High Integrity Personal Tracking Using Fault Tolerant Multi-Sensor Data Fusion

Fusion multi-capteurs tolérante aux fautes pour un suivi de la personne avec un niveau d'intégrité élevé

Mohamad Daher (1, 2)

1 Université de Lille
2 LARSEN - Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment

About one third of home-dwelling older people suffer a fall each year. The most painful falls occur when the person is alone and unable to get up, resulting in huge number of elders which are associated with institutionalization and high morbidity-mortality rate. The PAL (Personally Assisted Living) system appears to be one of the solutions of this problem. This ambient intelligence system allows elderly people to live in an intelligent and pro-active environment. It is charged with the supervision and control of the entrusted space, monitoring events and detecting falls, recognizing human activities through a network sensors, and finally providing support through robotic actuators. Such services have the potential of increasing autonomy of elders while minimizing the risks of living alone. Therefore, they have been an active research topic due to the fact that health care industry has a big demand for their products and technology. This thesis describes the ongoing work of in-home elder tracking, activities daily living recognition, and automatic fall detection system using a set of non-intrusive sensors that grants privacy and comfort to the elders. In addition, a fault-tolerant fusion method is proposed using a purely informational formalism: information filter on the one hand, and information theory tools on the other hand. Residues based on the Kullback-Leibler divergence are used. Using an appropriate thresholding, these residues lead to the detection and the exclusion of sensors faults. The proposed algorithms were validated with many different scenarios containing the different activities: walking, sitting, standing, lying down, and falling. The performances of the developed methods showed a sensitivity of more than 94% for the fall detection of persons and more than 92% for the discrimination between the different ADLs (Activities of the daily life).

Environ un tiers des personnes âgées vivant à domicile souffrent d'une chute chaque année. Les chutes les plus graves se produisent lorsque la personne est seule et incapable de se lever, ce qui entraîne un grand nombre de personnes âgées admis au service de gériatrique et un taux de mortalité malheureusement élevé. Le système PAL (Personally Assisted Living) apparaît comme une des solutions à ce problème. Ce système d’intelligence ambiante permet aux personnes âgées de vivre dans un environnement intelligent et pro-actif. Il permet la supervision et le contrôle de l'environnement d’évolution, la surveillance des événements et la détection des chutes, tout en reconnaissant les activités humaines grâce à des réseaux de capteurs et en fournissant un support grâce à des actionneurs robotisés. Ces services ont le potentiel d'accroître l'autonomie des personnes âgées tout en minimisant les risques du maintien à domicile. Le travail de cette thèse s’inscrit dans le cadre du suivi des personnes âgées avec un maintien à domicile, la reconnaissance quotidienne des activités et le système automatique de détection des chutes à l'aide d'un ensemble de capteurs non intrusifs qui accorde l'intimité et le confort aux personnes âgées. En outre, une méthode de fusion tolérante aux fautes est proposée en utilisant un formalisme purement informationnel : filtre informationnel d’une part, et outils de la théorie de l’information d’autre part. Des résidus basés sur la divergence de Kullback-Leibler sont utilisés. Via un seuillage adéquat, ces résidus conduisent à la détection et à l’exclusion des défauts capteurs. Les algorithmes proposés ont été validés avec plusieurs scénarii différents contenant les différentes activités: marcher, s’asseoir, debout, se coucher et tomber. Les performances des méthodes développées ont montré une sensibilité supérieure à 94% pour la détection de chutes de personnes et plus de 92% pour la discrimination entre les différentes ADL (Activités de la vie quotidienne).

Mots clés: personal localization system; activities daily living recognition; elderly fall detection; features extraction; features selection; signal detection; data fusion; information filter; fault detection and exclusion; Kullback-Leibler divergence.

Mots clés: reconnaissance des activités de la vie quotidienne; système de localisation des personnes; détection des chutes des personnes âgées; extraction des paramètres; détection des signaux; sélection des paramètres; fusion de données; filtre informationnel; divergence de Kullback-Leibler.; détection et exclusion des défauts

Domaines: Automatique / Robotique

Mohamad Daher. High Integrity Personal Tracking Using Fault Tolerant Multi-Sensor Data Fusion. Automatic. Université de Lille 1, Sciences et Technologies; CRIStAL UMR 9189, 2017. English. ⟨NNT : ⟩. ⟨tel-01740905⟩