Reconnaissance de l’activité physique dans un environnement non contrôlé en utilisant un réseau d’objets connectés

Introduction 

La définition de l’activité physique la plus répandue est celle qui a été proposée par Caspersen, en 1985. Il s’agit de « l’ensemble des mouvements corporels produits par la mise en action des muscles squelettiques et entraînant une augmentation substantielle de la dépense énergétique au-dessus du métabolisme de repos » [356]. Quant à la notion de la reconnaissance de l’activité physique, la plupart des travaux la définissent comme étant « l’ensemble des techniques et modèles statistiques ou quantitatifs permettant d’identifier avec une certaine précision l’état de l’ensemble des mouvements corporels », grâce à l’utilisation de différents dispositifs et capteurs [22-63]. Depuis quelques années, nous assistons à un développement et diffusion exceptionnel de la microélectronique produisant des capteurs et des appareils mobiles et portables avec une variété de caractéristiques (différents types de capteurs, de systèmes embarqués hautes technologies, etc.). Leur puissance de calcul élevée, leur petite taille et leur faible coût ont permis aux différents utilisateurs d’interagir avec ces appareils en permanence. Ceci a fait émergé le domaine de la détection omniprésente (ou Ubiquitous Sensing, en anglais), un domaine de recherche actif dont l’objectif principal est d’extraire des connaissances à partir des données acquises par des capteurs embarqués [1]. En particulier, la reconnaissance des activités humaines est devenue une tâche d’un grand intérêt dans plusieurs domaines, principalement pour les applications médicales, militaires et de sécurité [2]. Dans le domaine de la santé, les patients atteints de diabète, d’obésité ou de maladie cardiaque doivent souvent suivre une série d’exercices bien définis dans le cadre de leur traitement [3]. Par conséquent, reconnaître leurs activités quotidiennes telles que la marche, la course ou le repos devient très utile pour fournir des informations au personnel de santé sur le comportement du patient [4]. De même, les patients atteints de pathologies mentales pourraient être surveillés pour détecter des activités anormales et ainsi prévenir des conséquences indésirables (une chute, par exemple) [5][6]. Enfin, dans les scénarios tactiques et militaires, des informations précises sur les activités des soldats ainsi que leurs emplacements et leurs conditions de santé sont très bénéfiques pour leur performance et leur sécurité [7]. De telles informations sont également utiles pour soutenir la prise de décision dans les environnements de combat et d’entraînement [8]. L’arrivée des objets connectés sur le marché a permis de faire émerger ces applications de suivi en les rendant plus flexibles. En effet, la détection des activités, qui se faisant traditionnellement avec des capteurs fixés à différents endroits du corps, est réalisée grâce à un ou plusieurs objets connectés (smartphone, smartwatch, etc.) sans avoir à attacher les objets connectés dans différents endroits du corps [9]. Ce qui rend la tâche de détection plus flexible et pratique. Ainsi, le caractère intrusif des capteurs a largement diminué [12]. La mise en place d’un système de reconnaissance de l’activité physique exploitants des objets connectés du quotidien fait émergé plusieurs contraintes matérielles, logicielle (quel type d’objet connecté, quelle application, etc.) et de traitement (environnement de l’expérience, stockage, méthode de reconnaissance à utiliser, robustesse des systèmes, etc.) [10]. Nous proposons dans ce chapitre de faire une revue de littérature sur la reconnaissance des activités physiques en utilisant des objets connectés. Nous aborderons principalement deux points essentiels : Le premier point concerne les notions d’internet des objets (IoT, Internet of Things en anglais) et objets connectés. Nous analysons les différentes architectures et composantes existantes (architecture, capteurs, systèmes embarqués, télécom, etc.), ainsi que les dispositifs commerciaux et les plateformes de recherche. Le deuxième point consiste à aborder les différentes architectures de traitement pour la reconnaissance de l’activité physique. Cette partie sera subdivisée en trois sous parties : i) les méthodes d’extractions de descripteurs utilisées. Ii) les méthodes de fusion de données multicapteurs et enfin iii) les méthodes d’apprentissage automatiques utilisées. 2. L’internet des objets L’Internet des objets repose sur l’idée que tous les objets seront connectés à Internet et seront donc capables d’émettre de l’information et éventuellement de recevoir des commandes [11]. On parle aussi du paradigme de “ubiquitous computing”, c’est à dire informatique omniprésente, ambiante, ou pervasive [12]. Ce nouveau paradigme informatique est basé non plus sur le PC, mais sur des objets quotidiens intégrant des capteurs et des capacités de communication [13]. L’internet des objets propose de créer une continuité entre le monde réel et le monde numérique : il donne une existence aux objets physiques dans le monde numérique [14]. Sur le plan fonctionnel, l’Internet des objets désigne une informatique qui se fond dans notre quotidien pour nous simplifier la vie, nous faire gagner du temps, décharger notre cerveau de la mémorisation de données logistiques (itinéraires, agenda, etc.) [15]. Il permet de créer de nouveaux usages. C’est-à-dire de nouvelles manières ou façons de se servir de l’objet connecté. Par exemple, des informations en temps réel sur la localisation de ses amis à l’aide d’un smartphone car le smartphone n’est, originellement, pas conçu pour suivre le déplacement de ces amis [16]. Il permet aussi de prendre des mesures exhaustives, là où on se contentait dans le passé d’un simple panel, comme par exemple avec la mesure du trafic automobile dans les rues d’une ville [17].  L’internet des objets est largement connecté au sujet “Web Squared” [18] (le successeur du Web 2.0 selon Tim O’reilly). Il s’agit d’un Web basé moins sur les pages HTML que sur la publication de données structurées émises par les médias sociaux, les objets, les bases de données publiques (mouvement Open Data), etc. L’Internet des objets va générer une somme colossale de données qu’il faudra analyser et interpréter. Il requiert donc des architectures d’un nouveau genre appelé « Big Data » capables de prendre en charge de grandes masses de données à la manière des infrastructures des grands du Web (Figure 1). Figure 1 : Les différentes composantes de l’internet des objets (logicielles, type de données, domaine d’application, etc.) [19]. Dans la partie suivante, nous proposons d’aborder les principales catégories d’objets connectés les plus répandues. Nous aborderons ensuite les principaux types d’usage de ces objets. Ainsi, nous présenterons une vue d’ensemble de l’architecture de traitement dans les objets connectés. Nous présenterons également une vue globale du protocole de communication, stockage et transfert de données dans les objets connectés. Enfin, nous présenterons quelques exemples d’objets connectés les plus répandus sur le marché ainsi que quelques plateformes fabriquées en laboratoires de recherche.

