Auswahl der wissenschaftlichen Literatur zum Thema „Détection et reconnaissance des activités de la vie quotidienne“

Cet article propose, à partir d’une enquête par entretiens, de considérer les activités des assistants et des guides de sportifs paralympiques comme des activités de care. Il s’intéresse aux différences, à la fois objectives, perçues et mises en scène entre les activités de care des assistants et des guides. Les résultats montrent que les assistants et les guides perçoivent différemment leurs activités de care et que leurs perceptions tendent à célébrer les activités qui sont perçues comme étant les plus sportives et à invisibiliser celles qui relèvent de l’accomplissement des gestes de la vie quotidienne. Enfin, l’article explique que les assistants et les guides considèrent que ces logiques classificatoires impactent leur reconnaissance au sein des staffs et qu’elles peuvent avoir des effets sur les relations qu’ils entretiennent avec les sportifs paralympiques et les autres membres des staffs.

Avec le vieillissement de la population, le diagnostic et le traitement des démences telle que la maladie d'Alzheimer constituent des enjeux sociaux de grande importance. Le suivi des activités de la vie quotidienne du patient représente un point clé dans le diagnostic des démences. Dans ce contexte, le projet IMMED propose une utilisation innovante de la caméra portée pour le suivi à distance des activités effectuées. Nous avons ainsi travaillé sur la reconnaissance de sons produits par l'eau, qui permet d'inférer sur un certain nombre d'activités d'intérêt pour les médecins, dont les activités liées à l'alimentation, à l'entretien, ou à l'hygiène. Si divers travaux ont déjà été effectués sur la reconnaissance des sons d'eau, ils sont difficilement adaptables aux enregistrements de la vie quotidienne, caractérisés par un recouvrement important de différentes sources sonores. Nous plaçons donc ce travail dans le cadre de l'analyse computationnelle de scènes sonores, qui pose depuis plusieurs années les bases théoriques de la reconnaissance de sources dans un mélange sonore. Nous présentons dans cette thèse un système basé sur un nouveau descripteur audio, appelé couverture spectrale, qui permet de reconnaître les flux d'eau dans des signaux sonores issus d'environnements bruités. Des expériences effectuées sur plus de 7 heures de vidéo valident notre approche et permettent d'intégrer ce système au sein du projet IMMED. Une étape complémentaire de classification permet d'améliorer notablement les résultats. Néanmoins, nos systèmes sont limités par une certaine difficulté à caractériser, et donc à reconnaître, les sons d'eau. Nous avons élargi notre analyse aux études acoustiques qui décrivent l'origine des sons d'eau. Selon ces analyses, les sons d'eau proviennent principalement de la vibration de bulles d'air dans l'eau. Les études théoriques et l'analyse de signaux réels ont permis de mettre au point une nouvelle approche de reconnaissance, fondée sur la détection fréquentielle de bulles d'air en vibration. Ce système permet de détecter des sons de liquide variés, mais se trouve limité par des flux d'eau trop complexes et bruités. Au final, ce nouveau système, basé sur la vibration de bulles d'air, est complémentaire avec le système de reconnaissance de flux d'eau, mais ne peux s'y substituer. Pour comparer ce résultat avec le fonctionnement de l'écoute humaine, nous avons effectué une étude perceptive. Dans une expérience de catégorisation libre, effectuée sur un ensemble important de sons de liquide du quotidien, les participants sont amenés à effectuer des groupes de sons en fonction de leur similarité causale. Les analyses des résultats nous permettent d'identifier des catégories de sons produits par les liquides, qui mettent en évidence l'utilisation de différentes stratégies cognitives dans l'identification les sons d'eau et de liquide. Une expérience finale effectuée sur les catégories obtenues souligne l'aspect nécessaire et suffisant de nos systèmes sur un corpus varié de sons d'eau du quotidien. Nos deux approches semblent donc pertinentes pour caractériser et reconnaître un ensemble important de sons produits par l'eau
