Détection et reconnaissance de l'activité humaine par fusion de données multi capteurs : Application à l'efficacité énergétique dans le bâtiment

par Hamdi Amroun

Projet de thèse en Informatique

Sous la direction de Mehdi Ammi.

Thèses en préparation à Paris Saclay , dans le cadre de Sciences et Technologies de l'Information et de la Communication , en partenariat avec LIMSI - Laboratoire d'Informatique pour la Mécanique et les Sciences de l'Ingénieur (laboratoire) , AMI - Architectures et Modèles pour l'Interaction (equipe de recherche) et de Université Paris-Sud (établissement de préparation de la thèse) depuis le 01-11-2015 .


  • Résumé

    Contexte : Aujourd'hui, une grande variété de plateformes connectées est proposée sur le marché. Elles proposent une multitude de services allant de l'analyse du mouvement sportif (Quantified Self) au pilotage automatique ou à distance d'actionneurs dans le logement. Le fonctionnement des plateformes repose sur les données retournées par les capteurs spécifiques au système. Toutefois, les avancées récentes dans la normalisation des protocoles de communication permettent désormais d'envisager la combinaison des données capteurs provenant de plateformes différentes, par exemple, pour couvrir une de grands espaces ou encore améliorer l'estimation de certaines variables. Dans ce contexte, nous souhaitons étudier et développer une approche qui exploiterait efficacement les capteurs de différents plateformes pour remonter à l'activité de l'usager. L'extraction de ce type d'information permettra de remonter au besoin thermique du particulier, en fonction de la nature et des caractéristiques de son activité, et donc un pilotage énergétique optimal du logement. Objectif de la thèse : L'objectif des travaux de thèse est d'élaborer et ensuite d'étudier une approche de fusion de données multi-sources afin de détecter et reconnaître certaines activités du particulier dans son habitat (debout, allongé, sommeil, réveil, etc.). Nous souhaitons mettre en place une approche flexible multi-niveaux qui en fonction du nombre et de la nature des sources permet de remonter à une estimation avec une qualité variable. La finalité principale de la thèse est d'aboutir à un formalisme qui permettrait de lier la qualité de l'estimation (précision, robustesse, etc.) avec les propriétés des sources (nombre, nature, précision, etc.) et leurs configurations relatives (recouvrement, redondance, etc.). Notre approche de reconnaissance d'activités nécessite l'utilisation de méthodes d'agrégation de données hétérogènes imparfaites adaptées aux raisonnements ontologiques complexes pour combiner les données relatives à l'habitant et à l'habitat. Différentes approches seront explorées comme les méthodes probabilistes, les méthodes fondées sur les sous-ensembles flous et les méthodes crédibilistes fondées sur les fonctions de croyance. Ces méthodes sont actuellement considérées comme les plus adaptées à la représentation et au traitement des informations imparfaites (Ricquebourg et al., 2008; Bloch et al., 1994; Masson et al., 2005). Plusieurs questions seront posées. Premièrement, quelle est l'association optimale d'une configuration donnée de sources afin d'aboutir à la meilleure estimation d'une variable. La démarche sera de poser des contraintes sur la qualité et la nature des sources est d'étudier leur impact sur l'estimation de la variable. Nous aborderons ensuite la reconfigurabilité des sources, par exemple, en ajoutant de nouveaux capteurs. L'objectif est d'étudier dans quelle mesure il est possible de remonter à de nouvelles variables, qu'il n'est pas possible de mesurer directement, via un observateur d'état. Enfin, nous nous intéresserons à la génération de configuration et de spécificité d'un réseau de capteurs pour l'estimation d'une variable avec une qualité prédéfinie. Cette fois, la contrainte sera posée sur la nature de la variable et la qualité d'estimation. L'objectif est de proposer un formalisme qui puisse décrire les propriétés du réseau de capteurs en fonction des contraintes posées sur la variable à estimer.

  • Titre traduit

    Human activity detection and recognition with mulit sensors data fusion: application for smart energy magement


  • Résumé

    Background: Today, a wide variety of platforms connected is offered on the market. They offer a multitude of services ranging from the analysis of the sports movement (quantified self) to the autopilot or remote actuators in housing. The operation of platforms based on the data returned by the specific sensors to the system. However, recent advances in the standardization of communication protocols now possible to consider the combination of sensor data from different platforms, for example, to cover large areas or improve the estimation of certain variables. In this context, we wish to study and develop an approach that effectively exploit the sensors of different platforms to trace the activity of the user. The extraction of this type of information will go to the thermal needs of the individual, depending on the nature and characteristics of its business, and therefore optimum fuel control housing.