Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Discovery Grants Program - Individual

Université du Québec à Chicoutimi

$23,000.00

Reconnaissance d'activités à base de capteurs de nature RFID et électrique aux fins d'assistance cognitive

EF 2019-20

Résumé
Un grand nombre de recherches en intelligence artificielle (IA) et particulièrement en habitats intelligents s'intéressent au monitoring d'activités humaines en temps réel pour l'assistance des personnes âgées atteinte d'une déficience cognitive. La problématique repose sur le fait que l'assistance est conditionnelle à la reconnaissance (et/ou l'apprentissage) de l'activité en cours d'exécution (ou à réaliser). Par conséquent, l'élaboration et l'implémentation de systèmes de reconnaissance d'activités de la vie quotidienne (AVQ) fiables et robustes constituent un élément clé pour permettre le déploiement de systèmes d'assistance cohérents et efficaces.******La plupart des algorithmes de reconnaissances d' AVQ utilisent des données provenant de capteurs intrusifs (cameras, microphones) et/ou de capteurs binaires (contacts électromagnétiques, détecteurs de mouvements infrarouge,etc.). Bien qu'elles fournissent la plus grande expressivité, les caméras sont intrusives (respect de la vie de privée) et le traitement de leurs données est complexe. Il en est de même pour l'utilisation de microphones. Afin de trouver un compromis entre l'expressivité de l'information et l'intrusion, plusieurs chercheurs s'intéressent à l'exploitation de technologies alternatives telles que les capteurs RFID (Radio Frequency IDentification) de type passif et les capteurs de signaux électriques fixés au panneau principal d'alimentation d'une résidence pour la reconnaissance d'AVQ. ******L'exploitation de ces technologies exige de relever plusieurs défis scientifiques. D'abord, les données extraites par ces deux types de capteurs sont très bruitées. Ainsi, le développement d'algorithmes de débruitage est nécessaire pour permettre l'utilisation de ces données. Ensuite, ces données doivent être interprétées. Par exemple, la conversion des forces de signaux provenant d'étiquettes RFID passives en une position (2D) requière la création d'algorithmes de localisation et de traçabilité capables de gérer l'imprécision liée à cette technologie. Du côté du capteur électrique, l'identification des ouvertures/fermetures des appareils à partir des signaux électriques au panneau principal nécessite l'utilisation de techniques mathématiques avancées d'analyse du signal permettant l'extraction des signatures (puissance active, réactive, harmoniques, etc.) de chaque appareil mais aussi le développement de modèles algorithmiques qui tiennent compte de la variabilité de ces mêmes signatures. Enfin, une désagrégation du signal électrique est souvent inévitable pour discerner les appareils en fonction simultanément.******Pour les cinq prochaines années, je prévois m'attaquer aux différents défis scientifiques mentionnés précédemment afin d'étendre nos algorithmes de reconnaissance d'activités et d'apprentissage basés sur l'exploitation des données provenant de capteurs RFID et électrique.*****
Programme
Discovery Grants Program - Individual
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data

Tel que publié

Application id
RGPIN-2015-06083
Name nom
Gaboury, Sébastien
Department département
Informatique et de mathématique
Organization id
52
Institution établissement
Université du Québec à Chicoutimi
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2019
Competition year année de concours
2015
Award amount
23000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
DISCOVERY RESEARCH
Group fr
RECHERCHE AXÉE SUR LA DÉCOUVERTE
Committee code
1507
Committee name en
Computer Science
Committee name fr
Sciences informatiques
Area of application code
802
Area of application group en
Information and communication services
Area of application group fr
Services d'information et de télécommunications
Area of application en
Information systems and technology
Area of application fr
Systèmes d'information et technologie de l'information
Research subject code
2805
Research subject group en
Artificial intelligence
Research subject group fr
Intelligence artificielle
Research subject en
Learning and inference theories
Research subject fr
Théories de l'apprentissage et l'inférence
Installment
inst:5 - 5
Partie
5
Nb partie
5
Application title
Reconnaissance d'activités à base de capteurs de nature RFID et électrique aux fins d'assistance cognitive
Keyword
NSERC
Application summary
Un grand nombre de recherches en intelligence artificielle (IA) et particulièrement en habitats intelligents s'intéressent au monitoring d'activités humaines en temps réel pour l'assistance des personnes âgées atteinte d'une déficience cognitive. La problématique repose sur le fait que l'assistance est conditionnelle à la reconnaissance (et/ou l'apprentissage) de l'activité en cours d'exécution (ou à réaliser). Par conséquent, l'élaboration et l'implémentation de systèmes de reconnaissance d'activités de la vie quotidienne (AVQ) fiables et robustes constituent un élément clé pour permettre le déploiement de systèmes d'assistance cohérents et efficaces.******La plupart des algorithmes de reconnaissances d' AVQ utilisent des données provenant de capteurs intrusifs (cameras, microphones) et/ou de capteurs binaires (contacts électromagnétiques, détecteurs de mouvements infrarouge,etc.). Bien qu'elles fournissent la plus grande expressivité, les caméras sont intrusives (respect de la vie de privée) et le traitement de leurs données est complexe. Il en est de même pour l'utilisation de microphones. Afin de trouver un compromis entre l'expressivité de l'information et l'intrusion, plusieurs chercheurs s'intéressent à l'exploitation de technologies alternatives telles que les capteurs RFID (Radio Frequency IDentification) de type passif et les capteurs de signaux électriques fixés au panneau principal d'alimentation d'une résidence pour la reconnaissance d'AVQ. ******L'exploitation de ces technologies exige de relever plusieurs défis scientifiques. D'abord, les données extraites par ces deux types de capteurs sont très bruitées. Ainsi, le développement d'algorithmes de débruitage est nécessaire pour permettre l'utilisation de ces données. Ensuite, ces données doivent être interprétées. Par exemple, la conversion des forces de signaux provenant d'étiquettes RFID passives en une position (2D) requière la création d'algorithmes de localisation et de traçabilité capables de gérer l'imprécision liée à cette technologie. Du côté du capteur électrique, l'identification des ouvertures/fermetures des appareils à partir des signaux électriques au panneau principal nécessite l'utilisation de techniques mathématiques avancées d'analyse du signal permettant l'extraction des signatures (puissance active, réactive, harmoniques, etc.) de chaque appareil mais aussi le développement de modèles algorithmiques qui tiennent compte de la variabilité de ces mêmes signatures. Enfin, une désagrégation du signal électrique est souvent inévitable pour discerner les appareils en fonction simultanément.******Pour les cinq prochaines années, je prévois m'attaquer aux différents défis scientifiques mentionnés précédemment afin d'étendre nos algorithmes de reconnaissance d'activités et d'apprentissage basés sur l'exploitation des données provenant de capteurs RFID et électrique.*****