de véhcules» Jean-Franços Angers, Dense Desardns e Georges Donne L'Acualé économque, vol. 80, n -3, 004, p. 53-303. Pour cer ce arcle, ulser l'normaon
Plus en détailN o 12-001-XIF au catalogue. Techniques d'enquête
N o -00-XIF au caalogue echnques d'enquêe 005 Commen obenr d aures rensegnemens oue demande de rensegnemens au suje du présen produ ou au suje de sasques ou de serces connexes do êre adressée à : Dson
Plus en détailUNE ÉVALUATION EMPIRIQUE DE LA NOUVELLE TARIFICATION DE L'ASSURANCE AUTOMOBILE (1992) AU QUÉBEC * par. Georges Dionne 1,2 Charles Vanasse 2
UNE ÉVALUATION EMPIRIQUE DE LA NOUVELLE TARIFICATION DE L'ASSURANCE AUTOMOBILE (992) AU QUÉBEC * par Georges Donne,2 Charles Vanasse 2 * Cee recherche a éé rendu possble grâce en pare au Fonds pour la
Plus en détail0707 70 70 Lot-sizing Résumé :
77 7 7 2 Lo-szng Résumé : L améloraon de la qualé des servces logsques es la garane essenelle pour la réalsaon de l avanage de ces servces, l augmenaon du nveau de sasfacon des clens e l améloraon de la
Plus en détailCIFA 2004 Synthèse mixte H 2 /H par retour d état statique
4 Snhèse mxe H /H par reor d éa saqe SLH SLH, ENS RZELER Laboraore d nalse e commandes des ssèmes, LS-EN amps nversare, P 37 Le belvédère ns - nse Laboraore d nalse e rchecre des Ssèmes, LS-NRS 7 vene
Plus en détailModèles de Risques et Solvabilité en assurance Vie. Kaltwasser Perrine Le Moine Pierre. Autorité de Contrôle des Assurances et des Mutuelles (ACAM)
Modèles de Rsques e Solvablé en assurance Ve Kalwasser errne Le Mone erre Auoré de Conrôle des Assurances e des Muuelles (ACAM 6, rue abou 75436 ARIS CEDEX 9 él. : + 33 55 5 43 5 fax : + 33 55 5 4 5 perrne.kalwasser@acam-france.fr
Plus en détailRemboursement d un emprunt par annuités constantes
Sére STG Journées de formaton Janver 2006 Remboursement d un emprunt par annutés constantes Le prncpe Utlsaton du tableur Un emprunteur s adresse à un prêteur pour obtenr une somme d argent (la dette)
Plus en détailNotice d information contractuelle Loi Madelin. Generali.fr
parculers PRFESSINNELS enreprses Noce d nformaon conracuelle Lo Madeln General.fr Noce d nformaon conracuelle Le présen documen es rems à re de proposon e de proje de conra. Naure de la Convenon : LA RETRAITE
Plus en détailANNEXE I TRANSFORMEE DE LAPLACE
ANNEE I TRANSFORMEE DE LAPLACE Perre-Smon Lalace, mahémacen franças 749-87. Lalace enra à l unversé de Caen a 6 ans. Très ve l s néressa aux mahémaques e fu remarqué ar d Alember. En analyse, l nrodus
Plus en détailNotice d information contractuelle Loi Madelin. Generali.fr
parculers PRFESSINNELS enreprses Noce d nformaon conracuelle Lo Madeln General.fr Noce d nformaon conracuelle Le présen documen es rems à re de proposon e de proje de conra. Naure de la Convenon : LA RETRAITE
Plus en détailÉmissions d obligations rachetables :
Émssons d oblgaons racheables : movaons e rendemens oblgaares mplqués Maxme DEBON Franck MORAUX Parck NAVATTE Unversé d Evry Unversé de Rennes Unversé de Rennes & LAREM & CREM & CREM Ocobre 2 Absrac Après
Plus en détailMATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES LES ANNUITES INTRODUCTION : Exemple 1 : Une personne veu acquérir une maison pour 60000000 DH, pour cela, elle place annuellemen au CIH une de 5000000 DH. Bu : Consiuer un capial
Plus en détailVA(1+r) = C 1. VA = C 1 v 1
Universié Libre de Bruxelles Solvay Business School La valeur acuelle André Farber Novembre 2005. Inroducion Supposons d abord que le emps soi limié à une période e que les cash flows fuurs (les flux monéaires)
Plus en détailF 2 = - T p K 0. ... F T = - T p K 0 - K 0
Correcion de l exercice 2 de l assisana pré-quiz final du cours Gesion financière : «chéancier e aux de renabilié inerne d empruns à long erme» Quesion : rappeler la formule donnan les flux à chaque échéance
Plus en détailMIDI F-35. Canal MIDI 1 Mélodie Canal MIDI 2 Basse Canal MIDI 10 Batterie MIDI IN. Réception du canal MIDI = 1 Reproduit la mélodie.
