Détection des évolutions d’habitudes de vie de personnes fragiles dans un habitat intelligent

Detection of life habits evolution of frail people in a smart dwelling

• Auteur / Autrice : Kevin Fouquet
• Direction : Jean-Jacques Lesage, Grégory Faraut
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 24/11/2021
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : Référent : École normale supérieure Paris-Saclay (Gif-sur-Yvette, Essonne ; 1912-....)
• Partenaire(s) de recherche : graduate school : Université Paris-Saclay. Graduate School Informatique et sciences du numérique (2020-….)
• Partenaire(s) de recherche : Laboratoire : Laboratoire universitaire de recherche en production automatisée (Gif-sur-Yvette, Essonne ; 1981-....)
• Jury : Président / Présidente : Said Mammar
• Jury : Examinateurs / Examinatrices : Grégory Faraut, Bernard Riera, Nacim Ramdani, Mounir Mokhtari, Marianne Sarazin
• Jury : Rapporteurs / Rapporteuses : Bernard Riera, Nacim Ramdani

Mots clés

Mots clés contrôlés

Méthode des éléments discrets

Intelligence ambiante

Détection des anomalies (informatique)

Mots clés libres

Smart home

Sed

Détection d'anomalies

Aal

Des

Smart home

Anomaly detection

Aal

Résumé

Face à l’augmentation du nombre de personnes fragiles dû au vieillissement mondial de la population, des solutions innovantes sont explorées afin d’assurer un accès de soin efficace aux personnes restant à leur domicile.Le domaine scientifique de l’Ambient Assisted Living (AAL) exploite les technologies des habitats intelligents afin de faciliter le vieillissement à domicile et d’offrir un niveau de sécurité satisfaisant.En particulier, de nombreux travaux existants exploitent des capteurs embarqués sur la personne afin de surveiller leurs constantes vitales : température, rythme cardiaque, etc.Ces capteurs offrent des informations pertinentes au corps médical, mais certains troubles tels que le déclin physique, ou les troubles cognitifs, entrainent en premier lieu un changement du comportement de l’habitant, ce qui entraine alors dans un second temps des altérations dans ses constantes vitales.Cette situation est particulièrement complexe pour le corps médical, puisque l’observation seule des signes vitaux entraine une détection tardive et difficile du trouble responsable.Ainsi, cette thèse propose une démarche pour la surveillance de comportement, c’est-à-dire la manière dont l’habitant conduit ses activités quotidiennes, afin de détecter des déviations de comportement et d’en renseigner le corps médical afin d’assister sa prise de décision.Cette approche est rendue possible grâce aux travaux récents concernant la reconnaissance des activités qui permettent d’identifier l’activité menée par l’habitant en fonction des évènements capteurs générés à son domicile.Une revue de la littérature médicale et concernant l’AAL a été menée afin d’identifier les troubles médicaux et symptômes associés d’intérêt pour le corps médical, et les caractéristiques du comportement qu’ils affectent.Deux caractéristiques ont été identifiées comme particulièrement pertinentes du fait de leur couverture : l’ordonnancement et la durée des activités menés par l’habitant.De plus, deux types de déviation de comportement ont également été identifiés comme pertinent à détecter : les anomalies de comportement, c’est-à-dire les changements brusques de comportement qui peuvent être dues à un accident ou une maladie se déclarant du jour au lendemain, et les déviations de long terme qui résultent de changements lents et progressifs du comportement dus à des troubles dégénératifs.Les travaux présentés dans cette thèse visent à détecter ces deux types de déviations de comportement concernant les caractéristiques de comportement identifiées comme pertinentes chez un habitant vivant seul au sein d’un habitat instrumenté.Seules les informations binaires sont considérées, permettant d’utiliser tout type de capteur et proposant ainsi les solutions les plus versatiles, et rendant possibles des approches plus respectueuses de la vie privée de l’habitant.Les travaux de cette thèse se décomposent en trois parties.Afin de détecter des changements de comportement, une approche basée modèle est proposée.La première contribution de cette thèse est un modèle d’automate à temporisation stochastique (STA) représentant les habitudes de vie de l’habitant et sa génération durant une phase d’entraînement.Dans un second temps, le modèle est employé pour détecter des anomalies au sein du comportement de l’habitant durant une phase d’observation.La troisième contribution de cette thèse vise à employer le modèle afin de détecter des déviations de long terme, signe de l’apparition de troubles dégénératifs.À chaque contribution, deux études de cas sont proposées, l’un permettant de soumettre les contributions à des scénarios artificiels exigeants, le second permettant d’apprécier la méthodologie sur un cas réel.Enfin, puisque les données manipulées dans cette thèse sont particulièrement sensibles, une réflexion concernant les potentiels impacts éthiques et les méthodes pour les évaluer et réduire leur portée est proposée en annexe.

To face the increase of the number of frail people due to global population ageing, innovative solutions are explored to ensure to people staying in at home a satisfying quality of health.Ambient Assisted Living (AAL) scientific field aims at exploiting smart home technologies to ease ageing at home and to offer satisfying health and living conditions.In particular, numerous existing works exploit wearable sensors in order to monitor their vital signs: temperature, heart rate, blood pressure, etc.These sensors offer relevant information to medical staff to assess the health status of an individual.However, some health troubles such as physical decline or cognitive impairments trigger first behavior changes, which trigger in a second step alterations of vital signs.This situation is particularly complex for medical staff as observing vital signs alone consequently leads to late and complex diagnostic of the original disease.As these diseases typically impair the elderly, this problem is particularly critical.Therefore, this thesis proposes an approach for smart home inhabitant behavior monitoring.Behavior refers to the way the inhabitant carries his everyday tasks.The objective is to detect behavioral deviations and to inform medical staff in order to help them in their prognosis and diagnosis.This methodology is enabled thanks to recent existing works in activity recognition, allowing to know which activity the inhabitant is carrying according to the sensors he triggers.Human behavior is extremely rich.An extensive literature review is proposed, concerning both the medical and AAL scientific field, in order to identify the health trouble and symptoms of interest for medical staff, and the way they impact patient behavior.Two behavioral features were identified as relevant due to their wide coverage: activity ordering, and activity duration.Moreover, the behavior of an individual might be impacted in two different manners: behavioral anomalies which correspond to brutal behavioral changes due to accident or sudden disease, and long-term deviations which are slow and progressive changes of behavior mainly due to degenerative troubles.The work presented in this thesis aims at detecting these two types of behavioral deviations regarding the two identified features.It focus on a single smart home inhabitant, and consider binary information only.This way, any sensor type can be used, including the most respectful of life privacy.The contributions of this thesis can be discomposed into three parts.In order to detect behavior deviations, model-based approach is proposed.Therefore, the first contribution is a Stochastic Timed Automaton (STA) model which represents the usual life habits of the inhabitant after a training phase.In a second step, this model is exploited in order to detect anomalies within inhabitant's behavior during a monitoring phase.Lastly, the model is used to detect long-term deviations through data forecasting in order to detect potential degenerative troubles.For each of these contributions, two case studies are proposed.The first one is based on artificial data generated from a real smart home in order to test challenging scenarios, while the second scenario is proposed to assess the relevancy of the proposed approach on a real scenario.Finally, as the handle data are particularly sensitive, a reflection about the potential negative ethical impacts and a method to evaluate their seriousness is proposed in an appendix, along with consideration to decrease their severity.