Services e-santé basés sur la reconnaissance et la prédiction des activités quotidiennes dans les espaces intelligents

E-health services based on the recognition and prediction of daily activities in smart spaces

• Auteur / Autrice : Liouane Zaineb
• Direction : Frédéric Weis, Tayeb Lemlouma, Hassani Messaoud
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 30/06/2018
• Etablissement(s) : Rennes 1 en cotutelle avec École nationale d'Ingénieurs de Monastir (Tunisie)
• Ecole(s) doctorale(s) : École doctorale Mathématiques, télécommunications, informatique, signal, systèmes, électronique (Rennes)
• Partenaire(s) de recherche : ComuE : Université Bretagne Loire (2016-2019)
• Partenaire(s) de recherche : Laboratoire : Institut de recherche en informatique et systèmes aléatoires (Rennes)

Mots clés

Mots clés contrôlés

Capteurs (technologie)

Domotique

Télémédecine

Mots clés libres

Services e-Santé

Maison intelligente

Personnes âgées

Activités de la vie quotidienne

Reconnaissance et prédiction

E-Health Services

Smart Home

Seniors

Activities of Daily Living

Recognition and Prediction

Résumé

Les progrès de la technologie des capteurs et leur disponibilité ont permis de mesurer diverses propriétés et activités des habitants dans une maison intelligente. Cependant, l’obtention de connaissances significatives à partir d’une grande quantité d’informations collectées à partir d’un réseau de capteurs n’est pas une tâche simple. En raison de la complexité du comportement des habitants, l’extraction d’informations significatives et la prédiction précise des valeurs représentant les activités futures d’un occupant sont des défis de recherche [6]. L’objectif principal de notre travail de thèse est d’assurer une analyse efficace des données recueillies à partir des capteurs d’occupation dans une maison intelligente. A ce propos, ce travail se base sur la reconnaissance et l’évaluation des activités quotidiennes d’une personne âgée dans le but d’observer, de prédire et de suivre l’évolution de son état de dépendance, de santé et de détecter par la même occasion, la présence d’une perte ou d’une perturbation de l’autonomie en temps réel.

Advances in sensor technology and their availability have measured various properties and activities of residents in a smart home. However, obtaining significant knowledge from a large amount of information collected from a sensor network is not a simple task. Due to the complexity of the behavior of the inhabitants, the extraction of meaningful information and the accurate prediction of values ​​representing the future activities of an occupant are research challenges. The main objective of our thesis work is to ensure an efficient analysis of data collected from occupancy sensors in a smart home. In this regard, this work is based on the recognition and evaluation of the daily activities of an elderly person in order to observe, predict and monitor the evolution of his state of dependence, health and to detect by the same occasion, the presence of a loss or a disruption of autonomy in real time.