/ VARIATION/ ACCOMP PLAY/PAUSE REW TUNE/MIDI 3- LESSON 1 2 3 MIDI Qu es-ce que MIDI? MIDI es l acronyme de Musical Insrumen Digial Inerface, une norme inernaionale pour l échange de données musicales enre
Plus en détailpar Yazid Dissou** et Véronique Robichaud*** Document de travail 2003-18
Deparmen of Fnance Mnsère des Fnances Workng Paper Documen de raval Conrôle des émssons de GES à l ade d un sysème de perms échangeables avec allocaon basée sur la producon Une analyse en équlbre général
Plus en détailIntégration financière en Asie de l Est : l apport des tests de stationnarité et de cointégration en panel
Inégraon fnancère en Ase de l Es : l appor des ess de saonnaré e de conégraon en panel Cyrac GUILLAUMIN 1 Documen de raval CEPN 19/2008 Résumé : L objecf de ce paper es de mesurer le degré d négraon fnancère
Plus en détailLa rentabilité des investissements
La renabilié des invesissemens Inroducion Difficulé d évaluer des invesissemens TI : problème de l idenificaion des bénéfices, des coûs (absence de saisiques empiriques) problème des bénéfices Inangibles
Plus en détailGénéralités sur les fonctions 1ES
Généraltés sur les fonctons ES GENERALITES SUR LES FNCTINS I. RAPPELS a. Vocabulare Défnton Une foncton est un procédé qu permet d assocer à un nombre x appartenant à un ensemble D un nombre y n note :
Plus en détailELECTRICITE. Chapitre 13 Régimes transitoires des circuits RC et RL. Analyse des signaux et des circuits électriques. Michel Piou
LCTICIT Analys ds sgnaux ds crcus élcrqus Mchl Pou Chapr 13 égms ransors ds crcus C L don 14/3/214 Tabl ds maèrs 1 POUQUOI T COMMNT?...1 2 GIMS TANSITOIS DS CICUITS C T L....2 2.1 xponnll décrossan....2
Plus en détailChapitre 2 L investissement. . Les principales caractéristiques de l investissement
Chapire 2 L invesissemen. Les principales caracérisiques de l invesissemen.. Définiion de l invesissemen Définiion générale : ensemble des B&S acheés par les agens économiques au cours d une période donnée
Plus en détailMesure avec une règle
Mesure avec une règle par Matheu ROUAUD Professeur de Scences Physques en prépa, Dplômé en Physque Théorque. Lycée Alan-Fourner 8000 Bourges ecrre@ncerttudes.fr RÉSUMÉ La mesure d'une grandeur par un système
Plus en détailMontage émetteur commun
tour au menu ontage émetteur commun Polarsaton d un transstor. ôle de la polarsaton La polarsaton a pour rôle de placer le pont de fonctonnement du transstor dans une zone où ses caractérstques sont lnéares.
