Titre : |
Human Activity Recognition in the Context of Multi-occupant Smart Homes |
Type de document : |
texte imprimé |
Auteurs : |
Asma Benmansour, Auteur |
Année de publication : |
2016 |
Importance : |
119p. |
Présentation : |
ill. |
Format : |
30cm. |
Langues : |
Français (fre) |
Mots-clés : |
Reconnaissance des activités humaines, maison intelligente, activités de la vie quotidienne,
occupation multiple, détection envahissante, modèle probabiliste, modèle de markov caché. |
Résumé : |
Dans le contexte des maisons intelligentes, la surveillance automatique de la santé des personnes âgés permet
d'évaluer leurs bien-être cognitif et physique à travers la Reconnaissance des Activités Humaines (RAH) Ã
savoir la reconnaissance de leurs activités de la vie quotidienne. La plupart des recherches ont été consacrés à la
RAH de personnes vivant seules dans l'environnement. Cependant, les environnements de vie sont généralement
habités par plus d'une seule personne. Nous nous concentrons dans cette thèse sur le problème de la modélisation
des activités de multiple occupants. En particulier les activités parallèles et les activités coopératives sont
considérées.
Afin de traiter les activités de multiple occupants, nous étudions différentes approches basées sur les Modèles
de Markov Cachés (MMCs). Plus précisément, nous proposons une méthode basée sur les MMCs, appelé MCC
basé Etiquettes Combinées (MMC-EC), où les étiquettes des activités ainsi que les étiquettes des observations
des différents occupants sont combinées afin de générer la séquence correspondante des activités ainsi que la
séquence correspondante d'observations sur les quelles un MMC classique est appliqué. Nous proposons
également le MMC Lié appelé MMCL dans lequel les activités de tous les occupants sont liées à tout instant.
Nous comparons ces deux modèles aux modèles de références qui sont les MMC Couplés (MMCC) et MMC
Parallèles (MMCP). Les résultats expérimentaux montrent que les modèles proposés surpassent le MMCC et le
MMCP lorsqu'ils sont testés sur les activités parallèles et les activités coopératives. |
Human Activity Recognition in the Context of Multi-occupant Smart Homes [texte imprimé] / Asma Benmansour, Auteur . - 2016 . - 119p. : ill. ; 30cm. Langues : Français ( fre)
Mots-clés : |
Reconnaissance des activités humaines, maison intelligente, activités de la vie quotidienne,
occupation multiple, détection envahissante, modèle probabiliste, modèle de markov caché. |
Résumé : |
Dans le contexte des maisons intelligentes, la surveillance automatique de la santé des personnes âgés permet
d'évaluer leurs bien-être cognitif et physique à travers la Reconnaissance des Activités Humaines (RAH) Ã
savoir la reconnaissance de leurs activités de la vie quotidienne. La plupart des recherches ont été consacrés à la
RAH de personnes vivant seules dans l'environnement. Cependant, les environnements de vie sont généralement
habités par plus d'une seule personne. Nous nous concentrons dans cette thèse sur le problème de la modélisation
des activités de multiple occupants. En particulier les activités parallèles et les activités coopératives sont
considérées.
Afin de traiter les activités de multiple occupants, nous étudions différentes approches basées sur les Modèles
de Markov Cachés (MMCs). Plus précisément, nous proposons une méthode basée sur les MMCs, appelé MCC
basé Etiquettes Combinées (MMC-EC), où les étiquettes des activités ainsi que les étiquettes des observations
des différents occupants sont combinées afin de générer la séquence correspondante des activités ainsi que la
séquence correspondante d'observations sur les quelles un MMC classique est appliqué. Nous proposons
également le MMC Lié appelé MMCL dans lequel les activités de tous les occupants sont liées à tout instant.
Nous comparons ces deux modèles aux modèles de références qui sont les MMC Couplés (MMCC) et MMC
Parallèles (MMCP). Les résultats expérimentaux montrent que les modèles proposés surpassent le MMCC et le
MMCP lorsqu'ils sont testés sur les activités parallèles et les activités coopératives. |
|