Contribution `a la d´etection de chute des personnes ˆag´ees par vid´eosurveillance intelligente: L’analyse de la posture et de l’activit´e humaine par Machine Learning

Abstract

Depuis longtemps, la majorité des personnes âgées, vivant à domicile et souvent seules, font face à des situations à risques telles que des chutes. Dans ce contexte, la vidéo-surveillance est une solution innovante qui peut leur permettre de vivre normalement dans un environnement sécurisé. L’idée serait de placer un réseau de caméras dans l’appartement de la personne pour détecter automatiquement une chute. Un système de vidéo-surveillance est en général composé de trois modules. Le premier consiste qu’à chaque nouvelle image, la personne en mouvement doit être détectée, le deuxième permet de suivre une personne ou une trajectoire tout au long de la séquence vidéo. Enfin, la reconnaissance de comportement permet de détecter un évènement suspect et fournit en sortie un résultat correspondant à une prise de décision à savoir si le comportement est normal ou anormal. Parmi les grands problèmes des nouvelles techniques de détection de chute des personnes âgées, le risque d’une fausse alarme lors d’un comportement normal qui peut survenir d’une mauvaise interprétation de ces techniques, d’où le besoin de proposer une nouvelle approche plus cohérente dans notre projet de thèse. Notre première proposition consiste à utiliser une seule camera RGB en analysant la forme et le mouvement de la personne durant les activités quotidiennes. La reconnaissance de la chute se fait en première par la reconnaissance de type de l’activité de la personne (s’asseoir, marcher, courir, se coucher, debout, s’accroupir, chuter) en utilisant l’apprentissage automatique, puis la confirmation par l’utilisation de la stratégie de vote et aussi des règles de gestion. Une évaluation de la performance du système proposé est faite à travers en deux scenarios. Le premier scenario consiste à tester l’application sur trois bases de données différentes. Ensuite, en deuxième scenario, nous avons mélangé ces trois bases de données pour créer une confusion. Le résultat obtenu nous montre la capacité de notre système d’être stable et de garder des bons résultats par rapport à l’état de l’art. La deuxième contribution de notre thèse consiste en premier à la proposition d’un descripteur pour la reconnaissance de la posture de la personne. Ensuite, un algorithme pour la détection de chute est proposé en exploitant l’information de la posture. La chute est détectée quand la posture de la personne est identifiée comme allongée et la personne est totalement ou une grande partie de son corps est dans le sol pendant 2 secondes. La performance du système proposé atteint des bons résultats par rapport à l’état de l’art.