Plus en détailDocumentation Technique de Référence Chapitre 8 Trames types Article 8.14-1
Documenaion Technique de Référence Chapire 8 Trames ypes Aricle 8.14-1 Trame de Rappor de conrôle de conformié des performances d une insallaion de producion Documen valide pour la période du 18 novembre
Plus en détailCaractéristiques des signaux électriques
Sie Inerne : www.gecif.ne Discipline : Génie Elecrique Caracérisiques des signaux élecriques Sommaire I Définiion d un signal analogique page 1 II Caracérisiques d un signal analogique page 2 II 1 Forme
Plus en détailDares Analyses. La répartition des hommes et des femmes par métiers Une baisse de la ségrégation depuis 30 ans
Dares Analyses décembre 13 N 79 publcaon de la drecon de l'anmaon de la recherche, des éudes e des sasques La réparon des hommes e des femmes par méers Une basse de la ségrégaon depus 3 ans Les femmes
Plus en détailPage 5 TABLE DES MATIÈRES
Page 5 TABLE DES MATIÈRES CHAPITRE I LES POURCENTAGES 1. LES OBJECTIFS 12 2. LES DÉFINITIONS 14 1. La varaton absolue d'une grandeur 2. La varaton moyenne d'une grandeur (par unté de temps) 3. Le coeffcent
Plus en détailEcole des JDMACS, Angers, 19-21 Mars 2009 Commande prédictive : interaction optimisation commande
Par : Inrodcon à la ommand Prédcv Ecol ds JDMAS, Angrs, 9- Mars 009 ommand prédcv : nracon opmsaon command Plan d la présnaon. Inrodcon. Qls rpèrs. Phlosoph. s concps d la ommand Prédcv. Prncps d bas.
Plus en détailContrats prévoyance des TNS : Clarifier les règles pour sécuriser les prestations
Contrats prévoyance des TNS : Clarfer les règles pour sécurser les prestatons Résumé de notre proposton : A - Amélorer l nformaton des souscrpteurs B Prévor plus de souplesse dans l apprécaton des revenus
Plus en détailPaquets. Paquets nationaux 1. Paquets internationaux 11
Paquets Paquets natonaux 1 Paquets nternatonaux 11 Paquets natonaux Servces & optons 1 Créaton 3 1. Dmensons, pods & épasseurs 3 2. Présentaton des paquets 4 2.1. Face avant du paquet 4 2.2. Comment obtenr
Plus en détailRépublique Algérienne Démocratique et Populaire Ministère de l Enseignement supérieur et de La Recherche Scientifique. Polycopie:
Réublque Algérenne Déocraque e Poulare Mnsère de l Ensegneen suéreur e de a Recherche Scenfque Unversé : Hassba BENBOUAI de CHEF Faculé : Scences Déareen : Physque Doane : ST-SM Polycoe: Vbraons e Ondes
Plus en détailIntégration de Net2 avec un système d alarme intrusion
Ne2 AN35-F Inégraion de Ne2 avec un sysème d alarme inrusion Vue d'ensemble En uilisan l'inégraion d'alarme Ne2, Ne2 surveillera si l'alarme inrusion es armée ou désarmée. Si l'alarme es armée, Ne2 permera
Plus en détailSTATISTIQUE AVEC EXCEL
STATISTIQUE AVEC EXCEL Excel offre d nnombrables possbltés de recuellr des données statstques, de les classer, de les analyser et de les représenter graphquement. Ce sont prncpalement les tros éléments
Plus en détailLe mode de fonctionnement des régimes en annuités. Secrétariat général du Conseil d orientation des retraites
CONSEIL D ORIENTATION DES RETRAITES Séance plénière du 28 janvier 2009 9 h 30 «Les différens modes d acquisiion des drois à la reraie en répariion : descripion e analyse comparaive des echniques uilisées»
Plus en détailRecueil d'exercices de logique séquentielle
Recueil d'exercices de logique séquenielle Les bascules: / : Bascule JK Bascule D. Expliquez commen on peu modifier une bascule JK pour obenir une bascule D. 2/ Eude d un circui D Q Q Sorie A l aide d
Plus en détailNed s Expat L assurance des Néerlandais en France
[ LA MOBILITÉ ] PARTICULIERS Ned s Expa L assurance des Néerlandais en France 2015 Découvrez en vidéo pourquoi les expariés en France choisissen APRIL Inernaional pour leur assurance sané : Suivez-nous
Plus en détailPlan. Gestion des stocks. Les opérations de gestions des stocks. Les opérations de gestions des stocks
