Aide ambiante à la personne par apprentissage profond

Ambient Assisted Living with Deep Learning

• Auteur / Autrice : Erinc Merdivan
• Direction : Matthieu Geist
• Type : Thèse de doctorat
• Discipline(s) : Informatique (STIC)
• Date : Soutenance le 17/12/2019
• Etablissement(s) : CentraleSupélec
• Ecole(s) doctorale(s) : École doctorale IAEM Lorraine - Informatique, Automatique, Électronique - Électrotechnique, Mathématiques de Lorraine (1992-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire lorrain de recherche en informatique et ses applications
• Jury : Président / Présidente : Hervé Frezza-Buet
• Jury : Examinateurs / Examinatrices : Fabrice Lefèvre, Philippe Preux, Baya Lydia Boudjeloud-Assala, Romuald Elie
• Jury : Rapporteur / Rapporteuse : Fabrice Lefèvre, Philippe Preux

Mots clés

Mots clés contrôlés

Domotique

Apprentissage profond

Personnes âgées -- Protection, assistance, etc.

Mots clés libres

Aide ambiante à la personne

Apprentissage profond

Reconnaissance d’activités

Systèmes de dialogue

Maisons intelligentes

Ambient assisted living

Deep learning

Activity recognition

Dialogue manager

Smart home

Résumé

L'aide ambiante à la personne (ambiant assisted living) a pour objectif d'accompagner le vieillissement de la population. Cela s'instancie notamment par les maisons intelligentes (smart homes), équipées de multiples capteurs connectés, dont un des objectifs est de prolonger le maintien à domicile des personnes âgées. Le manuscrit s'attache d'abord à introduire la problématique générale des maisons intelligentes, avant de présenter plus avant les trois sous-thématiques qui font plus particulièrement l'objet de la thèse, à savoir la reconnaissance d'activités, la confidentialité et les systèmes de dialogue.La reconnaissance d'activités consiste à déterminer les activités courantes d'une personne ou d'un groupe de personnes, à partir des données (brutes) des capteurs dont est équipée la maison. On peut citer comme exemple la détection de la chute d'une personne. Une maison intelligent repose typiquement sur l'internet des objets (Internet of Things, ou IoT). De nombreuses données sont produites, pouvant contenir des informations privées ou sensibles. Une partie de ces données doit être partagée avec l'extérieur, ce qui peut poser des problèmes de confidentialité. Enfin, pour interragir avec la maison intelligente, un moyen naturel pour l'utilisateur est d'utiliser le dialogue, sujet traité par les systèmes de dialogue.Ce travail de thèse propose des contributions sur ces trois versants, la plupart basées sur l'apprentissage profond.

Ambient assisted living aims to support the aging population. This is particularly the case with smart homes, equipped with multiple connected sensors, which enables to extend home care for the elderly. The manuscript begins by introducing the general problem of smart homes, after presenting further the three sub-themes that are the subject of the thesis, namely the activity recognition, privacy and dialogue systems.Activity recognition is the process of determining the day-to-day activities of a person or a group of people from the (raw) sensor data that the home is equipped with. An example of this is the detection of a person's fall. A smart home is typically based on the Internet of Things (IoT). Many data are produced, which may contain private or sensitive information. Some of this data must be shared externally, which may pose privacy issues. Finally, a natural way of communication for the user is to use the dialogue to interact with the smart home via dialogue manager.This thesis proposes contributions on these three sides, most of them based on deep learning.