Méthodes topologiques et apprentissage statistique pour l’actimétrie du piéton à partir de données de mouvement

Topological Data Analysis and Statistical Learning for measuring pedestrian activities from inertial sensors

• Auteur / Autrice : Bertrand Beaufils
• Direction : Frédéric Chazal, Bertrand Michel
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques aux interfaces
• Date : Soutenance le 18/06/2020
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale de mathématiques Hadamard (Orsay, Essonne ; 2015-....)
• Partenaire(s) de recherche : référent : Université Paris-Saclay. Faculté des sciences d’Orsay (Essonne ; 2020-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de mathématiques d'Orsay (1998-....) - Datashape - Understanding the shape of data
• Partenaire(s) de recherche : Entreprise : Sysnav. Entreprise (Vernon, Eure)
• Jury : Président / Présidente : Elisabeth Gassiat
• Jury : Examinateurs / Examinatrices : Charles Bouveyron, Fabrice Rossi, Mathilde Mougeot
• Jury : Rapporteurs / Rapporteuses : Charles Bouveyron, Fabrice Rossi

Mots clés

Mots clés contrôlés

Reconnaissance de l'activité humaine (informatique)

Séries chronologiques

Apprentissage automatique

Mots clés libres

Analyse topologique des données

Apprentissage statistique

Séries temporelles multivariées

Unité de mesure inertielle

Reconnaissance d'activité

Topological data analysis

Machine learning

Multivariate time series

Inertial measurement unit

Activity recognition

Résumé

Cette thèse s’intéresse à la détection de mouvements spécifiques à partir du dispositif ActiMyo développé par la société Sysnav, système de capteurs inertiels miniatures bascoût pouvant se porté à la cheville et au poignet. En particulier, une approche d’apprentissage statistique supervisé vise à détecter les foulées dans les enregistrements cheville. Ce premier travail, combiné avec un algorithme breveté par l’entreprise Sysnav, permet de reconstruire la trajectoire du piéton. Cette trajectoire est ensuite utilisée dans une nouvelle méthode d’apprentissage supervisé pour la reconnaissance d’activité qui est une précieuse information notamment dans un contexte médical. Ces deux algorithmes proposent une approche innovante basée sur l’alignement des signaux inertiels et l’extraction d’intervalles candidats qui sont ensuite classés par l’algorithme de Gradient Boosting Trees. Le manuscrit présente également une architecture de réseaux de neurones combinant des channels de convolution et d’analyse topologique des données pour la détection de mouvements caractéristiques de la maladie de Parkinson tels que les tremblements et crises de dyskinésie.

This thesis focuses on the detection of specific movements using ActiMyo, a device developed by the company Sysnav. This system is composed by low-cost miniature inertial sensors that can be worn on the ankle and wrist. In particular, a supervised statistical learning approach aims to detect strides in ankle recordings. This first work, combined with an algorithm patented by Sysnav, allows to compute the trajectory of the pedestrian. This trajectory is then used in a new supervised learning method for the activity recognition, which is valuable information, especially in a medical context. These two algorithms offer an innovative approach based on the alignment of inertial signals and the extraction of candidate intervals which are then classified by the Gradient Boosting Trees algorithm. This thesis also presents a neural network architecture combining convolutional channels and topological data analysis for the detection of movements representative of Parkinson’s disease such as tremors and dyskinesia crises.