Méthodes SVM et MLN pour la reconnaissance automatique d'activités humaines dans les habitats perceptifs: tests et perspectives

Pedro Chahuara (1) , Anthony Fleury (2) , Michel Vacher (1) , François Portet (1)

1 GETALP - Groupe d’Étude en Traduction Automatique/Traitement Automatisé des Langues et de la Parole
2 CERI SN - IMT Nord Europe - Centre for Digital Systems

Cet article compare deux approches pour la reconnaissance des Activités de la Vie Quotidiennes (AVQ) dans un habitat intelligent : - une approche SVM utilisée pour son excellente capacité de classification, - ainsi qu'une approche à base de réseaux logiques de Markov pour leur capacité à allier une excellente expressivité et un raisonnement dans l'incertain. Ces méthodes ont été testées sur des données réelles acquises lors d'expérimentations impliquant 21 personnes effectuant des AVQ. Les résultats montrent la difficulté de la tâche et permettent de dégager des pistes d'amélioration

Mots clés: reconnaissance d'activité; réseaux logiques de Markov; SVM; habitat intelligent; assistance à domicile

Domaines: Intelligence artificielle [cs.AI]; Vision par ordinateur et reconnaissance de formes [cs.CV]

Pedro Chahuara, Anthony Fleury, Michel Vacher, François Portet. Méthodes SVM et MLN pour la reconnaissance automatique d'activités humaines dans les habitats perceptifs: tests et perspectives. RFIA 2012 (Reconnaissance des Formes et Intelligence Artificielle), Jan 2012, Lyon, France. pp.978-2-9539515-2-3. ⟨hal-00656557⟩