The analysis of instrumental activities of daily life is an important tool in the early diagnosis of dementia such as Alzheimer. The IMMED project investigates tele-monitoring technologies to support doctors in the diagnostic and follow-up of the illnesses. The project aims to automatically produce indexes to facilitate the doctor’s navigation throughout the individual video recordings. Water sound recognition is very useful to identify everyday activities (e. G. Hygiene, household, cooking, etc. ). Classical methods of sound recognition, based on learning techniques, are ineffective in the context of the IMMED corpus, where data are very heterogeneous. Computational auditory scene analysis provides a theoretical framework for audio event detection in everyday life recordings. We review applications of single or multiple audio event detection in real life. We propose a new system of water flow recognition, based on a new feature called spectral cover. Our system obtains good results on more than seven hours of videos, and thus is integrated to the IMMED framework. A second stage improves the system precision using Gammatone Cepstral Coefficients and Support Vector Machines. However, a perceptive study shows the difficulty to characterize water sounds by a unique definition. To detect other water sounds than water flow, we used material provide by acoustics studies. A liquid sound comes mainly from harmonic vibrations resulting from the entrainment of air bubbles. We depicted an original system to recognize water sounds as group of air bubble sounds. This new system is able to detect a wide variety of water sounds, but cannot replace our water flow detection system. Our two systems seem complementary to provide a robust recognition of different water sounds of daily living. A perceptive study aims to compare our two approaches with human perception. A free categorization task has been set up on various excerpts of liquid sounds. The framework of this experiment encourages causal similarity. Results show several classes of liquids sounds, which may reflect the cognitive categories. In a final experiment performed on these categories, most of the sounds are detected by one of our two systems. This result emphasizes the necessary and sufficient aspect of our two approaches, which seem relevant to characterize and identify a large set of sounds produced by the water

Dans un premier temps, nous avons exploré la reconnaissance des signatures électromagnétiques des familles d'appareils électriques à l'aide d'un apprentissage supervisé et d'une validation croisée. Les résultats obtenus sont peu fiables. L'exactitude de la classification est de 54.5±26.1% pour les familles d'appareils électriques domestiques testés: la bouilloire, la cuisinière (le four traditionnel et les plaques de cuisson), la hotte de la cuisine, la ventilation de la salle de bain, le fer à repasser, le grille-pain, les luminaires de l'ensemble réfrigérateur-congélateur et les luminaires des lampes. Néanmoins, à partir d'un apprentissage non supervisé, les signatures électromagnétiques permettent tout de même de différencier les appareils selon leur type de charge, résistive ou inductive. Dans un second temps, nous avons cherché du côté des profils de puissance. Les fronts détectés sur le profil de puissance peuvent permettre d'identifier l'allumage et l'arrêt des appareils électriques. Par la suite, à l'aide d'un apprentissage supervisé, les différentiels des fronts de puissance sont associés à un appareil électrique. Le système à été validé lors de la réalisation d'un repas au cours duquel une personne à utiliser l'une des plaques de cuisson, le four traditionnel, la ventilation de la salle de bain, le four à micro-ondes et une machine à expresso. Initialement, le taux de vraie reconnaissance est de seulement 58.2%, le taux de non reconnaissance est de 26.5% et le taux de fausse reconnaissance est de 15.3%. En effet, certains appareils ont des consommations électriques similaires. De plus, plusieurs appareils peuvent fonctionner simultanément. Dans un troisième temps, des règles d'inférences statiques et dynamiques ont été mises en place pour améliorer la reconnaissance des appareils électriques. Par exemple: sur quelle(s) ligne(s) électriques(s) un appareil est branché. Le taux de vraie reconnaissance obtenu passe alors à 95.5%, le taux de non reconnaissance passe à 0.3%. Le système de reconnaissance est limité aux appareils électriques ayant une consommation de puissance supérieure à 70 Watts en raison du bruit électrique présent sur l'une des lignes électriques. Malgré les corrections apportées par les règles d'inférence, certains appareils sont difficilement différenciables. Par exemple: le four traditionnel dans la cuisine et le fer à repasser dans la chambre restent très difficiles à reconnaître. Dans un quatrième temps, nous avons cherché à encore améliorer le taux de vraie reconnaissance en incorporant des informations contextuelles non liées au réseau électrique. L'information apportée par les événements sonores permet de localiser spatialement le résident afin de lever certaines ambiguïtés sur la reconnaissance des appareils. Nous avons développé un système de détection et de localisation des événements sonores basé sur la mise en évidence des transitoires du signal sonore. La localisation de la personne à partir de l'environnement sonore à été validé lors de la réalisation des routines du matin par une personne: se lever, s'habiller, faire sa toilette, préparer et manger un petit déjeuner et enfin s'apprêter