Intelligence ambiante et capteurs mobiles portatifs pour la reconnaissance d'activités dans les habitats intelligents

点击翻译按钮获取中文摘要

Le système de santé canadien se trouve actuellement dans un contexte de précarité. Le vieillissement de la population canadienne explique en grande partie cette précarité, puisque ce dernier contribue non seulement à l'augmentation de la demande mais aussi à la pénurie de main d'ouvre qualifiée. Le maintien à domicile et la promotion de l'autonomie présentent de nombreux avantages pour les individus. Il apparaît donc essentiel que les méthodes de suivi de ces personnes soient réinventées, puisque la méthode traditionnelle de visites à domicile par différents professionnels de la santé s'avère très coûteuse en temps et en argent dans un contexte où la quantité de ressources humaines qualifiées est limitée. Par conséquent, une multitude de solutions technologiques ont été développées afin de soutenir ces personnes dans la réalisation de leurs activités de la vie quotidienne (AVQ). Essentiellement, ces solutions technologiques reposent sur le concept d'habitat intelligent qui réfère à une habitation équipée d'un ensemble de différents capteurs et effecteurs. Les données en provenance des nombreux capteurs sont analysées en temps réel, via des algorithmes d'intelligence artificielle, afin de reconnaître les AVQ exécutées par l'habitant. Or, la reconnaissance des AVQ à partir des données issues des capteurs est réputée pour être une tâche extrêmement complexe et s'avère la pierre angulaire sur laquelle repose tout système potentiel d'assistance à la réalisation des AVQ. La majorité des approches actuelles pour la reconnaissance des AVQ présentent un défaut commun: elles s'appuient sur l'hypothèse que la personne vit seule dans l'habitat. En réalité, les habitats sont habituellement occupés par plus d'une personne. Il faut donc s'employer à développer immédiatement des approches algorithmiques de reconnaissance d'AVQ dans un contexte multi-résidents. Ainsi, le programme de recherche proposé s'attaquera au développement de méthodes algorithmiques de reconnaissance d'AVQ et de détection automatisée de changements comportementaux en contexte multi-résidents.