Plan Geston des stocks Abdellah El Fallah Ensa de Tétouan 2011 Les opératons de gestons des stocks Les coûts assocés à la geston des stocks Le rôle des stocks Modèle de la quantté économque Geston calendare
Plus en détailTB 352 TB 352. Entrée 1. Entrée 2
enrées série TB logiciel d applicaion 2 enrées à émission périodique famille : Inpu ype : Binary inpu, 2-fold TB 352 Environnemen Bouon-poussoir TB 352 Enrée 1 sories 230 V Inerrupeur Enrée 2 Câblage sur
Plus en détailBTS GPN 2EME ANNEE-MATHEMATIQUES-MATHS FINANCIERES MATHEMATIQUES FINANCIERES
MATHEMATIQUES FINANCIERES I. Concepts généraux. Le référentel précse : Cette parte du module M4 «Acquérr des outls mathématques de base nécessares à l'analyse de données économques» est en relaton avec
Plus en détailP R I S E E N M A I N R A P I D E O L I V E 4 H D
P R I S E E N M A I N R A P I D E O L I V E 4 H D Sommare 1 2 2.1 2.2 2.3 3 3.1 3.2 3.3 4 4.1 4.2 4.3 4.4 4.5 4.6 5 6 7 7.1 7.2 7.3 8 8.1 8.2 8.3 8.4 8.5 8.6 Contenu du carton... 4 Paramétrage... 4 Connexon
Plus en détailMÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES
MÉTHODES DE SONDAGES UTILISÉES DANS LES PROGRAMMES D ÉVALUATIONS DES ÉLÈVES Émle Garca, Maron Le Cam et Therry Rocher MENESR-DEPP, bureau de l évaluaton des élèves Cet artcle porte sur les méthodes de
Plus en détailCalculer le coût amorti d une obligation sur chaque exercice et présenter les écritures dans les comptes individuels de la société Plumeria.
1 CAS nédt d applcaton sur les normes IAS/IFRS Coût amort sur oblgatons à taux varable ou révsable La socété Plumera présente ses comptes annuels dans le référentel IFRS. Elle détent dans son portefeulle
Plus en détailLes jeunes économistes
Chaptre1 : les ntérêts smples 1. défnton et calcul pratque : Défnton : Dans le cas de l ntérêt smple, le captal reste nvarable pendant toute la durée du prêt. L emprunteur dot verser, à la fn de chaque
Plus en détailLE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régime») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF
1 LE RÉGIME DE RETRAITE DU PERSONNEL CANADIEN DE LA CANADA-VIE (le «régme») INFORMATION IMPORTANTE CONCERNANT LE RECOURS COLLECTIF AVIS AUX RETRAITÉS ET AUX PARTICIPANTS AVEC DROITS ACQUIS DIFFÉRÉS Expédteurs
Plus en détailCoaching - accompagnement personnalisé (Ref : MEF29) Accompagner les agents et les cadres dans le développement de leur potentiel OBJECTIFS
Coaching - accompagnemen personnalisé (Ref : MEF29) Accompagner les agens e les cadres dans le développemen de leur poeniel OBJECTIFS LES PLUS DE LA FORMATION Le coaching es une démarche s'inscrivan dans
Plus en détailEVALUATION DE LA FPL PAR LES APPRENANTS: CAS DU MASTER IDS
EVALUATION DE LA FPL PAR LES APPRENANTS: CAS DU MASTER IDS CEDRIC TAPSOBA Diplômé IDS Inern/ CARE Regional Program Coordinaor and Gender Specialiy Service from USAID zzz WA-WASH Program Tel: 70 77 73 03/
Plus en détailTRAVAUX PRATIQUES N 5 INSTALLATION ELECTRIQUE DE LA CAGE D'ESCALIER DU BATIMENT A
UIMBERTEAU UIMBERTEAU TRAVAUX PRATIQUES 5 ISTALLATIO ELECTRIQUE DE LA CAE D'ESCALIER DU BATIMET A ELECTROTECHIQUE Seconde B.E.P. méiers de l'elecroechnique ELECTROTECHIQUE HABITAT Ver.. UIMBERTEAU TRAVAUX
Plus en détailAnnuités. I Définition : II Capitalisation : ( Valeur acquise par une suite d annuités constantes ) V n = a t
Annuiés I Définiion : On appelle annuiés des sommes payables à inervalles de emps déerminés e fixes. Les annuiés peuven servir à : - consiuer un capial ( annuiés de placemen ) - rembourser une dee ( annuiés
Plus en détailFiche n 7 : Vérification du débit et de la vitesse par la méthode de traçage
Fche n 7 : Vérfcaton du débt et de la vtesse par la méthode de traçage 1. PRINCIPE La méthode de traçage permet de calculer le débt d un écoulement ndépendamment des mesurages de hauteur et de vtesse.