pour sortir. La fusion des données sonores et électriques n'a pas été implémentée dans le cadre de cette thèse, mais nos travaux montrent qu'il est possible d'obtenir les données sonores et électriques nécessaires pour ce faire. Finalement, des expérimentations intégrant des assistants cognitifs ont été réalisées avec dix personnes non affectées cognitivement. Le scénario consiste à préparer un pâté chinois, prendre un médicament et faire le repassage. Une application d'aide à la cuisine «SemAssist» et une autre de rappel d'activités «Ap@lz» ont aussi été utilisées au cours de l'expérimentation. Ces expérimentations ont permis d'évaluer en conditions réelles le système de supervision de l'environnement électrique basé sur le profil de puissance. Le taux de vraie reconnaissance est de 87.2±5.0%, le taux de non reconnaissance est de 10.5±4.1% et le taux de fausse reconnaissance est de 2.3±2.7%.

La reconnaissance d'activités de vie quotidienne (AVQs) fait l'objet, depuis des années, de recherches pour proposer des solutions performantes. Elle s'appuie sur l'analyse spatio-temporelle de situations, de comportements, etc. dont les données d'entrée sont les informations fournies par des capteurs ambiants ou par des capteurs portés par la personne. Cette thèse se focalise sur l'instrumentation du lieu de vie par des capteurs ambiants et sur la détection d'un état d'isolement social chez les personnes âgées. Deux approches sont utilisées pour évaluer l'isolement social. La première se base sur des questionnaires. La deuxième approche s'appuie sur l'utilisation de technologies pour la récupération objective de données représentatives d'un état ou d'un comportement. En particulier, l'activité " se nourrir " est liée à une séquence d'actions telles que faire les courses, cuisiner, manger et faire la vaisselle. L'activité " se déplacer " est liée à la mobilité au sein du domicile et au fait de sortir du logement. La littérature montre que ces deux activités semblent pertinentes pour évaluer un risque potentiel d'isolement social chez les aînés. Les travaux de thèse portent sur quatre contributions principales : Un état bibliographique des recherches sur la détection des AVQs afin d'en identifier les apports et les limites et tracer des voies de recherches pertinentes. Des critères spécifiques ont été choisis pour inclure les articles dans lesquels des systèmes de détection d'activités sont présentés. Une démarche de conception système appliquée à la reconnaissance d'AVQs. Cette démarche s'intègre dans un processus d'Ingénierie Système. Elle décrit l'analyse des exigences, leur modélisation au travers de diagrammes SysML et la mise en place d'une architecture matérielle et logicielle basée sur un réseau IoT. L'analyse des AVQs, dans notre étude, utilise les données de détecteurs de mouvement et de capteurs de contacts. Un affichage sur une application web permet de visualiser les résultats obtenus à destination de l'aide-soignant ou de la famille. L'utilisation originale de quatre méthodes de classification des AVQs à savoir "préparer le repas", "prendre le repas", "faire la vaisselle", "dormir/se relaxer", "hygiène", "la personne à l'extérieur du logement", "un visiteur à l'intérieur de la maison" et "autres activités". Les trois premières méthodes utilisées sont K-means, le modèle de mélange gaussien et BIRCH auxquelles on applique une pondération aux données. Les activités liées au repas n'ont ainsi pas le même poids que le reste des données, ce qui a permis d'améliorer la détection des AVQs. Le quatrième algorithme est basé sur une méthode logique à la suite de la détermination d'une matrice de corrélation prenant en entrée l'ensemble des capteurs disponibles. En utilisant les données de la matrice de corrélation, l'algorithme personnalise la détection des activités liées au repas en différenciant une personne qui prépare seule son repas d'une personne qui bénéficie d'un service de portage de repas. Nous validons nos méthodes en se référant aux formulaires remplis par les participants au début et à la fin de l'expérimentation dans lesquels ils indiquent le déroulement de leur journée-type. Ces algorithmes ont été appliqués sur une base de données annotée ouverte pour confirmer la précision de nos approches. La proposition d'un score du niveau d'isolement social chez la personne suivie. Ce score est établi sur la base de l'identification des activités pour extraire les habitudes quotidiennes au travers d'indicateurs du comportement (Le temps passé à l'extérieur de la maison et à l'intérieur de la cuisine, etc.). Six aînées ont été suivies pendant plus de 3 mois. L'algorithme régression logistique a été utilisé pour l'extraction du niveau d'isolement social qui a été comparé à celui identifié grâce au questionnaire " Lubben Social Network Scale " rempli avec chaque participant au début et à la fin de l'étude
