Health care platform development based on multimedia sensors
Développement d'une plateforme de maintien à domicile des personnes âgées fondée sur les capteurs multimédias
Résumé
All countries are facing significant demographic changes on an unprecedented scale. Seniors are the fastest-growing segment of the world's population. It increases dependent and vulnerable older adults marked by loss of autonomy and chronic illness. These complications increase mortality and morbidity rates in our societies. In recent years, the socio-economic consequences on seniors and their families and the high prices in specialized accommodation establishments have drawn attention to home support by using new reliable and inexpensive technologies. However, developing a critical healthcare system for the elderly is a real challenge that can only be met by ensuring reliability and high performance. Within the framework of the future health care system named Family Heroes, we are interested in this thesis in its reliability and safety. Thus, we studied the automatic detection of falls using the Kinect camera. More precisely, we have proposed a methodology combining the CATWOE method and UML notions to analyze and model our system. We have shown the steps to take to consider system requirements and constraints in the development process effectively. Thus, we used the MARTE concepts to face the time constraints in the modeling phase. Then, to ensure the reliability of our system, we proposed a formal verification approach based on the UML / MARTE models presented in the modeling stage. We modeled them with timed automata and deployed the UPPAAL model checker to specify and verify properties. To ensure the security of our system, we have presented a formal approach to deal with cyber-attack issues that may arise in the Family Heroes system. Thus, we adopted a scenario of cyberattacks linked to this context and proposed reconfiguring our system to face cyberattacks. In addition, formal verification has been proposed to ensure the reliability of the proposed solution. The results showed the respect of the properties (No deadlock, accessibility, security, and liveliness) in Family Heroes.For automatic fall detection, we used the multimedia sensor of Kinect technology. We have proposed a new approach based on thresholds that analyzes the variation in height, the angles of the upper body during the cycle of movement, and the person's inactivity on the ground. In addition, we have proposed a new lightweight model based on Deep Learning LSTM using geometric features. This lightweight model is designed to work on limited devices like the Raspberry Pi. The results are very promising.
Tous les pays sont confrontés à des changements démographiques importants à une échelle sans précédents. Les seniors constituent le segment de la population mondiale qui augmente le plus rapidement. Ceci entraine une augmentation des personnes âgées dépendantes et vulnérables marquées par une perte d’autonomie et maladie chronique. Ces complications augmentent les taux de mortalité et morbidité dans nos sociétés. Ces dernières années, les conséquences socio-économiques sur les seniors et sa famille, et le fait des tarifs élevées dans les établissements spécialisés d’hébergement ont attiré l’attention sur le maintien à domicile en servant des nouvelles technologies fiables et pas cher. Mais développer un système de soins de santé critique pour les personnes âgées est un véritable défi qui ne peut être relevé qu’en garantissant la fiabilité et la haute performance. Dans le cadre du futur système de soins de santé nommée Family Heroes, nous sommes intéressées dans cette thèse à sa fiabilité et sa sécurité. Ainsi, Nous avons étudié la détection automatique des chutes à l’aide de la caméra Kinect. Plus précisément, nous avons proposé une méthodologie combinant la méthode CATWOE et des notions UML pour analyser et modéliser notre système. Nous avons montré les étapes à suivre pour prendre en compte efficacement les exigences et les contraintes du système dans le processus de développement. Ainsi, nous avons utilisé les concepts MARTE pour faire face aux contraintes de temps dans la phase de modélisation. Ensuite, pour assurer la fiabilité de notre système, nous avons proposé une approche de vérification formelle basée sur les modèles UML/MARTE présentés dans l'étape de modélisation. Nous les avons modélisés avec des automates temporisés et déployé le vérificateur de modèles UPPAAL pour spécifier et vérifier les propriétés. Pour assurer la sécurité de notre système, nous avons présenté une approche formelle pour traiter les problèmes de cyber-attaques qui peuvent survenir dans le système Family Heroes. Ainsi, nous avons adopté un scénario de cyberattaques liés à ce contexte et proposé de reconfigurer notre système pour faire face aux cyberattaques. De plus, une vérification formelle a été proposée pour s'assurer de la fiabilité de la reconfiguration proposée du système. Les résultats ont montré le respect des propriétés (L’absence de deadlock, l’accessibilité, la sécurité et la vivacité) dans Family Heroes.Pour la détection automatique des chutes, nous avons utilisé le capteur multimédia de la technologie Kinect. Nous avons proposé une nouvelle approche basée sur des seuils qui analyse la variation de hauteur, les angles du haut du corps au cours du cycle de mouvement, et l'inactivité de la personne au sol. De plus, nous avons proposé un nouveau modèle léger basé sur Deep Learning LSTM utilisant des caractéristiques géométriques. Ce modèle léger est conçu pour fonctionner sur des appareils limités comme ceux de Raspberry Pi. Les résultats sont très prometteurs.
Origine : Version validée par le jury (STAR)