Reconnaissance d'activités à base de capteurs de nature RFID et électrique aux fins d'assistance cognitive

人工智能研究（IA），特别是人工智能研究（ai），人工智能研究（ai），人工智能研究（ai），人工智能研究（ai），人工智能研究（ai），人工智能研究（ai），人工智能研究（ai），人工智能研究（ai），人工智能研究（ai）“问题- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -”按照一致的标准，在完成后，在执行过程中，在执行过程中，在侦察和活动中，在日常生活中，在执行过程中，在组成过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中，在执行过程中。******La plupart des algorithmes de侦察和AVQ utilisent des donnsames provender de capteques入侵（相机，麦克风）和/或de capteques二进制（接触，电子，电子，移动等）。Bien qu'elles fournissent la plus grande expressivit<e:1>， les camcamras son侵扰（respect de la vie de privacei）和le traitement de leurs donnsames complex。我将在même上使用麦克风。Afin de找到联合国compromis之间l 'expressivite de l信息et l 'intrusion几个chercheurs年代'interessent l 'exploitation de技术替代告诉你们capteurs RFID(无线射频识别)de类型passif et les capteurs de signaux规程修复盟panneau主要d 'alimentation pour la侦察d 'AVQ一个住所。******L'exploitation de des technologies exige de relver plusiers dassifis scientiques。除此之外，还有两种类型的劫机者，一种是劫机者，另一种是劫机者。例如，将<s:1>电子烟和<s:1>电子烟和<s:1>电子烟和<s:1>电子烟和<s:1>电子烟和<s:1>电子烟和<s:1>电子烟和<s:1>电子烟和电子烟的使用。综上所示，donnsames doivent être interprsamtsames。例如，在RFID无源位置（2D）中，转换信号的力量和通信的能力需要转换通信的算法、定位和通信的能力、通信的能力、通信的能力和通信的技术。嘟cote嘟capteur规程,l 'identification des ouvertures / fermetures des appareils从des signaux规程盟panneau主要活动l 'utilisation数学技术皇冠d分析Du信号permettant l 'extraction des签名(权势活跃,反应性,harmoniques等)每de appareil但是也勒开发署de模型algorithmiques, tiennent帐户de la variabilite de ces模因签名。综上所示，有一种电子信号，即：电子信号，电子信号，电子信号，电子信号，电子信号，电子信号，电子信号，电子信号，电子信号。******Pour les cinq prochaines annacmes, je pracvois m' atquer或不同的samas和samas，科学提到的samas和samas， samas和samas，算法，侦察，活动，samas，学徒，samas，开发，samas，证明，samas，捕获，RFID和samas， *****

Un grand nombre de recherches en intelligence artificielle (IA) et particulièrement en habitats intelligents s'intéressent au monitoring d'activités humaines en temps réel pour l'assistance des personnes âgées atteinte d'une déficience cognitive. La problématique repose sur le fait que l'assistance est conditionnelle à la reconnaissance (et/ou l'apprentissage) de l'activité en cours d'exécution (ou à réaliser). Par conséquent, l'élaboration et l'implémentation de systèmes de reconnaissance d'activités de la vie quotidienne (AVQ) fiables et robustes constituent un élément clé pour permettre le déploiement de systèmes d'assistance cohérents et efficaces.******La plupart des algorithmes de reconnaissances d' AVQ utilisent des données provenant de capteurs intrusifs (cameras, microphones) et/ou de capteurs binaires (contacts électromagnétiques, détecteurs de mouvements infrarouge,etc.). Bien qu'elles fournissent la plus grande expressivité, les caméras sont intrusives (respect de la vie de privée) et le traitement de leurs données est complexe. Il en est de même pour l'utilisation de microphones. Afin de trouver un compromis entre l'expressivité de l'information et l'intrusion, plusieurs chercheurs s'intéressent à l'exploitation de technologies alternatives telles que les capteurs RFID (Radio Frequency IDentification) de type passif et les capteurs de signaux électriques fixés au panneau principal d'alimentation d'une résidence pour la reconnaissance d'AVQ. ******L'exploitation de ces technologies exige de relever plusieurs défis scientifiques. D'abord, les données extraites par ces deux types de capteurs sont très bruitées. Ainsi, le développement d'algorithmes de débruitage est nécessaire pour permettre l'utilisation de ces données. Ensuite, ces données doivent être interprétées. Par exemple, la conversion des forces de signaux provenant d'étiquettes RFID passives en une position (2D) requière la création d'algorithmes de localisation et de traçabilité capables de gérer l'imprécision liée à cette technologie. Du côté du capteur électrique, l'identification des ouvertures/fermetures des appareils à partir des signaux électriques au panneau principal nécessite l'utilisation de techniques mathématiques avancées d'analyse du signal permettant l'extraction des signatures (puissance active, réactive, harmoniques, etc.) de chaque appareil mais aussi le développement de modèles algorithmiques qui tiennent compte de la variabilité de ces mêmes signatures. Enfin, une désagrégation du signal électrique est souvent inévitable pour discerner les appareils en fonction simultanément.******Pour les cinq prochaines années, je prévois m'attaquer aux différents défis scientifiques mentionnés précédemment afin d'étendre nos algorithmes de reconnaissance d'activités et d'apprentissage basés sur l'exploitation des données provenant de capteurs RFID et électrique.*****