The recognition of daily life activities has been the subject of research for years to provide effective solutions. It is based on the spatio-temporal analysis of situations and behaviors whose input data is information provided by ambient sensors or by sensors worn by the person. This thesis focuses on the instrumentation of the living space by ambient sensors and on the detection of a state of social isolation in elderly people. Two approaches are used to assess social isolation. The first one is based on questionnaires. The second approach is based on the use of technologies for the objective acquisition of data representative of a state, behavior, etc. In particular, the activity "eating" is linked to a sequence of actions such as shopping, cooking, eating and washing dishes. The activity "moving" is linked to mobility within the home and leaving the home. The literature shows that these two activities seem to be relevant for assessing a potential risk of social isolation among older people. The thesis work focuses on four main contributions: A bibliographic review of ADLs detection research to identify its contributions and limitations, and to outline relevant research directions. Specific criteria were chosen to include articles presenting activity detection systems. A system design approach applied to the detection of ADLs. This approach is part of a system engineering process. It describes the analysis of requirements, their modeling through SysML diagrams and the implementation of a hardware and software architecture based on an IoT network. The analysis of ADLs, in our study, uses data from motion detectors and contact sensors. A display on a web application allows you to visualize the results obtained for the caregiver or the family. The original use of four methods to classify ADLs, namely "preparing the meal", "eating the meal", "washing the dishes", "sleeping/relaxing", "hygiene", "the person outside the home", "a visitor inside the home" and "other activities". The first three methods used are K-means, the Gaussian mixture model and BIRCH, which applies weights to the data. Meal-related activities therefore do not have the same weight as the rest of the data, which made it possible to improve the detection of ADLs. The fourth algorithm is based on a logical method following the determination of a correlation matrix using all the available sensors as input. Using the data from the correlation matrix, the algorithm personalizes the detection of meal-related activities by distinguishing a person preparing their meal from a person using a meal delivery service. We validate our methods by referring to the forms filled in by the participants at the beginning and end of the experiment, in which they describe the course of their typical day. These algorithms were applied to an open annotated database to confirm the accuracy of our approaches. The proposal of a score for the level of social isolation of the person being monitored. This score is based on the identification of activities to extract daily habits through behavioral indicators (time spent outside the house and in the kitchen, etc.). Six elderly people were followed for more than 3 months. The logistic regression algorithm was used to extract the level of social isolation, which was compared with the level of social isolation identified using the "Lubben Social Network Scale" questionnaire, which was completed by each participant at the beginning and end of the study

De nos jours, le maintien à domicile des personnes éprouvant des troubles cognitifs est un réel défi. En effet, les centres spécialisés pour ces personnes ne sont pas suffisants et manquent parfois de ressources. C'est là que l'assistance à domicile intervient pour permettre à ces personnes de conserver un certain niveau d'autonomie avec le moins d'intrusion possible dans leur vie quotidienne. Pour répondre à cette demande, le laboratoire DOMUS s'est équipé d'un appartement intelligent pilote muni des Nouvelles Technologies de l'Information et de Communication (NTIC). L'infrastructure du laboratoire est composée entre autres de capteurs infrarouges, de capteurs de pression, d'écrans tactiles et de microphones qui ont pour but de rendre compte des activités de la vie quotidienne (AVQ) réalisées par la personne au sein de l'habitat. La présente étude rapporte les résultats d'une partie du système d'assistance à domicile permettant l'identification des AVQ par une personne au sein d'un appartement intelligent, à l'aide d'un unique microphone par pièce. Dès lors, on s'intéresse à la détection et la reconnaissance des événements sonores générés par la réalisation des AVQ de l'habitant. Les événements sonores testés correspondent aux activités qui ont lieu dans une cuisine, telle que des bruits de cuisson, d'écoulement d'eau, d'ustensile, de casserole, de vaisselle et de claquements de porte.

