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

Résumé

Le vieillissement de la population, aggravé par la pénurie de personnel médical, est devenu un problème important dans la plupart des pays développés. Il devient évident que la nécessité de maintenir les aînés à la maison ne peut être évitée. Pour assurer leur bien-être et leur sécurité, le concept de maison intelligente apparaît comme la solution, en surveillant leurs activités quotidiennes et en les accompagnant en cas de besoin. Dans la littérature scientifique, la plupart des travaux se concentrent sur la surveillance d’activités de haut niveau comme manger, marcher ou dormir. Cependant, pour identifier toute exécution erronée, nous avons besoin d’un système capable de reconnaître les étapes spécifiques d’une tâche en temps réel et d’avoir une reconnaissance plus détaillée. Dans ce mémoire, nous proposons une approche algorithmique pour la reconnaissance d’activités à granularité fine basée sur la photopléthysmographie. Notre modèle est basé sur un jeu de données collectées à partir d’un bracelet équipé d’accéléromètres et de capteurs photopléthysmographiques, appliqué à des techniques d’apprentissage automatique. Pour construire l’ensemble de données, nous avons défini un ensemble de gestes de cuisson atomiques qui ont été effectués par 20 participants. Les données collectées ont été annotées et seront mises à la disposition de la communauté scientifique. Nous avons obtenu des résultats prometteurs, avec une exactitude de 94 %, démontrant le potentiel des capteurs photopléthysmographiques dans les maisons intelligentes pour la reconnaissance des activités dans le cadre d’une assistance aux personnes âgées en perte d’autonomie, un domaine où ils ont été rarement utilisés.