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

par Kevin Fouquet

Projet de thèse en Automatique

Sous la direction de Jean-jacques Lesage et de Grégory Faraut.

Thèses en préparation à Paris Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....) , en partenariat avec LURPA - Laboratoire Universitaire de Recherche en Production Automatisée (laboratoire) , Ingénierie des Systèmes Automatisés (equipe de recherche) et de École normale supérieure Paris-Saclay (Cachan, Val-de-Marne) (établissement de préparation de la thèse) depuis le 31-08-2018 .


  • Résumé

    Dans un contexte global de vieillissement de la population, l'aide à la dépendance des personnes âgées et/ou fragiles est un enjeu majeur. Dans la grande majorité des cas (80%) et par choix, ces personnes sont maintenues à domicile. Ceci présente l'avantage d'offrir des coûts moins importants que le placement en institution. Cependant, il faut veiller à offrir un niveau de sécurité et de qualité de soins comparable : c'est l'objectif des travaux d'« Ambient Assisted Living » (AAL). La surveillance de ces personnes à domicile nécessite de connaître en permanence la localisation des personnes et les activités qu'elles réalisent. Ainsi, l'habitat est instrumenté de telle manière que les déplacements et la réalisation d'activités de la vie quotidienne soient observables. Lorsque les personnes vivant dans l'habitat instrumenté sont en activité (déplacement, réalisation d'une action...), des signaux sont émis par les différents capteurs. Leur traitement permet d'obtenir la localisation de la personne dans son domicile et l'identification de l'activité réalisée, ces données permettent ensuite au corps médical de suivre l'évolution de leurs habitudes de vie. Notre approche présente l'intérêt de se baser sur l'utilisation de capteurs binaires (détecteurs de mouvements, barrières optiques...) que nous jugeons moins intrusifs dans la vie privée que des caméras. Ce contexte technologique rend intéressant l'utilisation des modèles et outils des Systèmes à Événements Discrets (SED). Le traitement de cette problématique générale par le LURPA a été abordé dans un premier temps par la localisation en temps réel des personnes dans le cadre de la thèse de Mickael Danancher [Dan., 2013]. Elle a permis de montrer que la localisation pouvait être déterminée de manière performante à partir de la seule observation des séquences d'événements émis par des capteurs tout ou rien lors des déplacements des habitants. Dans un second temps la modélisation des habitudes de vie et leur détection en ligne ont été abordées dans la thèse de Kévin Viard. La thèse présentée ici vise à prolonger les résultats antérieurs dans les domaines de la localisation, de la modélisation et de la détection des activités quotidiennes afin de proposer une approche pour la détection d'évolutions ou de dérive dans les habitudes de vie, basée sur des modèles à événements discrets. Ces déviations sont de type comportemental (activité non réalisée ou activité non- usuelle réalisée) ou temporel (variation de la durée de réalisation de l'activité). Ce problème sera abordé en étendant les résultats obtenus précédemment pour des systèmes industriels sur le diagnostic basé sur des modèles et le calcul de résidus. Une fois la détection des dérives maîtrisée, il s'agira d'étendre les résultats au cas d'habitants multiples.

  • Titre traduit

    Detection of deviation of life habits for frail inhabitants of smart home


  • Résumé

    Due to population aging, dependency assistance of aged and frail people has become a major issue. In most cases (80%) and by choice, these people remains at home as it costs less than moving to a specialized institution. Consequently, significant works have to be made to ensure security and quality of medical care at home comparable to those offered in these structures. This is what "Ambient Assisted Living" (AAL) aims at. Caring these people at home requires continuous monitoring of their localization and carried out activities. To that end, each home is equipped with sensors in order to observe movement and actions. When an inhabitant is carrying out an activity, signals are produced by these sensors. Signal processing allow determining inhabitant position and activity carried out and this information can be used by medical staff to observe evolution of life habits. A key point of our method is to use Boolean sensors only such as motion sensors or optical barriers as they are considered more respectful of privacy than cameras. This choice of technology make interesting using models and tools from Discrete Event Systems (DES). This general problematic has already been explored by real-time localization during Mickael Danancher's PhD [Dan., 2013]. This work highlights the fact that localization could be efficiently determined from sequences of events generated by binary sensors only triggered during inhabitant moves. Secondly, life habits modeling and real time identification were addressed during Kevin Viard's PhD [Viard, 2018]. This thesis aims at extending current results for localization, modeling and detection of daily activities to propose a methodology for evolution or deviation of life habits based on DES. These deviations can be behavioral (an activity was not carried out, or an unusual activity was detected) or temporal (variation of duration of an activity). To address this issue, previous results for diagnostic of industrial systems based on models and residual can be extended. These works will also be extended to include multi-inhabitant scenario.