Plus en détailTerminal numérique TM 13 raccordé aux installations Integral 33
Termnal numérque TM 13 raccordé aux nstallatons Integral 33 Notce d utlsaton Vous garderez une longueur d avance. Famlarsez--vous avec votre téléphone Remarques mportantes Chaptres à lre en prorté -- Vue
Plus en détailSYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE
SYSTÈME HYBRIDE SOLAIRE THERMODYNAMIQUE POUR L EAU CHAUDE SANITAIRE Le seul ballon hybride solaire-hermodynamique cerifié NF Elecricié Performance Ballon hermodynamique 223 lires inox 316L Plaque évaporarice
Plus en détailProgrammation, organisation et optimisation de son processus Achat (Ref : M64) Découvrez le programme
Programmaion, organisaion e opimisaion de son processus Acha (Ref : M64) OBJECTIFS LES PLUS DE LA FORMATION Appréhender la foncion achas e son environnemen Opimiser son processus achas Développer un acha
Plus en détailEditions ENI. Project 2010. Collection Référence Bureautique. Extrait
Edtons ENI Project 2010 Collecton Référence Bureautque Extrat Défnton des tâches Défnton des tâches Project 2010 Sasr les tâches d'un projet Les tâches représentent le traval à accomplr pour attendre l'objectf
Plus en détailStéganographie Adaptative par Oracle (ASO)
Stéganographe Adaptatve par Oracle ASO Sarra Kouder, Marc Chaumont, Wllam Puech To cte ths verson: Sarra Kouder, Marc Chaumont, Wllam Puech. Stéganographe Adaptatve par Oracle ASO. CORESA 12: COmpresson
Plus en détailOBJECTIFS LES PLUS DE LA FORMATION
Formaion assurance-vie e récupéraion: Quand e Commen récupérer? (Ref : 3087) La maîrise de la récupéraion des conras d'assurances-vie requalifiés en donaion OBJECTIFS Appréhender la naure d un conra d
Plus en détailConsumer Price Index (December 2005 = 100) Methodological foundations
Consumer Prce Index (December 25 = 1) Mehodologcal foundaons Neuchâel, 28 The Swss Sascs seres publshed by he Federal Sascal Offce (FSO) covers he followng felds: Sascal Base and Overvews 1 Populaon 2
Plus en détailThème : Electricité Fiche 5 : Dipôle RC et dipôle RL
Fiche ors Thème : Elecricié Fiche 5 : Dipôle e dipôle Plan de la fiche Définiions ègles 3 Méhodologie I - Définiions oran élecriqe : déplacemen de charges élecriqes q a mesre d débi de charges donne l
Plus en détailOscillations forcées en régime sinusoïdal.
Conrôle des prérequis : Oscillaions forcées en régime sinusoïdal. - a- Rappeler l expression de la période en foncion de la pulsaion b- Donner l expression de la période propre d un circui RLC série -
Plus en détailComparative performance for isolated points detection operators: application on surface defects extraction
Comparatve performance for solate ponts etecton operators: applcaton on surface efects extracton R. Seuln, G. Delcrox, F. Merenne Laboratore Le2-12, Rue e la Fonere - 71200 Le Creusot - FRANCE e-mal: ralph.seuln@utlecreusot.u-bourgogne.fr
Plus en détailLes solutions solides et les diagrammes d équilibre binaires. sssp1. sssp1 ssss1 ssss2 ssss3 sssp2
Les soluions solides e les diagrammes d équilibre binaires 1. Les soluions solides a. Descripion On peu mélanger des liquides par exemple l eau e l alcool en oue proporion, on peu solubiliser un solide
Plus en détailCHAPITRE I : Cinématique du point matériel
I. 1 CHAPITRE I : Cinémaique du poin maériel I.1 : Inroducion La plupar des objes éudiés par les physiciens son en mouvemen : depuis les paricules élémenaires elles que les élecrons, les proons e les neurons
Plus en détailn 1 LES GRANDS THÈMES DE L ITB > 2009 Les intérêts simples et les intérêts composés ( ) C T D ( en mois)
LES GRANDS THÈMES DE L ITB Les iérês simples e les iérês composés RAPPELS THÉORIQUES Les iérês simples : l'iérê «I» es focio de la durée «D» (jour, quizaie, mois, rimesre, semesre, aée) de l'opéraio (placeme
Plus en détailSciences Industrielles pour l Ingénieur
Sciences Indusrielles pour l Ingénieur Cenre d Inérê 6 : CONVERTIR l'énergie Compéences : MODELISER, RESOUDRE CONVERSION ELECTROMECANIQUE - Machine à couran coninu en régime dynamique Procédés de piloage
Plus en détailLe document unique : Évaluation des risques pour la Santé et la Sécurité des travailleurs.
