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

Un grand nombre de recherches en intelligence artificielle（IA）et particulièrement en habitats intérissent Au monitoring d'activités humaines en temps réel pour l'assistance des personnes âgées atteinte d'une deficience cognitive.问题在于协助的事实取决于对执行过程中活动的侦察（或侦察）。因此，建立和实施可靠和可靠的难民营活动侦察系统，有助于促进协调和有效的援助系统的发展。 La plutart des algorithmes de reconnaissances d' AVQ utilisent des données propectile de captured intrasifs（cameras，microphones）et/ou de captured binaires（contacts éelectromagnetiques，detectiles de movements infrarouge，etc.）.虽然他们的表现力很强，但摄像机并不侵犯隐私，而且他们的行为也是违法的。他也是为了使用麦克风。在解决信息表达和入侵之间的问题后，许多人都对开发替代技术感兴趣，因为被动型RFID（射频识别）捕获者和固定信号捕获者Au fixés panneAu principal d 'alimination d' une résidence pour la receipt d 'AVQ。 利用这些技术是多学科防御科学的必要条件。但这两种类型的船长所提供的服务并不那么残忍。Ainsi，le décessement d'algorithmes de débrueles est nécessaire pour permettre l'utilisation de ces données.当然这些人都很奇怪。同样，在一个位置（2D）上的RFID无源信号力转换需要创建本地化算法和能够实现这种技术的不精确性。Du côté du capteur électrique，l'identification des ouvertures/fermetures des appareils à partir des signaux électriques Au panneAu principal nécite l'utilisation de techniques mathématiques avancées d'analysis du signal permettant l'extraction des signatures（puissance active，réactive，harmoniques，etc.）迈斯还提出了计算这些相同签名的可变性的算法模型。因此，一个电气信号的分解对于识别基本的设备是不可或缺的。 对于今年的五个项目，我将在开发利用RFID和电力技术的基础上，提出各种基于活动侦察和检测的算法。

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.