Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

The aging population represents a growing concern of governments due to the extent that it will take in the coming decades and the speed of its evolution. This problem will result in increasing number of people affected by many diseases associated with aging such as the various types of dementia, including the sadly famous Alzheimer's disease. People with Alzheimer's must be assisted at all time during their everyday life. Technological assistance inside what is called a smart home could bring an affordable solution to solve this concern. One of the key issues to smart home assistance is to recognize the ongoing activities of everyday life made by the patient in order to be able to provide useful services at an appropriate moment. To do so, we must build a structured knowledge base of activities from which one or many intelligent agents (communicating with each other) would use information extracted from the various sensors to take a decision on what the inhabitant could be currently doing. The best way to build such an algorithm is to exploit constraints of different natures (logical, temporal, etc.) in order to circumscribe a library of activities. Many authors have emphasized the importance of the fundamental spatial aspect in activity recognition. However, only few works exist, and they are tested in a limited way that does not allow discerning the importance of dealing with space. Important spatial criterions, such as distance between objects, could help to reduce the number of hypotheses. Moreover, many errors can be detected only by using the spatial reasoning such as position problems (inappropriate objects are brought into the activity zone) or orientation of object issue (cup of coffee is upside down when pouring coffee). This thesis provides potential solutions to the problem outlined, which deals with spatial recognition of activities of daily living of a person with Alzheimer's disease. It proposes to adapt a theory of spatial reasoning, developed by Egenhofer, to a new model for recognition of activities. This new model allows identifying the ongoing activity using only qualitative spatial criterions which we demonstrate through the text that some could not have been identified otherwise. It also allows detection of new abnormalities related to the behavior of an individual in loss of autonomy. Finally, the model has been implemented and validated in carrying out activities in a smart home on the cutting edge of technology. These activities were derived from a clinical study with normal and mild to moderate Alzheimer subjects. The results were analyzed and compared with existing approaches to measure the contribution of this thesis. Le vieillissement de la population représente une préoccupation croissante des gouvernements en raison de l'ampleur qu'il prendra dans les prochaines décennies et la rapidité de son évolution. Ce problème se traduira par l'augmentation du nombre de personnes touchées par de nombreuses maladies liées au vieillissement telles que les différents types de démence, y compris la tristement célèbre maladie d'Alzheimer. Les personnes atteintes de la maladie d'Alzheimer doivent être assistées en tout temps dans leur vie quotidienne. L'assistance technologique à l'intérieur de ce qu'on appelle une maison intelligente pourrait apporter une solution abordable pour cette tâche. Une des questions clés inhérentes à ce type d'assistance est de reconnaître les activités courantes de la vie quotidienne faite par le patient afin d'être en mesure de fournir des services utiles au moment le plus opportun. Pour ce faire, nous devons construire une base de connaissances structurée à partir de laquelle un ou plusieurs agents intelligents utilisant l'information extraite des divers capteurs pour émettre une hypothèse ciblée concernant l'activité en cours de l'habitant. La meilleure façon de construire un tel algorithme est d'exploiter les contraintes de natures différentes (logique, temporelle, etc.) afin de circonscrire une bibliothèque d'activités. De nombreux auteurs ont souligné l'importance de l'aspect spatial fondamental dans la reconnaissance d'activité. Cependant, seuls quelques travaux existent, et ils sont testés de façon limitée qui ne permet pas de voir l'importance de considérer l'espace. Néanmoins, plusieurs critères spatiaux tels que la distance entre les objets pourraient aider à réduire le nombre d'hypothèses d'activités. Par ailleurs, de nombreuses erreurs peuvent être détectées uniquement en utilisant le raisonnement spatial, tel que les problèmes de type position ou d'orientation. Cette thèse fournit des pistes de solutions aux problèmes décrits, qui traitent de la reconnaissance spatiale des activités de la vie quotidienne d'une personne avec la maladie d'Alzheimer. Elle propose d'adapter une théorie du raisonnement spatial, développé par Egenhofer, à un nouveau modèle pour la reconnaissance des activités. Ce nouveau modèle permet d'identifier les activités en cours en utilisant uniquement les critères spatiaux. Nous démontrons à travers le texte que certaines activités ne pourraient pas avoir été identifiées autrement. Le modèle permet également la détection de nouvelles anomalies liées au comportement d'un individu en perte d'autonomie. Enfin, le modèle a été implémenté et validé en réalisant des activités dans un habitat intelligent à la fine pointe de la technologie. Ces activités ont été tirées d'une étude clinique avec des sujets normaux et Alzheimer. Les résultats ont été analysés et comparés avec les approches existantes pour évaluer la contribution de ce modèle.