Upload
salali
View
24
Download
0
Embed Size (px)
DESCRIPTION
Présenté par : Nadia Zouba. « Analyse Multicapteurs pour la Reconnaissance d’Activités Humaines ». Application au projet GERHOME «Maintien des personnes âgées à domicile». Mars – Septembre 2006. Plan de la présentation. Introduction État de l’art Approche proposée - PowerPoint PPT Presentation
Citation preview
« Analyse Multicapteurs pour la Reconnaissance d’Activités Humaines »
Présenté par : Nadia Zouba
Mars – Septembre 2006
Application au projet GERHOME
«Maintien des personnes âgées à domicile»
29/09/2006 1
Plan de la présentation
1. Introduction
2. État de l’art
3. Approche proposée
4. Représentation des événements
5. Détection et reconnaissance des événements
6. Résultats et évaluation
7. Conclusion
29/09/2006 2
Introduction
Habitudes de vie
Profil comportemental
Détecter des situations à risque
29/09/2006 3
État de l’art
Télésurveillance médicale à domicile Technologies multicapteurs pour observer les
activités quotidiennes d’une personne [Chan et al. 1995]
Outils statistiques [Fraley et al. 1998] : capteur physiologiques
Réseaux de neurones [Goodman et al. 1999] : capteur infrarouge
Approche probabiliste pour détecter les déviations au comportement normal [Mathews et al. 1995]: capteurs de mouvement
29/09/2006 4
État de l’art (2)
Reconnaissance de scénario Reconnaître les activités normales et anormales
d’une personne
Réseaux de neurone pour reconnaître des scénarios [Howell et al. 2002]
Réseau bayésien pour estimer la probabilité de scénarios potentiels [Bremond et al. 2000]
29/09/2006 5
Approche proposée
Combiner des informations issues de capteurs vidéo et de capteurs de contact.
3 tâches: Détection et suivi de personne et reconnaissance
d’événements vidéo Acquisition et filtrage des données capteur et
reconnaissance d’événements contact Combinaison des événements vidéo et contact
reconnus
29/09/2006 6
Approche proposée (2)
AlarmesFichier
log
Composants capteurCapteur 1
Capteur 2
Capteur n
Reconnaissance d’événements multimodaux
Détection et suivi d’objets
Vidéo 1
Vidéo 2
Vidéo m
Reconnaissance d’événements
vidéo
Composants Vision
filtre
filtre
filtre
Reconnaissance d’événements
contact
Connaissance a priori
Information géométrique et sémantique relative à
l’environnement
Événements d’intérêt définis par des experts
]]
29/09/2006 7
Représentation des événements Objectif
Formaliser les connaissance a priori de la scène observée Contexte 3D de la scène vide de l’environnement observé :
informations géométriques (position, surface, etc.) propriétés sémantiques (porte ouverte ou fermée, etc.)
<Zone ident="1" name="Kitchen" plane_name="ground"> <Ref_distance_list /> <Properties_list> <Property name="In_out_zone:Strict" /> </Properties_list><Outline_list> <Point x="0" y="-577" z="0" /> <Point x="0" y="-310" z="0" /> <Point x="185" y="-310" z="0" /> <Point x="185" y="-577" z="0" /> </Outline_list> </Zone>
29/09/2006 8
Représentation des événements (2)
Modèles des événements d’intérêt prédéfinis par des experts médicaux(gérontologues)
Un événement principale se compose de 4 éléments:
Objets physiques (physical objects) : objets mobiles, équipements et zones d’intérêt
Composants (components) : sous événements qui composent l’événement principal
Contraintes (constraints) : conditions entre les objets physiques et / ou les composants
Action : décision à prendre quand l’événement est reconnu
29/09/2006 9
Représentation des événements (3)
3 types d’événements :
les états primitifs (primitive states): situation stable dans le temps (la personne est localisée dans la cuisine)
les événements primitifs (primitive events) : liste des changements d’état (changement de zone)
les événements composés (composite events): combinaison des états et / ou événements primitifs
29/09/2006 10
Représentation des événements (4)
État primitif «Inside_zone»: PrimitiveState (Inside_zone, PhysicalObjects ((p : Person), (z : Zone))Constraints ((p in z))Action (Priority “Normal” Store_in_logfile))
Événement primitif «Changes_zone»:PrimitiveEvent (changes_zone,PhysicalObjects ((p : Person), (z2 : Zone), (z1 : Zone))Components( (inside_z1 : PrimitiveState inside_zone(p, z1))
(inside_z2 : PrimitiveState inside_zone(p, z2)) )Constraints((inside_z2's Duration <= 5)
(inside_z1 before_meet inside_z2) )Action (Priority “Normal” Store_in_logfile) )
29/09/2006 11
Description des événements vidéo Détection d’objets mobiles
Comparaison à une image de référence Trouver l’ensemble de pixels (blobs) en
mouvement Regrouper ces pixels en objets mobiles Classifier ces objets mobiles en utilisant des
labels tel que PERSON
Suivi d’objets mobiles Associer un identifiant à chaque nouvel objet
mobile détecté Maintenir globalement son suivi dans la scène
Image de référence
29/09/2006 12
Description des événements vidéo (2)
(b) Résultats de la détection
(c) Résultats de la classification
(d) Résultats du suivi
(a) Image originale
29/09/2006 13
Reconnaissance d’événements vidéo
L’algorithme exécute 2 opérations [Vu et al. 2003]
Sélection de l’ensemble des objets physiques Vérification de toutes les contraintes temporelles
Exemple : reconnaissance de l’état primitif “Inside zone”
29/09/2006 14
Reconnaissance d’événements vidéo (2)
Résultat de la reconnaissance de l’événement «Inside zone». Le texte (person is in the Livingroom) apparaît sur l’écran quand l’événement est reconnu
29/09/2006 15
Description des événements contact
Des capteurs de contact (capteurs "Tout ou Rien") sont placés dans le laboratoire d’expérimentation pour observer les activités journalières d’une personne âgée.
