Apprentissage profond et IdO pour le suivi personnalisé de la santé

Ce travail propose un système loT innovant pour le suivi personnalisé à long terme des activités réalisées par une personne à son domicile. Le système intègre un capteur portable Wi-Fi et des techniques d'extraction de caractéristiques pour fournir des informations sur un certain nombre d'activités dans le but de déduire les comportements anormaux. L'approche présentée a été conçue pour être étendue à des systèmes nécessitant plusieurs capteurs portables fournissant des informations de manière personnalisée. La classification des activités a été réalisée avec un ensemble d'entraînement relativement petit. Ce résultat est intéressant car il montre la possibilité de mettre en oeuvre, assez facilement, différents systèmes de RAH calibrés sur différentes classes de problèmes pour des groupes d'âge de personnes. L'architecture du système présenté exploite la connectivité Wi-Fi embarquée et l'informatique en nuage pour assurer une mise à jour constante du réseau avec de nouveaux ensembles d'entraînement lorsque des utilisateurs sont ajoutés. À cette fin, chaque échantillon de données acquis par le capteur est transféré vers le nuage. L'architecture du système conçu ouvre la porte à une autre approche qui pourrait tirer parti de l'utilisation des technologies FPGA pour la mise en oeuvre de systèmes complexes de traitement des signaux à produire.