Les usages de l’internet des objets

 L’état de l’art distingue deux grandes familles d’usage de l’Internet des objets : (i) un usage sans rétroaction et ii) un usage avec rétroaction. Nous proposons de les détailler dans les parties suivantes.

Usages sans rétroaction 

Dans ce cas, l’Internet des Objets est utilisé pour faire du suivi continu au quotidien, comme par exemple : Chapitre 1 19 • consommation de l’objet (énergie pour une voiture) • état de l’objet (niveau d’huile pour une voiture) • mesure du contexte environnemental (météo, trafic routier, foule dans les transports,…) • mesure des paramètres personnels d’un individu ou Quantified Self (activité sportive,…) • activité d’une infrastructure (réseau de télécommunication, réseau d’énergie, …) Les utilisateurs des données peuvent être : l’usager final, un fournisseur, une administration publique, etc. Les données remontent des indicateurs permettant de réaliser [23] : • des tableaux de bords analytiques, pour des fonctions décisionnelles (ex : augmenter le nombre de train sur un réseau) • la détection d’évènements anormaux (ex : saturation des transports lors d’une manifestation) • de disposer d’informations sur un individu, ses comportements et consommations, … (ex : les performances sportives de la semaine) • de ramener les informations d’un individu à une population à des fins de comparaison pour lui-même ou pour le fournisseur de service (ex : un individu consomme plus de gaz que les usagers vivant dans un appartement de même surface) • de proposer une compétition entre l’individu et ses pairs afin d’optimiser l’usage du service (ex : faire baisser sa consommation électrique pour gagner des prix) 

Usages avec rétroaction 

Dans ce cas, l’Internet des Objets permet de [24]: • piloter les objets à distance, par exemple dans des applications domotiques (ex : allumer la lumière lorsque on rentre à la maison) • d’envoyer des notifications au fournisseur (ex : approvisionnement d’aliments car les rayons du supermarché sont vides) • d’envoyer des notifications aux usagers (ex : ralentir car l’autoroute est saturée) Nous proposons dans la section suivante d’exposer les différentes architectures de traitement dans les objets connectés, les protocoles de stockage, transfert et communications de données. Enfin, nous aborderons quelques exemples de dispositifs commerciaux et plateformes proposées dans le milieu académique.

Télécharger le document complet