L'augmentation de la population séniore se révèle être un enjeu de taille et une grande question de santé publique. La part démographique des personnes âgées s'agrandit de plus en plus grâce au progrès et avancés de la médecine et nos systèmes de santé. Néanmoins le vieillissement de cette population implique naturellement une pléthore de problèmes de dépendance qui y sont associés, ceci bien sûr exponentiellement. Les maisons de retraite sont des solutions généralement coûteuses et très peu appréciées. En conséquence, des solutions plus adaptées basées sur l'aide au maintien à domicile ce développement de plus en plus ces dernières années. Cette problématique se retrouve dans la croisée des chemins entre les technologies de capteurs, la télétransmission de données, l'assistance aux personnes âgées à mobilité réduite et le suivi d'activités. Cette thèse explore l'application d'algorithmes d'analyse de données pour le suivi d'activités des personnes âgées à domicile. L'idée étant qu'un suivi régulier des résidents permet d'inférer leur état de dépendance ou d'autonomie et permet aux personnels soignants d'intervenir en cas de détection d'un début de dégradation. Nous avons exploré et adapté certaines méthodes d'inférence bayésienne et segmentation de séries temporelles pour la reconnaissance d'activités. Et ensuite, nous avons proposé un outil de visualisation permettant de faciliter la détection d'anomalies ou changements de rythme de vie. Ce travail s'inscrit dans le cadre d'une thèse CIFRE. Ainsi tous les méthodes et algorithmes explorés ont été mis en production et sont exploités par la solution d'aide à domicile commercialisé par la société Diatelic
The increase of the senior population constitutes a major public health issue. The demographic share of the elderly is ever more growing thanks to the progress and advances in medicine and our health care systems. However, with the aging of this population comes a plethora of dependency problems, and this, of course, exponentially.Retirement homes are an expensive and not very popular solution. As a result, we are seeing a surge in home assisted living solutions in the recent years.This topic is in the crossroads between sensor technologies, data transmission, assistance to elderly people and activity monitoring.This thesis explores the application of data analysis algorithms for activity monitoring of elderly people at home. The idea is that with day-to-day monitoring of residents it is possible to infer their autonomy and capacity to perform day-to-day tasks. It also allows caregivers to intervene in cases where the start of some degradation is detected.We explored and adapted some Bayesian inference and time series segmentation methods for activity recognition. And then, we proposed a visualization tool to facilitate the detection of anomalies or changes in everyday habits.This work is part of a CIFRE thesis. The methods and algorithms presented have been put into production and are packaged into Diatelic's the assisted living commercial solution

Les progrès de la technologie des capteurs et leur disponibilité ont permis de mesurer diverses propriétés et activités des habitants dans une maison intelligente. Cependant, l’obtention de connaissances significatives à partir d’une grande quantité d’informations collectées à partir d’un réseau de capteurs n’est pas une tâche simple. En raison de la complexité du comportement des habitants, l’extraction d’informations significatives et la prédiction précise des valeurs représentant les activités futures d’un occupant sont des défis de recherche [6]. L’objectif principal de notre travail de thèse est d’assurer une analyse efficace des données recueillies à partir des capteurs d’occupation dans une maison intelligente. A ce propos, ce travail se base sur la reconnaissance et l’évaluation des activités quotidiennes d’une personne âgée dans le but d’observer, de prédire et de suivre l’évolution de son état de dépendance, de santé et de détecter par la même occasion, la présence d’une perte ou d’une perturbation de l’autonomie en temps réel
Advances in sensor technology and their availability have measured various properties and activities of residents in a smart home. However, obtaining significant knowledge from a large amount of information collected from a sensor network is not a simple task. Due to the complexity of the behavior of the inhabitants, the extraction of meaningful information and the accurate prediction of values ​​representing the future activities of an occupant are research challenges. The main objective of our thesis work is to ensure an efficient analysis of data collected from occupancy sensors in a smart home. In this regard, this work is based on the recognition and evaluation of the daily activities of an elderly person in order to observe, predict and monitor the evolution of his state of dependence, health and to detect by the same occasion, the presence of a loss or a disruption of autonomy in real time