4 états et événements primitifs : le statut des tiroirs de cuisine. UpperCupboard est le tiroir de vaisselle LowerCupboard est le tiroir de la nourriture
29/09/2006 16
Description des événements contact (2)
PrimitiveState (UpperCupboard_open,
PhysicalObjects ((c: Equipment))
Constraints ((IsUpperCupboardOpen(c))) )
PrimitiveEvent (person_OpenUpperCupboard,
PhysicalObjects ((p: Person), (c : Equipment))
Components ((p_close: PrimitiveState close_to(p, c))
(uc_open: PrimitiveState UpperCupboard_open(c)) )
Constraints ((p_close before_meet uc_open)))
29/09/2006 17
Description des événements multimodaux (vidéo – contact)
L’ensemble d’événements vidéo combinés avec des événements contact
Reconnaître des événements temporels complexes combinant des événements vidéo et contact
Synchronisation des événements vidéo et contact
29/09/2006 18
Description des événements multimodaux (vidéo – contact) (2) 3 événements composés: Using_food, Using_dishes et
Prepare_meal.
CompositeEvent (Using_dishes,
PhysicalObjects ( (p: Person), (UpperCupboard: Equipment), (Kitchen: Zone))
Components ((p_inz: PrimitiveState inside_zone (p, Kitchen))
(p_open_uc: PrimitiveEvent personOpen_UpperCupboard(p, UpperCupboard))
(p_close_uc: PrimitiveEvent personClose_UpperCupboard(p, UpperCupboard)) )
Constraints ((p_inz before_meet p_open_uc)
(p_open_uc Duration > 10)
(p_open_uc before_meet p_close_uc) ))
29/09/2006 19
Résultats et évaluation
Expérimentation : GERHOME (Gerontology at Home) : labellisé en janvier 2006
par le pôle de compétitivité SCS (Solutions Communicantes Sécurisées).
Porteur : Centre Scientifique et Technique du Bâtiment (CSTB) à Sophia Antipolis.
Solutions techniques d’aide au maintien à domicile des personnes âgées,
Autonomie, confort de vie, sécurité, surveillance et assistance à domicile.
29/09/2006 20
GERHOME
Schéma d’implantation des capteurs dans Gerhome
30 capteurs:
• 6 capteurs de pression (chaises, lit, etc.)
• 8 capteurs de contact (portes et fenêtres)
• 10 capteurs de contact (tiroir, frigidaire, etc.)
• 4 capteur de lumière
• 2 débitmètre
29/09/2006 21
Résultats et évaluation (2)
Localisation continue de la personne par la vidéo
Activités quotidiennes de la personne (utilisation des tiroirs de cuisine, de la vaisselle, etc.) par les capteurs de contact
29/09/2006 22
Résultats et évaluation (3)
Événement TP(%)
FP(%)
FN(%)
Précision Sensitivité
Inside zone
Open cupboard
Close cupboard
Using food
Using dishes
100
98
98
94
94
0
0
0
4
4
0
2
2
2
2
1
1
1
0,959
0,959
1
0,98
0,98
0,979
0,979
FPTP
TPecision
Pr
TPFN
TPySensitivit
Résultats de la reconnaissance des événements Vidéo & contact
29/09/2006 23
Conclusion Combinaison d’informations issues de capteur vidéo et de capteur de contact
Reconnaissance de scénarios prédéfinis en utilisant des capteurs vidéo et des capteurs de contact
Haute priorité du travail à venir :
prévenir la chute des personnes (capteurs de chute (système TRIDENT)),
Paramètres physiologiques d’une personne (capteurs physiologiques (capteur de pouls))
Validation en situation réelle (hôpital, résidences, etc) en se basant sur la fusion et le traitement de données multicapteurs.