GETION DE RIQUE Le domen nqe : Évalaon des rsqes por la ané e la éré des ravallers. L Employer do respeer ses oblgaons en maère de sané e de séré a raval. Conformémen ax prnpes générax de prévenon nsrs
Plus en détailhal-00409942, version 1-14 Aug 2009
Manuscrt auteur, publé dans "MOSIM' 008, Pars : France (008)" 7 e Conférence Francophone de MOdélsaton et SIMulaton - MOSIM 08 - du mars au avrl 008 - Pars - France «Modélsaton, Optmsaton et Smulaton des
Plus en détailL intégration intra-régionale des marchés boursiers de l Europe du sudest : une analyse multivariée
Busness School W O R K I N G P A P E R S E R I E S Wokng Pape 24-29 L négaon na-égonale des machés bouses de l Euope du sudes : une analyse mulvaée Khaled Guesm Duc Khuong Nguyen hp://www.pag.f/f/accuel/la-echeche/publcaons-wp.hml
Plus en détailChapitre IV Les oscillations couplées «Les oscillations libres d un système à plusieurs degrés de liberté»
Chre IV, cours de vbrons, ondes _Phs, Pr. Bds Bennecer MD 8-9 Chre IV es oscllons coulées «es oscllons lbres d un ssèe à luseurs degrés de lberé» Dns ce chre, nous llons coencer r éuder les oscllons lbres
Plus en détailCalcul de tableaux d amortissement
Calcul de tableaux d amortssement 1 Tableau d amortssement Un emprunt est caractérsé par : une somme empruntée notée ; un taux annuel, en %, noté ; une pérodcté qu correspond à la fréquence de remboursement,
Plus en détailCalculs des convertisseurs en l'electronique de Puissance
Calculs des conertsseurs en l'electronque de Pussance Projet : PROGRAMMAON ate : 14 arl Auteur : herry EQUEU. EQUEU 1, rue Jules Massenet 37 OURS el 47 5 93 64 herry EQUEU Jun [V37] Fcher : ESGN.OC Calculs
Plus en détailEH SmartView. Identifiez vos risques et vos opportunités. www.eulerhermes.be. Pilotez votre assurance-crédit. Services en ligne Euler Hermes
EH SmartVew Servces en lgne Euler Hermes Identfez vos rsques et vos opportuntés Plotez votre assurance-crédt www.eulerhermes.be Les avantages d EH SmartVew L expertse Euler Hermes présentée de manère clare
Plus en détailModélisation 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 détailCONVERSION ÉLECTRONIQUE STATIQUE. HACHEURS. I : Ce que vous ne pouvez pas deviner. 1 ) Principes généraux des convertisseurs de puissance.
ONVSON ÉONQ SAQ AS : e qe vos ne povez pas devner 1 ) Prnpes générax des onverssers de pssane es pssanes mses en je Gamme des pssanes overes par l éleronqe de pssane S AS monres, APN, 10 ordnaers, haînes
Plus en détailLES ESCALIERS. Du niveau du rez-de-chaussée à celui de l'étage ou à celui du sous-sol.
