Réseaux Évidentiels pour la fusion de données multimodales hétérogènes

Ces travaux de recherche se sont déroulés dans le cadre du développement d’une application de télévigilance médicale ayant pour but de détecter une situation de détresse à travers l’utilisation de plusieurs types de capteurs.

La fusion multi-capteurs peut fournir des informations plus précises et fiables par rapport aux informations provenant de chaque capteur prises séparément. Par ailleurs les données issues de plusieurs capteurs hétérogènes présents dans les systèmes de télévigilance médicale possèdent différents degrés d’imperfection et de confiance.

Parmi les techniques de fusion multi-capteurs, les méthodes crédibilistes fondées sur les fonctions de croyance de Dempster-Shafer sont actuellement considérées comme les plus adaptées à la représentation et au traitement des informations imparfaites. La prise en compte de l’imperfection présente dans les données de notre système de télévigilance médicale permet une modélisation plus réaliste du problème.

En nous appuyant sur une représentation graphique de la théorie de Dempster-Shafer appelée Réseaux Évidentiels, nous proposons une structure de fusion de données hétérogènes issues de plusieurs capteurs pour la détection de chutes. Les Réseaux Évidentiels, implémentés sur notre plateforme de télévigilance médicale, sont donc proposés dans ces travaux afin de maximiser les performances de détection automatique de chutes et ainsi de rendre le système plus fiable.

La non-stationnarité des signaux recueillis sur les capteurs du système considéré peut conduire à une dégradation des conditions expérimentales. La présence de bruit de mesure, la variabilité des signaux enregistrés par les capteurs, les capteurs défaillants ou non fiables, peuvent rendre les Réseaux Évidentiels incohérents dans leurs décisions. Afin de compenser les effets résultant de la non-stationnarité des signaux provenant des capteurs, les Réseaux Évidentiels sont rendus évolutifs dans le temps, ce qui nous a conduit à introduire les Réseaux Evidentiels Dynamiques dans nos traitements et à les évaluer sur des scénarios de chute simulés correspondant à des cas d’usage variés.

Le jury sera composé de :

  • M. Etienne COLLE, Professeur à l’université d’Evry, Examinateur
  • M. Jacques DEMONGEOT, Professeur, Laboratoire AGIM, Rapporteur
  • M. David HEWSON, Professeur à l’université de Technologies de Troyes, Rapporteur
  • M. Michel BAER, Docteur en Médecine, Directeur du SAMU 92, Examinateur
  • M. Jérôme BOUDY, Ingénieur d’Etudes, Télécom SudParis, Examinateur (Encadrant)
  • M. Dan ISTRATE, Maitre de Conférences, ESIGETEL, Examinateur (Encadrant)
  • M. Joao Cesar MOURA MOTA, Professeur à l’ Universidade Federal do Ceara (UFC), Brésil, Examinateur (Co-directeur de thèse)
  • Mme Bernadette DORIZZI, Professeur à Telecom SudParis (Dpt EPH), Directeur de thèse

Directory

Virtual tour

Meet us

Join and support

Contact us

Telecom SudParis

Telecom SudParis is accredited by

Member of

<