Thèse de Mohamad Daher

Fusion multi-capteurs tolérante aux fautes pour un suivi de la personne avec un niveau d'intégrité élevé

Environ un tiers des personnes âgées vivant à domicile souffrent d'une chute chaque année. Les chutes les plus graves se produisent lorsque la personne est seule et incapable de se lever, ce qui entraîne un grand nombre de personnes âgées admis au service de gériatrique et un taux de mortalité malheureusement élevé. Le système PAL (Personally Assisted Living) apparaît comme une des solutions à ce problème. Ce système d’intelligence ambiante permet aux personnes âgées de vivre dans un environnement intelligent et pro-actif. Il permet la supervision et le contrôle de l'environnement d’évolution, la surveillance des événements et la détection des chutes, tout en reconnaissant les activités humaines grâce à des réseaux de capteurs et en fournissant un support grâce à des actionneurs robotisés. Ces services ont le potentiel d'accroître l'autonomie des personnes âgées tout en minimisant les risques du maintien à domicile. Le travail de cette thèse s’inscrit dans le cadre du suivi des personnes âgées avec un maintien à domicile, la reconnaissance quotidienne des activités et le système automatique de détection des chutes à l'aide d'un ensemble de capteurs non intrusifs qui accorde l'intimité et le confort aux personnes âgées. En outre, une méthode de fusion tolérante aux fautes est proposée en utilisant un formalisme purement informationnel : filtre informationnel d’une part, et outils de la théorie de l’information d’autre part. Des résidus basés sur la divergence de Kullback-Leibler sont utilisés. Via un seuillage adéquat, ces résidus conduisent à la détection et à l’exclusion des défauts capteurs. Les algorithmes proposés ont été validés avec plusieurs scénarii différents contenant les différentes activités: marcher, s’asseoir, debout, se coucher et tomber. Les performances des méthodes développées ont montré une sensibilité supérieure à 94% pour la détection de chutes de personnes et plus de 92% pour la discrimination entre les différentes ADL (Activités de la vie quotidienne).

Jury

- Directeurs de thèse : Maan El Badaoui El Najjar / Francois Charpillet - Rapporteurs : Véronique Berge-Cherfaoui / Ghaleb Hoblos - Examinateurs : Claude Delpha / Ahmad Diab / Mohamad Khalil / Christine Perret-Guillaume

Thèse de l'équipe soutenue le 13/12/2017