Activity monitoring through home automation devices
Monitoring de l'activité via l'utilisation de capteurs domotiques
Résumé
The aging of the population in the coming decades raises new challenges in order to help elderly people live longer at home, independently and safely. The emergence of assistive technologies, and in particular home automation devices and sensor networks open up new opportunities to ease the interactions between the elderly and their environment, and to monitor their health status remotely. In particular, the home automation sensors record information on the activity in the home and make it possible to assess autonomy and well-being. In this thesis, we focus on the mining of the data recorded by such sensor networks. We focus more particularly on the discovery of habits. Indeed, the daily routines help maintain autonomy. We thus propose unsupervised data mining algorithms for the discovery and description of periodic behaviors. A particular attention is paid to the inclusion and characterization of the variability inherent in human life. We also propose strategies for the real-time knowledge discovery and update. The interactions with the human supervisor (physician, caregiver, family member) have also been studied, which lead to the design of a supervision model, combining sequence mining with expert knowledge allows a custom monitoring, tailored to the exact expectations of the supervisor. All of these contributions are evaluated on real-life datasets from the literature. These contributions opens the way towards innovative methods for the monitoring of isolated individuals, in particular thanks to the personalized adaptation of the home, anomaly detection, or the analysis of the evolution of habits and heath status.
Le vieillissement de la population mondiale au cours des décennies à venir pose de nouveaux défis socitaux. L'un de ces défis est de permettre aux personnes âgées, souvent isolées et fragilisées de vivre dans leur domicile personnel le plus longtemps possible, et dans les meilleures conditions. L'émergence de nouvelles technologies domotiques et des réseaux de capteurs offrent de nouvelles opportunités pour faciliter les interactions des personnes âgées avec leur environnement et assurer un suivi médical au jour le jour. En particulier, les capteurs domotiques collectent des informations sur l'activité dans le logement, et permettent d'évaluer autonomie état de santé. Dans cette thèse, nous nous concentrons sur l'exploitation des données enregistrées par de tels réseaux de capteurs. Nous nous intéressons en particulier à la découverte des habitudes, puisqu'elles jouent un rôle important dans le maintien de l'autonomie chez les personnes âgées. Nous proposons donc ainsi plusieurs méthodes pour la caractérisation et la découverte non supervisée des habitudes. Nous nous attachons en particulier à la prise en compte et la description de la variabilité inhérente à la vie humaine. Nous proposons également des stratégies pour la mise à jour des connaissances en temps réel. Les différentes contributions sont évaluées qualitativement et quantitativement sur des jeux de données réelles, issues de la littérature du domaine. Ces contributions ouvrent la voie pour la mise en place de nouvelles méthodes pour le monitoring d'individus isolés via l'adaptation personnalisée du logement, la détection d'anomalies, ou l'analyse de l'évolution des habitudes et de l'état de santé.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...