Les systèmes d'aide à la vie ambiante permettant le maintien à domicile des personnes âgées sont en pleine expansion de nos jours. Les nouvelles approches consistent à mettre en place un système automatisé de surveillance d'activités au sein d'une maison intelligente équipée de capteurs portables tels que les GPS, les bracelets électroniques ou les puces RFID. Ces capteurs malheureusement ont la contrainte d'être portés constamment. L'utilisation des capteurs binaires est une alternative de plus en plus proposée. Dans cette thèse, nous avons proposé la modélisation et la reconnaissance d'activités quotidiennes au sein d'une maison intelligente équipée de capteurs binaires. La première phase de l'architecture proposée concerne la modélisation d'activités. Les algorithmes de fouilles de séquences fréquentes déterministes et incertaines ont été utilisés. Ces algorithmes contiennent une phase de pré-traitement qui intègre la contrainte temporelle entre évènements. Les performances de ces algorithmes ont été évaluées sur la base de données MIT qui contient une collection d'activités humaines issues de deux appartements instrumentés respectivement de 77 et 84 capteurs. Ces expérimentations nous montrent que le nombre et la qualité des modèles issus de la phase de modélisation sont fortement liés au taux de confiance des capteurs. La seconde phase de l'architecture concerne la reconnaissance d'activités. Au cours de cette phase, deux approches sont proposées. La première approche consiste à coupler la méthode de forêt aléatoire avec l'algorithme de fouille déterministe de séquences fréquentes. Cette approche intègre une caractérisation temporelle des modèles d'activités découverts. Une expérimentation est effectuée sur la base de données MIT et les résultats en terme de reconnaissance d'activités sont de 98% pour le sujet 1 et 95% pour le sujet 2. Ces résultats sont comparés à ceux de la littérature pour rendre compte de la performance de l'approche proposée. La seconde approche utilise la méthode de reconnaissance par alignement de séquences basées sur la distance de Levenshtein couplée à la fouille incertaine de séquences fréquentes. A ce niveau, l'algorithme de fouille incertaine de séquences fréquentes, intègre à la fois la gestion des contraintes temporelles entre évènements et la gestion de l'incertitude des données issus des capteurs. Les performances de cette méthode ont été évaluées sur les bases de données MIT et CASAS. La base de données CASAS contient une collection de données issues de deux scénarios réalistes pour détecter les activités de la vie quotidiennes normales et entrelacées. Les résultats obtenus des expérimentations sur ses deux bases de données montrent que le taux de reconnaissances est une fonction croissante du taux de confiance des capteurs. Ces résultats sont de 100% et 94% respectivement pour les activités normales et entrelacées de la base CASAS puis 93% et 90% respectivement pour les activités des sujets 1 et 2 de la base MIT. Comparés avec ceux de la littérature, ces résultats mettent en évidence l'efficacité de notre méthode
The ADL systems for keeping seniors at home are expanding today. The new approaches involve setting up an automated activity monitoring system in a smart home equipped with wearable sensors such as Global Positioning System (GPS), electronics bracelets or RFID chips. These sensors unfortunately have the constraint to be worn constantly. The use of binary sensors is an increasingly common alternative. In this thesis we proposed modeling and recognition of daily activities within a smart home equipped with binary sensors. The first phase of the proposed architecture concerns activity modelling. Deterministic and uncertain sequential pattern mining algorithms were used. These algorothms contain a pre-processing phase that integrates the temporal constraint between events. The performance of these algorithms was evaluated on the MIT database, which contains a collection of human activities from two instruments of 77 and 84 sensors respectively. These experiments show that the number and quality of models from the modeling phase are strongly linked to the confidence rate of the sensors. The second phase of architecture involves the recognition of activities. During this phase, two approaches are proposed. The first approach is to pair the random forest method with the deterministic sequential pattern mining algorithm. This approach incorporates a temporal characterization of the activity models discovered. An experiment is carried out on the MIT database and the results in terms of activity recognition are 98% for the subject 1 and 95% for the subject 2. These results are