Présentation
RÉSUMÉ
La reconnaissance d’activités à partir de données issues de capteurs a de nombreuses applications telles que le suivi postopératoire de patients en médecine ambulatoire ou le suivi des activités physiques quotidiennes de personnes âgées. Il est choisi ici de ne considérer que les données fournies par un accéléromètre. L’accéléromètre est en effet un capteur permettant une récolte aisée de données sans être dépendant de l’environnement de l’utilisateur, ceci de par sa disponibilité sur des smartphones ou dispositifs dédiés. Le but de cet article est de faire une revue des solutions proposées dans la littérature pour la reconnaissance d’activités sur la base de données accélérométriques.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Romain AUBER : Docteur ingénieur - Bodycap, France
-
Mathieu POULIQUEN : Maître de conférences - Université de Caen Normandie, Caen, France
-
Éric PIGEON : Maître de conférences - Université de Caen Normandie, Caen, France
INTRODUCTION
La reconnaissance d’activités est un problème particulièrement saillant tant de par ses applications pratiques multiples que par les problématiques de recherche qu’elle révèle. Parmi les applications pratiques, nous pouvons citer par exemple le suivi postopératoire en médecine ambulatoire, la détection d’anomalies liées à la santé, la prévention des chutes ou encore, à des fins plus légères, le suivi des activités physiques quotidiennes via une estimation de la dépense calorique ou le suivi des activités sportives (durée d’une course, distance parcourue, etc.).
Il existe plusieurs solutions pour appréhender l’activité d’une personne à partir de capteurs. Une première possibilité consiste à faire de la reconnaissance d’activités à partir d’images ou de vidéos, cependant l’utilisation de données visuelles a deux défauts majeurs : d’une part, la personne doit rester dans le champ de la caméra, d’autre part, certains utilisateurs peuvent être réticents à être constamment sous l’œil d’une caméra dans leur vie privée. Une autre possibilité est donc d’utiliser des capteurs portés par l’utilisateur. À ce titre, en raison de sa démocratisation, de sa discrétion et de sa puissance de calcul, le smartphone peut être utilisé pour collecter des données sur les individus et ces données peuvent être utilisées pour de la reconnaissance d’activités. La plupart des smartphones contiennent en effet de nombreux capteurs tels que des accéléromètres, des gyroscopes, des magnétomètres, etc. Outre le smartphone, des dispositifs peuvent être spécifiquement développés pour la reconnaissance d’activités. Il existe par exemple des dispositifs portables intègrant directement un accéléromètre, un gyroscope et un magnétomètre. Dans d’autres cas, outre les différentes mesures issues des capteurs précédents, des signaux physiologiques, tels que la fréquence cardiaque, la fréquence respiratoire et la saturation en oxygène, peuvent aussi être utilisés. Dans cet article, nous supposons prendre uniquement en compte les données fournies par un accéléromètre. L’accéléromètre est en effet le capteur porté le plus utilisé dans la reconnaissance d’activités. L’utilisation de ce capteur permet de pouvoir récolter des données de n’importe quel endroit et il permet de ne plus être dépendant de l’environnement de l’utilisateur.
Dans cet article nous nous intéressons ainsi à la procédure permettant la reconnaissance d’activités sur la base de données accélérométriques. Cette procédure consiste en l’enchaînement de différentes étapes dont le résultat final est conditionné par des choix de l’utilisateur à chacune des étapes. Il s’agit ainsi dans cet article de faire un état des lieux sur cette procédure en détaillant les éléments technologiques de chacune des étapes et les choix usuels en reconnaissance d’activités.
DOI (Digital Object Identifier)
Présentation
Article inclus dans l'offre
"Mesures mécaniques et dimensionnelles"
(120 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
2. Acquisition des données
2.1 Données accélérométriques
Les données brutes sont en général collectées par un accéléromètre se trouvant soit sur un smartphone, soit sur un objet connecté dédié. L’avantage d’utiliser un smartphone est de collecter les données d’un utilisateur de manière discrète à l’aide d’une application, sans ajout d’un matériel supplémentaire. À noter cependant que l’utilisateur risque de modifier la position de son smartphone assez souvent ; l’utilisation d’une plateforme dédiée a pour avantage de pouvoir positionner et fixer le capteur à un endroit précis du corps. Le type d’équipement usuellement utilisé dans les études est décrit dans le tableau 1.
Dans le cas de l’utilisation d’objets connectés, un seul ou plusieurs accéléromètres peuvent être utilisés. L’avantage d’utiliser plusieurs capteurs est d’avoir plus d’informations si les capteurs sont placés à différents endroits. Dans , sept capteurs sont placés à des endroits différents du corps et 63 combinaisons possibles entre ces capteurs sont étudiées. Dans cette étude, avec un seul capteur, le taux de reconnaissance d’activités est de 96,60 % en moyenne. Le meilleur résultat est obtenu avec la combinaison des données de trois capteurs, combinaison permettant un taux de reconnaissance de 97,66 % en moyenne.
L’accéléromètre fournit trois données différentes :
-
a x qui représente l’accélération suivant l’axe x ;
-
a y qui représente l’accélération suivant l’axe y ;
-
a z qui représente l’accélération suivant l’axe z.
Dans le cas où le capteur a une position et une orientation fixes, les données de chaque axe peuvent être utilisées...
Acquisition des données
Article inclus dans l'offre
"Mesures mécaniques et dimensionnelles"
(120 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
BIBLIOGRAPHIE
-
(1) - ATTAL (F.) et al - Physical Human Activity Recognition Using Wearable Sensors. - In : Sensors, 15, p. 31314-31338 (2015).
-
(2) - LARA (O.D.), LABRADOR (M.A.) - A Survey on Human Activity Recognition using Werable Sensors. - In : IEEE Communications Surveys & Tutorials, 15, p. 1192-1209 (2013).
-
(3) - PREECE (S.J.) et al - Activity identification using body-mounted sensors – A review of classification techniques. - In : Physiological Measurement, 30 (2009).
-
(4) - ATALLAH (L.) et al - Sensor Placement for Activity Detection Using Wearable Accelerometers. - In : IEEE Transactions on Biomedical Circuits and Systems, 5 (2011).
-
(5) - BAYAT (A.), POMPLUN (M.), TRAN (D.A.) - A Study on Human Activity Recognition Using Accelerometer Data from Smartphones. - In : Procedia Computer Science, 34, p. 450-457 (2014).
-
...
ANNEXES
CISIA juin 2000 Le Bayésien (version pour Windows Vista), [Logiciel] CISIA 1 avenue Herbillon, 94160 Saint-Mandé, France
HAUT DE PAGEArticle inclus dans l'offre
"Mesures mécaniques et dimensionnelles"
(120 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE
Entraînez vous autant que vous le voulez avec les quiz d'entraînement.
Article inclus dans l'offre
"Mesures mécaniques et dimensionnelles"
(120 articles)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.