Approche Technologique de Détection de Changement de Comportement pour mieux Adapter les Services pour les Personnes Âgées

par Firas Kaddachi

Projet de thèse en Informatique

Sous la direction de Mounir Mokhtari et de Philippe Fraisse.

Thèses en préparation à Montpellier , dans le cadre de I2S - Information, Structures, Systèmes , en partenariat avec Laboratoire d'informatique, de robotique et de micro-électronique (Montpellier) (laboratoire) et de Département Robotique (equipe de recherche) depuis le 01-01-2016 .


  • Résumé

    Cette proposition de thèse s'inscrit dans le cadre des activités de recherche actuellement en cours sur le suivi et l'assistance à domicile des personnes âgées dépendantes. Le projet a pour objectif d'assurer l'autonomie des patients dans leur logement ou en résidence. Cet axe de recherche en pleine expansion, incite à s'investir dans le domaine du maintien à domicile. Le travail qui sera réalisé dans le cadre de cette thèse contribue à la réalisation d'une plate-forme à service dynamique, adaptative et dédiée aux espaces intelligents d'assistance aux personnes dépendantes. Une telle plate-forme implique un travail de recherche interdisciplinaire, verticalement – de l'acquisition de données capteur à la reconnaissance du contexte, puis la prise de décisions –- et horizontalement, en proposant un couplage fort entre la santé, les sciences de l'information, les capteurs physiques, et l'ergonomie. Ces thématiques sont directement liées à deux grands défis scientifiques et sociaux de la décennie : La Silver Économie, et l'Internet des Objets – plus spécifiquement la vision d'une Smart City. Dans ce contexte, l'activité de recherche envisagée se concentre sur la reconnaissance du comportement humain à partir des données capteurs. Nous plaçons l'incertitude comme pilier central du problème, et montrons qu'elle doit être maîtrisée à chaque étape du raisonnement. Depuis sa conceptualisation en 1988, l'informatique pervasive n'a de cesse d'évoluer. Les difficultés rencontrées il y a quelques années lors de l'acquisition des données sont aujourd'hui résolues par le progrès des technologies capteurs. En conséquence, les systèmes d'assistance ambiante, jusqu'alors confinés aux laboratoires, tendent à s'ouvrir sur des déploiements réels. Un tel mouvement implique l'utilisation d'une solution générique, pouvant s'adapter rapidement à un nouvel environnement. La topologie des déploiements tend alors à se simplifier, proposant un nombre minimal de capteurs comme socle commun entre les déploiements. Dans le même temps, les activités observées gagnent en diversité, et le raisonnement doit lui aussi devenir plus complexe. Les approches dominantes pour la reconnaissance du contexte sont celles basées sur la spécification : un système dans lequel l'expert définit une base de connaissance – une ontologie – de l'environnement et du comportement humain. Un raisonnement sera ensuite lancé, intégrant les nouvelles données capteurs dans l'ontologie, et déclenchant des inférences pour extraire des informations plus haut niveau, selon des règles préétablies. L'incertitude est à placer au centre de l'Intelligence Ambiante. Elle est inhérente à l'observation du monde physique à travers des capteurs, de la même façon qu'un humain ne peut que faire des suggestions, plus ou moins certaines, sur ce qu'il observe. Nous observons une incertitude à trois niveaux du système : - Les signaux capteurs: Tout d'abord, l'incertitude apparaît dès la remontée de signaux capteurs. Les capteurs sont sujets à de nombreux dysfonctionnement, dus aux batteries, aux communications sans-fil, etc. Le système doit être tolérant envers ces erreurs. Chaque nouvel événement capteur doit être accepté avec un certain niveau de confiance. Cette confiance permet aussi de gérer des informations conflictuelles entre différents capteurs. - La qualité du raisonnement: Le raisonnement est sujet à des erreurs de conceptions. Contrairement à d'autres types d'incertitude inhérente au système (aux capteurs, à l'environnement, au comportement humain), les erreurs de conception ne sont pas acceptables, et doivent être réduites. Seul un déploiement réel permet de voir apparaître tous les cas émergents, et d'assurer la vérification de la validité du raisonnement. - Le comportement humain: L'incertitude est présente dans l'environnement. Une observation peut avoir plusieurs causes possibles. Plus particulièrement, l'incertitude est présente dans le comportement humain. Il est impossible de faire une liste exhaustive des comportements humains ; certains comportements sont simplement imprévisibles, tandis que d'autres sont liées à un contexte extérieur difficile à acquérir (programme télévisuel, relations sociales, etc.). Ceci est d'autant plus complexe avec la restriction en nombre (limiter le nombre de capteurs pour un déploiement à grande échelle) et type (utilisation de capteurs non intrusifs) de capteurs utilisés dans le cadre de l'assistance ambiante. Au vu de l'état de l'art présenté ci-dessus, nous pouvons voir émerger plusieurs problématiques : - Comment gérer des événements capteurs incertains voire conflictuels ? - Comment raisonner de manière cohérente malgré l'incertitude ? - Comment définir un processus de validation du raisonnement ? - Comment traiter une activité humaine inconnue ou non reconnue ? En Intelligence Ambiante, il est établi que l'incertitude est inhérente au système, et ne peut donc pas être effacée. Pour autant, elle doit être maîtrisée. Nous parlons alors de rationalité. Nous définissons un système comme rationnel s'il est « aussi confiant que possible, mais pas plus confiant » envers ses observations. De plus, nous considérons qu'un système rationnel doit douter raisonnablement de ce qu'il observe et de ses connaissances, mais pas de sa capacité à raisonner. Pour obtenir un système rationnel, nous devons respecter deux objectifs : - Gérer les conflits, et plus généralement fusionner différentes sources pour une inférence de plus haut niveau. - Prendre une décision, qui prendra en compte la confiance accordée aux différents scénarios. La contribution apportée par ce travail de recherche consistera à : - Une prise de décision rationnelle, incluant une meilleure gestion de l'incertitude au sein du raisonnement, avec l'intégration d'un niveau d'incertitude à chaque étape du raisonnement. - L'utilisation d'outils statistiques pour déterminer les probabilités liées à la reconnaissance du comportement humain. - Un processus établi de conception et de validation des raisonnements basé sur des déploiements réels. Le modèle probabiliste envisagé sera réalisé en collaboration étroite avec les membres de notre équipe afin d'assurer l'intégration progressive et itérative au sein de notre plate-forme et la validation au travers de déploiements réels. Ce travail pourrait donner naissance à un jeu de données de référence du domaine de l'assistance ambiante aux personnes dépendantes dans le cadre de la Chaire Quality of Life. L'intégration de l'incertitude améliorera grandement les performances du système, sa cohérence et la confiance accordée aux décisions.

  • Titre traduit

    Technological Approach for Behavior Change Detection toward better Adaptation of Services for Elderly People


  • Résumé

    Actual research works focus on assisting ageing dependent people at home. They aim to ensure the autonomy of these dependent people. The proposed PhD thesis has the purpose of developing a dynamic and adaptive platform for ageing dependent people assistance. This platform requires an interdisciplinary research work, which vertically includes sensor data acquisition, context recognition and decision making; and horizontally an important coupling of health, information systems, physical sensors and ergonomy. The main contribution of this PhD thesis is related to major challenges: Silver Economy and Internet of Things, with a vision of Smart City. The proposed PhD thesis focuses on human behavior recognition based on sensor data. The uncertainty is the main concern and has to be controlled at all reasoning stages.