Contribution ? la reconnaissance non-intrusive d'activit?s humaines

par Dorra Trabelsi

Thèse de doctorat en Signal, Image, Automatique

Sous la direction de Yacine Amirat.

Le président du jury était Philippe Bonnifait.

Le jury était composé de Yacine Amirat, Latifa Oukhellou, Samer Mohammed, Faicel Chamroukhi.

Les rapporteurs étaient Youne?s Bennani, Laurent Delahoche.


  • Résumé

    La reconnaissance d?activit?s humaines est un sujet de recherche d?actualit? comme en t?moignent les nombreux travaux de recherche sur le sujet. Dans ce cadre, la reconnaissance des activit?s physiques humaines est un domaine ?mergent avec de nombreuses retomb?es attendues dans la gestion de l??tat de sant? des personnes et de certaines maladies, les syst?mes de r??ducation, etc.Cette th?se vise la proposition d?une approche pour la reconnaissance automatique et non-intrusive d?activit?s physiques quotidiennes, ? travers des capteurs inertiels de type acc?l?rom?tres, plac?s au niveau de certains points cl?s du corps humain. Les approches de reconnaissance d?activit?s physiques ?tudi?es dans cette th?se, sont cat?goris?es en deux parties : la premi?re traite des approches supervis?es et la seconde ?tudie les approches non-supervis?es. L?accent est mis plus particuli?rement sur les approches non-supervis?es ne n?cessitant aucune labellisation des donn?es. Ainsi, nous proposons une approche probabiliste pour la mod?lisation des s?ries temporelles associ?es aux donn?es acc?l?rom?triques, bas?e sur un mod?le de r?gression dynamique r?gi par une chaine de Markov cach?e. En consid?rant les s?quences d?acc?l?rations issues de plusieurs capteurs comme des s?ries temporelles multidimensionnelles, la reconnaissance d?activit?s humaines se ram?ne ? un probl?me de segmentation jointe de s?ries temporelles multidimensionnelles o? chaque segment est associ? ? une activit?. L?approche propos?e prend en compte l?aspect s?quentiel et l??volution temporelle des donn?es. Les r?sultats obtenus montrent clairement la sup?riorit? de l?approche propos?e par rapport aux autres approches en termes de pr?cision de classification aussi bien des activit?s statiques et dynamiques, que des transitions entre activit?s.

  • Titre traduit

    Contribution to the non-intrusive gratitude of human activities


  • Résumé

    Human activity recognition is currently a challengeable research topic as it can be witnessed by the extensive research works that has been conducted recently on this subject. In this context, recognition of physical human activities is an emerging domain with expected impacts in the monitoring of some pathologies and people health status, rehabilitation procedures, etc. In this thesis, we propose a new approach for the automatic recognition of human activity from raw acceleration data measured using inertial wearable sensors placed at key points of the human body. Approaches studied in this thesis are categorized into two parts : the first one deals with supervised-based approaches while the second one treats the unsupervised-based ones. The proposed unsupervised approach is based upon joint segmentation of multidimensional time series using a Hidden Markov Model (HMM) in a multiple regression context where each segment is associated with an activity. The model is learned in an unsupervised framework where no activity labels are needed. The proposed approach takes into account the sequential appearance and temporal evolution of data. The results clearly show the satisfactory results of the proposed approach with respect to other approaches in terms of classification accuracy for static, dynamic and transitional human activities

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Communautés d’Universités et d'Etablissements Université Paris-Est. Bibliothèque universitaire.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.