Reconnaissance de situations par objets sensibles : Application aux communautés de meubles connectés et intelligents

par Cedric Deffo sikounmo

Thèse de doctorat en STIC Traitement de l'Information

Sous la direction de Mohammad-Reza Salamatian.

Thèses en préparation à l'Université Grenoble Alpes (ComUE) , dans le cadre de École doctorale sciences et ingénierie des systèmes, de l'environnement et des organisations , en partenariat avec Laboratoire d'Informatique, Systèmes, Traitements de l'Information et de la Connaissance (laboratoire) .


  • Résumé

    L'avènement des objets connectés a permis de faire croître la quantité de données sauvegardées dans des data-centers distribués sur la planète entière. Cette grande quantité de données amène de nouveaux défis qui sont la sauvegarde, l'interrogation et la valorisation de cette grande quantité de données. Dans ce travail on se concentre sur la valorisation des données issues d'objets sensibles qui peuvent mesurer des phénomènes dans leur environnement grâce aux capteurs qu'ils intègrent. Nous proposons un modèle de représentation de la connaissance de l'environnement qui évolue avec les différents contextes des objets présents dans l'environnement considéré. Dans cette étude, ce modèle produit une représentation de l'environnement défini comme l'univers observé par un ensemble d'objets sensibles participant à une scène. Il doit également être exploitable et notamment pouvoir être interrogé. Nous avons retenu la représentation par ontologie qui permet d'intégrer la sémantique et donc d'inclure intrinsèquement la compréhension de ce qui est représenté. La première originalité de notre contribution est de montrer que le modèle proposé est interrogeable tout en restant dynamique. En effet, ce modèle est alimenté par les observations des capteurs et il est représenté par une seule ontologie qui varie en fonction de ces observations. L'arrivée d'une nouvelle situation issue d'un changement de la scène observée n'entraîne pas la création de nouvelles ontologies, étape difficilement automatisable. Pour cela, nous introduisons dans le modèle la représentation d'information partielle pouvant correspondre à plusieurs instances de situations parfaitement connues. Notre deuxième contribution consiste à permettre la représentation de différentes situations candidates dans un modèle unique, chaque situation étant associée à un indice. Nous illustrons son exploitation dans le cadre de la théorie des possibilité et celle des probabilité, dans le champs d'application privilégié que constitue la mesure d'activité humaine dans un habitat. Le modèle proposé est éprouvé par une application dans un environnement constitué de meubles sensibles que nous avons construit pour le besoin de nos travaux.

  • Titre traduit

    Situation recognition using sensitive objets : Application to connected and intelligent furnitures units


  • Résumé

    The advent of connected objects has made it possible to increase the amount of data saved in data centers distributed around the world. This large amount of data brings new challenges in terms of saving, querying and valuing this large amount of data. In this work, we focus on the valuation of data from sensitive objects that can measure phenomena in their environment thanks to the sensors they embed. We propose a model for representing the knowledge of the environment that evolves with the different contexts of the objects present in the considered environment. In this study, this model produces a representation of the environment defined as the observed universe by a set of sensitive objects participating in a scene. It must also be usable and, in particular, questionable. We have chosen ontological representation, which makes it possible to integrate semantics and thus to intrinsically include the understanding of what is represented. The first originality of our contribution is to show that the proposed model is questionable while remaining dynamic. Indeed, this model is fed by the observations of the sensors and is represented by a single ontology that varies according to these observations. The arrival of a new situation resulting from a change in the observed scene does not lead to the creation of new ontologies, which is difficult to automate. To do this, we introduce into the model the representation of partial information that can correspond to several instances of perfectly known situations. Our second contribution is to allow the representation of different situation candidacies within a single model, each situation being associated with an index. We illustrate its exploitation within the framework of the possibility theory and of the probability theory, in the privileged application field that is the measurement of human activity in a house. The proposed model is proven by its application in an environment made up of sensitive furniture that we have built for the needs of our work.