IPADL

Positionnement intérieur pour la reconnaissance des activités de la vie quotidienne

Description du projet

Notre société fait actuellement face à un important vieillissement de la population. Ce vieillissement s’accompagne d’un plus grand nombre de cas de maladies associées à l’âge comme l’Alzheimer et la démence. En attendant que la médecine trouve des solutions permanentes à ces maladies, de plus en plus de gens doivent être institutionnalisés afin de recevoir une assistance adéquate. Il serait toutefois souvent possible de fournir cette assistance directement chez la personne grâce aux nouvelles technologies de la domotique et de l’internet des objets. Toutefois, un système informatique capable d’assister une personne malade doit être en mesure de savoir ce que la personne fait en tout temps. Ce problème de la reconnaissance des activités de la vie quotidienne est encore ouvert en raison des nombreuses limitations des systèmes existants.

Contexte du projet

Le projet de recherche proposé envisage de s’attaquer à différents problèmes empêchant l’existence fonctionnelle d’un tel système. Tout d’abord, une partie des travaux viseront à créer ou à modifier certains algorithmes d’apprentissage automatique existant afin qu’ils prennent mieux en compte l’aspect spatial du problème. Certaines contraintes spatiales ont déjà été intégrées avec succès dans des méthodes à base de logique floue ou encore dans certaines approches mathématiques [2]. Il s’agirait ici d’intervenir au niveau d’algorithmes plus classiques d’apprentissage automatique comme le réseau de neurone et les modèles bayésiens [3]. Une seconde partie des travaux visera à intégrer ces nouveaux modèles dans un système de reconnaissance d’activité déjà existant afin de le rendre plus fiable et plus complet. Ce système utilise une approche basée sur les relations spatiales entre les objets pour déterminer les activités. Ainsi, des travaux seront fait dans le domaine du raisonnement spatial pour mieux analyser les relations entre les objets, les résidents et l’environnement de l’appartement intelligent. Ces analyses basées sur le forage de données se répercuteront dans les algorithmes d’apprentissages afin de les rendre plus performant en améliorant leur capacité d’adaptation face au domaine précis d’application.

Équipe projet

Sylvain Giroux, Laboratoire Domus, Université de Sherbrooke

Sébastien Gaboury, Université du Québec à Chicoutimi

Kevin Bouchard, Université du Québec à Chicoutimi

Frédéric Bergeron, Laboratoire Domus, Université de Sherbrooke

Jeanne Bouteloup, Laboratoire Domus, Université de Sherbrooke

Publications

Sorry, no publications matched your criteria.