LES ESCALIERS I. DÉF I NIT I O N Un escalier est un ouvrage constitué d'une suite de marches et de paliers permettant de passer à pied d'un niveau à un autre. Ses caractéristiques dimensionnelles sont
Plus en détailCHELEM Commerce International
CHELEM Commerce Inernaional Méhodes de consrucion de la base de données du CEPII Alix de SAINT VAULRY Novembre 2013 1 Conenu de la base de données Flux croisés de commerce inernaional (exporaeur, imporaeur,
Plus en détailLes Comptes Nationaux Trimestriels
REPUBLIQUE DU CAMEROUN Paix - Travail Parie ---------- INSTITUT NATIONAL DE LA STATISTIQUE ---------- REPUBLIC OF CAMEROON Peace - Work Faherland ---------- NATIONAL INSTITUTE OF STATISTICS ----------
Plus en détailANALYSE DES DETERMINANTS DE L EPARGNE NATIONALE DANS UN PAYS EN DEVELOPPEMENT : LE CAS DU RWANDA
Unvesé de Monéal Faculé des As e des Scences Dépaemen des Scences Economques ANALSE DES DETERMINANTS DE L EPARGNE NATIONALE DANS UN PAS EN DEVELOPPEMENT : LE CAS DU RWANDA Rappo de echeche pésené pa :
Plus en détail2. Quelle est la valeur de la prime de l option américaine correspondante? Utilisez pour cela la technique dite de remontée de l arbre.
1 Examen. 1.1 Prime d une opion sur un fuure On considère une opion à 85 jours sur un fuure de nominal 18 francs, e don le prix d exercice es 175 francs. Le aux d inérê (coninu) du marché monéaire es 6%
Plus en détailCURRICULUM VITAE. Informations Personnelles
CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba
Plus en détailAnalyse des Performances et Modélisation d un Serveur Web
SETIT 2009 5 th Internatonal Conference: Scences of Electronc, Technologes of Informaton and Telecommuncatons March 22-26, 2009 TUNISIA Analyse des Performances et Modélsaton d un Serveur Web Fontane RAFAMANTANANTSOA*,
Plus en détailS euls les flux de fonds (dépenses et recettes) définis s ent l investissement.
Choix d ives i s s eme e cer iude 1 Chapire 1 Choix d ivesissemes e ceriude. Défiiio L es décisios d ivesissemes fo parie des décisios sraégiques de l erepris e. Le choix ere différes projes d ivesisseme
Plus en détailImpact du vieillissement démographique sur l impôt prélevé sur les retraits des régimes privés de retraite
DOCUMENT DE TRAVAIL 2003-12 Impac du vieillissemen démographique sur l impô prélevé sur les rerais des régimes privés de reraie Séphane Girard Direcion de l analyse e du suivi des finances publiques Ce
Plus en détailChapitre IV : Inductance propre, inductance mutuelle. Energie électromagnétique
Spécale PSI - Cours "Electromagnétsme" 1 Inducton électromagnétque Chaptre IV : Inductance propre, nductance mutuelle. Energe électromagnétque Objectfs: Coecents d nductance propre L et mutuelle M Blan
Plus en détailSéparation de Sources par lissage cepstral des masques binaires
Séparaton de Sources par lssage cepstral des masques bnares Ibrahm Mssaou 1 Zed Lachr 1, 2 (1) École natonale d ngéneurs de Tuns, ENIT, BP. 37 Le Belvedere, 1002 Tuns, Tunse (2) Insttut natonal des scences
Plus en détailÉLÉMENTS DE THÉORIE DE L INFORMATION POUR LES COMMUNICATIONS.