compared with those in the literature to reflect the performance of the proposed approach. The second approach uses the sequence alignment recognition method based on the Levenshtein distance coupled with the uncertain sequential pattern mining. At this level, the uncertain sequential pattern mining algorithm integrates both the management of time constraints between events and the management of the uncertainty of data from the sensors. The performance of this method was evaluated on the MIT and CASAS databases. The CASAS database contains a collection of data from realistic scenarios to detect normal and intertwined daily activities. The results of the experiments on its two databases show that the recognition rate is an increasing function of the confidente rate of the sensors. These results are 100% and 94% respectively for the normal and interweave activities of the CASAS base and 93% and 90% respectively for the activities of subjects 1 and 2 of the MIT base. Compared with those in literature, these results highlight the effectiveness of our method

À l'horizon 2050, environ un tiers de notre population sera âgée de soixante-cinq ans et plus. Les travaux de l'équipe AFIRM du TIMC-IMAG visent à surveiller les personnes âgées à domicile pour détecter une perte d'autonomie le plus précocement possible. Pour ce faire, les travaux de cette thèse tentent d'objectiver les critères ADL ou les grilles de type AGGIR, en classifiant de manière automatique les différentes activités de la vie quotidienne d'une personne par l'intégration de capteurs, créant un Habitat Intelligent pour la Santé (HIS). L'appartement HIS possède des détecteurs de présence infrarouges (localisation), des contacteurs de porte (utilisation de certaines commodités), un capteur de température et d'hygrométrie dans la salle de bains et des microphones (classification des sons/ reconnaissance de la parole avec l'équipe GETALP du LIG). Un capteur cinématique embarqué détecte les transferts posturaux (reconnaissance de formes avec la transformée en ondelettes) et les périodes de marche (analyse fréquentielle). La première partie de ce manuscrit présente la réalisation du capteur cinématique et les algorithmes associés puis une première validation sur des sujets jeunes suivi de la mise en place et de la validation des autres capteurs de l'appartement HIS et enfin l'algorithme de classification des sept activités de la vie quotidienne reconnues (hygiène, élimination, préparation et prise de repas, repos, habillage/déshabillage, détente et communication), par l'intermédiaire des séparateurs à vaste marge. La seconde partie décrit le protocole expérimental pour valider cette classification et discute de la généralisation des premiers résultats présentés
In the near 2050, about one third of the French population will be over 65. The works of the team AFIRM of the TIMC-IMAG focus on the monitoring of elderly people at home, to detect, as earlier as possible, a loss of autonomy. This thesis work aims at objectivising criterions as ADL or AGGIR grids by automatically classifying the different Activities of Daily Living performed by the subject during the day. A Health Smart Home is used to do this. Our Smart Home includes, in a real flat, Presence Infra-Red Sensors, (for localisation), door contacts (for the use of some conveniences), temperature and hygrometry sensors in the bathroom and microphones (sound and speech recognition with the GETALP team of the LIG). The subject is also equipped with a kinematic sensor that delivers on the postural transition (by pattern recognition with wavelets) and walk periods (frequency analysis). This manuscript is compound of two major parts. The first one introduces the realisation of the kinematic sensor, its algorithms and its first evaluation; but also the set-up, algorithms and the validation of the other sensors inside the flat and finally the Support Vector Machines algorithms to classify the activities of Daily Living (hygiene, toilets, preparing and having a meal, resting, sleeping, communication and dressing/undressing). The second part deals with the experimental protocol to validate these algorithms and the results of these validations on young and healthy subjects. It introduces the results and a discussion about their validity

À l'horizon 2050, environ un tiers de notre population sera âgée de soixante-cinq ans et plus. Les travaux de l'équipe AFIRM du TIMC-IMAG visent à surveiller les personnes âgées à domicile pour détecter une perte d'autonomie le plus précocement possible. Pour ce faire, les travaux de cette thèse tentent d'objectiver les critères ADL ou les grilles de type AGGIR, en classifiant de manière automatique les différentes activités de la vie quotidienne d'une personne par l'intégration de capteurs, créant un Habitat Intelligent pour la Santé (HIS).
