Segmentation de la locomotion humaine dans le domaine du sport et de la déficience à partir de capteurs embarqués

Measurement and control of non-periodic motions of lower and upper limbs in functional rehabilitation

• Auteur / Autrice : Maud Pasquier
• Direction : Bernard Espiau, Christine Azevedo
• Type : Thèse de doctorat
• Discipline(s) : Signal, image, paroles, télécoms
• Date : Soutenance le 16/09/2013
• Etablissement(s) : Grenoble
• Ecole(s) doctorale(s) : École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Equipe de recherche : Inria Grenoble - Rhône-Alpes
• Jury : Président / Présidente : Christian Jutten
• Jury : Examinateurs / Examinatrices : Bernard Espiau, Christine Azevedo, Paulo Goncalves
• Jury : Rapporteurs / Rapporteuses : Pierre Bertrand, Franck Multon

Mots clés

Mots clés contrôlés

Mouvement

Locomotion humaine

Traitement du signal

Capteurs (technologie)

Mots clés libres

Capteurs

Traitement de signal

Capture de mouvements

Handicap

Sensors

Signal processing

Motion capture

Functional rehabilitation

Résumé

Cette thèse porte sur le traitement de données multi-capteurs liées à la locomotion humaine.Son objectif est de concevoir des outils pour la segmentation de la locomotion à partir d'un réseau de capteurs embarqués et appliquée à deux domaines différents: le sport avec l'ultra-marathon et la déficience causée par un symptome de la maladie de Parkinson. Pour ces deux applications, le travail peut atteindre cet objectif concerné. d'une part, les contraintes matérielles liées au réseau de capteurs, et d'autre part, les algorithmes de traitement des données. Dans un premier temps, nous avons recueilli des données multi-capteurs sur un coureur du Marathon des Sables. Le réseau des capteurs étant confronté à des conditions extrêmes, il a fallu s'adapter à des problèmes techniques avant de pouvoir proposer un outil pour segmenter et classer ces grandes quantités de données. Dans un second temps, nous avons travaillé en collaboration avec un médecin, pour comprendre au mieux le ''freezing" (symptôme perturbant la marche de certains malades atteints de la maladie de Parkinson) afin de proposer une nouvelle méthode de détection pour ce symptôme.

This thesis focuses on the treatment of multi-sensor related data locomotion humaine.Son goal is to develop tools for segmentation of locomotion from a network of embedded and applied to two different domains sensors : sport with ultra -marathon and disability caused by a symptom of Parkinson's disease . For both applications, the work can achieve this question. one hand , the physical constraints of the network sensors , and secondly , the data processing algorithms . At first , we collected multi-sensor data on a runner Marathon des Sables. The network of sensors being confronted with extreme conditions, it was necessary to adapt to technical before proposing a tool to segment and classify these large amounts of data problems. In a second step , we worked with a doctor, to understand better the '' freezing " (symptom disrupting the progress of some patients with Parkinson's disease ) to propose a new detection method for this symptom.