ÉLÉMETS DE THÉORIE DE L IFORMATIO POUR LES COMMUICATIOS. L a théore de l nformaton est une dscplne qu s appue non seulement sur les (télé-) communcatons, mas auss sur l nformatque, la statstque, la physque
Plus en détailRisque associé au contrat d assurance-vie pour la compagnie d assurance. par Christophe BERTHELOT, Mireille BOSSY et Nathalie PISTRE
Ce aricle es disponible en ligne à l adresse : hp://www.cairn.info/aricle.php?id_revue=ecop&id_numpublie=ecop_149&id_article=ecop_149_0073 Risque associé au conra d assurance-vie pour la compagnie d assurance
Plus en détailINTERNET. Initiation à
Intaton à INTERNET Surfez sur Internet Envoyez des messages Téléchargez Dscutez avec Skype Découvrez Facebook Regardez des vdéos Protégez votre ordnateur Myram GRIS Table des matères Internet Introducton
Plus en détailGEA I Mathématiques nancières Poly. de révision. Lionel Darondeau
GEA I Mathématques nancères Poly de révson Lonel Darondeau Intérêts smples et composés Voc la lste des exercces à révser, corrgés en cours : Exercce 2 Exercce 3 Exercce 5 Exercce 6 Exercce 7 Exercce 8
Plus en détailN 2008 09 Juin. Base de données CHELEM commerce international du CEPII. Alix de SAINT VAULRY
N 2008 09 Juin Base de données CHELEM commerce inernaional du CEPII Alix de SAINT VAULRY Base de données CHELEM commerce inernaional du CEPII Alix de SAINT VAULRY N 2008-09 Juin Base de données CHELEM
Plus en détailCARACTERISTIQUES STATIQUES D'UN SYSTEME
CARACTERISTIQUES STATIQUES D'UN SYSTEE 1 SYSTEE STABLE, SYSTEE INSTABLE 1.1 Exemple 1: Soi un sysème composé d une cuve pour laquelle l écoulemen (perurbaion) es naurel au ravers d une vanne d ouverure
Plus en détailCOMPARAISON DE MÉTHODES POUR LA CORRECTION
COMPARAISON DE MÉTHODES POUR LA CORRECTION DE LA NON-RÉPONSE TOTALE : MÉTHODE DES SCORES ET SEGMENTATION Émle Dequdt, Benoît Busson 2 & Ncolas Sgler 3 Insee, Drecton régonale des Pays de la Lore, Servce
Plus en détailCours d électrocinétique :
Universié de Franche-Comé UFR des Sciences e Techniques STARTER 005-006 Cours d élecrocinéique : Régimes coninu e ransioire Elecrocinéique en régimes coninu e ransioire 1. INTRODUCTION 5 1.1. DÉFINITIONS
Plus en détailCATALOGUE EXCLUSIF TOUCH MEDIA CATALOGUE DE SITES FORMATS GLOSSAIRE. Notre sélection de supports en représentation exclusive au Maroc
CATALOGUE EXCLUSIF Notre sélecton de supports en représentaton exclusve au Maroc CATALOGUE DE SITES FORMATS A PROPOS DE NOUS Make ordnary, Extraordnary Phlosophe Équpe Réactvté est la rége publctare web
Plus en détailInterface OneNote 2013
Interface OneNote 2013 Interface OneNote 2013 Offce 2013 - Fonctons avancées Lancer OneNote 2013 À partr de l'nterface Wndows 8, utlsez une des méthodes suvantes : - Clquez sur la vgnette OneNote 2013
Plus en détailCOMMUNICATION ENVIRONNEMENTALE
COMMUNICATION ENVIRONNEMENTALE Por ne ommnaon responsable Toe ampagne de ommnaon a n réel mpa sr l envronnemen : onsommaon d énerge e de ressores, prodon de déhes, pollons ndrees. L éo-ommnaon a por b
Plus en détailMETHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES
METHODE AUTOMATIQUE POUR CORRIGER LA VARIATION LINGUISTIQUE LORS DE L INTERROGATION DE DOCUMENTS XML DE STRUCTURES HETEROGENES Ourda Boudghaghen(*),Mohand Boughanem(**) yugo_doudou@yahoo.fr, bougha@rt.fr
Plus en détailDirigeant de SAS : Laisser le choix du statut social
Drgeant de SAS : Lasser le chox du statut socal Résumé de notre proposton : Ouvrr le chox du statut socal du drgeant de SAS avec 2 solutons possbles : apprécer la stuaton socale des drgeants de SAS comme
Plus en détailAVIS A MANIFESTATION D INTERET N 017/MPT/2013/UCP/CAB
AVIS A MANIFESTATION D INTERET N 017/MPT/2013/UCP/CAB RECRUTEMENT D UN CONSULTANT INDIVIDUEL POUR LA REALISATION DE L ETUDE SUR LA PORTABILITE SUR LE MARCHE DES TELECOMMUNICATIONS EN REPUBLIQUE DU CONGO
Plus en détail