| Suivi de l’activité d’une personne à partir de capteurs multi-modalités préservant l’anonymat dans un cadre de détection et prévention des chutes chez les personnes âgées (Tracking person activity using thermal and depth sensors in a fall detection and prevention context) | ||
Halima, Imen - (2021-03-03) / Universite de Rennes 1 - Suivi de l’activité d’une personne à partir de capteurs multi-modalités préservant l’anonymat dans un cadre de détection et prévention des chutes chez les personnes âgées Langue : Français Directeur de thèse: Dillenseger, Jean-Louis Laboratoire : Laboratoire de Traitement du Signal et de l'Image Ecole Doctorale : MATHSTIC Thématique : Sciences de l'ingénieur | ||
Mots-clés : Suivi de la personne, Fusion, Reconnaissance de l’activité, Deep learning, Capteur thermique, Capteur de profondeur, Capteurs (technologie), Apprentissage profond Résumé : La sécurité des personnes âgées est un enjeu majeur de santé publique. Les travaux de cette Thèse ont porté plus particulièrement sur un système de détection et de prévention des chutes pouvant être utilisé en EHPAD ou au domicile des personnes âgées autonomes. Pour cela, nous avons utilisé un dispositif à bas coût composé d’une caméra de profondeur et d’une caméra thermique. Ce dispositif fonctionne d’une façon autonome, en temps réel, de jour comme de nuit et permet de préserver l’anonymat de la personne. L’objectif de la thèse était de développer des algorithmes de suivi de la personne et d’identification de son activité afin d’extraire, à court terme, des paramètres pour la détection de la chute et, à long terme, des indices de la fragilité de la personne. Pour cette Thèse, nous avons exploré deux stratégies permettant ce suivi : 1) Une méthode classique de suivi de la personne basée sur du filtrage particulaire. Dans cette approche, les informations acquises par les deux caméras du dispositif ont été fusionnées afin de suivre la tête de la personne tout au long de la séquence d’images. 2) Une méthode de reconnaissance de l’activité de la personne à partir d’un apprentissage profond sur les séquences d’images thermiques et de profondeurs. Nous avons choisi de détecter quatre postures (assis, debout, allongé sur le lit et allongé par terre) à partir de nos propres bases de données. Nous pensons qu’à terme, l’analyse de la séquence temporelle des postures extraites par nos algorithmes permettra de détecter les signes de fragilité de la personne âgée. Résumé (anglais) : The safety of the elderly people is a major public health issue. The work of this Thesis concerned more particularly a fall detection and prevention system that can be used in retirement homes or in the home of autonomous elderly people. For this, we used a low-cost device composed of a depth camera and a thermal camera. This device works autonomously, in real time, day and night, and allows to preserve the privacy of the person. The objective of the thesis was to develop algorithms for tracking the person and identifying his activity in order to extract, in the short term, parameters for the detection of the fall and, in the long term, indices of the person's fragility. For this Thesis, we explored two strategies allowing this monitoring: 1) A people tracking method based on particle filtering. In this approach, the information acquired by the two cameras was merged in order to follow the person's head throughout the image sequence. 2) A method of recognizing the person's activity based on deep learning applied on thermal and depth image sequences. We chose to detect four postures (sitting, standing, lying down and fall) from an own acquired dataset. We believe that in the long term, the analysis of the temporal sequence of the postures extracted by our algorithms will allow to detect signs of frailty of the elderly person. Identifiant : rennes1-ori-wf-1-14875 | ||
| Exporter au format XML |