L'appartement HIS possède des détecteurs de présence infrarouges (localisation), des contacteurs de porte (utilisation de certaines commodités), un capteur de température et d'hygrométrie dans la salle de bains et des microphones (classification des sons/ reconnaissance de la parole avec l'équipe GETALP du LIG). Un capteur cinématique embarqué détecte les transferts posturaux (reconnaissance de formes avec la transformée en ondelettes) et les périodes de marche (analyse fréquentielle).
La première partie de ce manuscrit présente la réalisation du capteur cinématique et les algorithmes associés puis une première validation sur des sujets jeunes suivi de la mise en place et de la validation des autres capteurs de l'appartement HIS et enfin l'algorithme de classification des sept activités de la vie quotidienne reconnues (hygiène, élimination, préparation et prise de repas, repos, habillage/déshabillage, détente et communication), par l'intermédiaire des séparateurs à vaste marge. La seconde partie décrit le protocole expérimental pour valider cette classification et discute de la généralisation des premiers résultats présentés.

Cette thèse aborde le problème de la reconnaissance d'activités. Elle est fortement motivée par la recherche dans le domaine de la reconnaissance des activités vidéo appliquée au domaine de la surveillance de personnes âgées. Dans ce travail, nous proposons deux contributions principales. La première contribution consiste en une approche pour la reconnaissance d'activité vidéo avec gestion de l'incertitude pour une détection précise d'événements. La deuxième contribution consiste à définir une ontologie et une base de connaissances pour la surveillance dans le domaine de la santé et en particulier la surveillance à l'hôpital de patients atteints de la maladie d'Alzheimer. L'approche de reconnaissance d'activité proposée combine une modélisation sémantique avec un raisonnement probabiliste pour faire face aux erreurs des détecteurs de bas niveau et pour gérer l'incertitude de la reconnaissance d'activité. La reconnaissance probabiliste des activités est basée sur la théorie des probabilités bayésienne qui fournit un cadre cohérent pour traiter les connaissances incertaines. L'approche proposée pour la vérification probabiliste des contraintes spatiale et temporelle des activités est basée sur le modèle de probabilité gaussienne. Nous avons travaillé en étroite collaboration avec les cliniciens pour définir une ontologie et une base de connaissances pour la surveillance à l'hôpital de patients atteints de la maladie d'Alzheimer. L'ontologie définie contient plusieurs concepts utiles dans le domaine de la santé. Nous avons également défini un certain nombre de critères qui peuvent être observés par les caméras pour permettre la détection des premiers symptômes de la maladie d'Alzheimer. Nous avons validé l'algorithme proposé sur des vidéos réelles. Les résultats expérimentaux montrent que l'algorithme de reconnaissance d'activité proposé a réussi à reconnaitre les activités avec un taux élevé de reconnaissance. Les résultats obtenus pour la surveillance de patients atteints de la maladie d'Alzheimer mettent en évidence les avantages de l'utilisation de l'approche proposée comme une plate-forme de soutien pour les cliniciens pour mesurer objectivement les performances des patients et obtenir une évaluation quantifiable des activités de la vie quotidienne.