Bayesian inference for activities of daily living detection for elderly home care applications
Inférence bayésienne pour la détection des activités de la vie quotidienne pour faciliter le maintien à domicile des personnes âgées
Résumé
The increase of the senior population constitutes a major public health issue. The demographic share of the elderly is ever more growing thanks to the progress and advances in medicine and our health care systems. However, with the aging of this population comes a plethora of dependency problems, and this, of course, exponentially.Retirement homes are an expensive and not very popular solution. As a result, we are seeing a surge in home assisted living solutions in the recent years.This topic is in the crossroads between sensor technologies, data transmission, assistance to elderly people and activity monitoring.This thesis explores the application of data analysis algorithms for activity monitoring of elderly people at home. The idea is that with day-to-day monitoring of residents it is possible to infer their autonomy and capacity to perform day-to-day tasks. It also allows caregivers to intervene in cases where the start of some degradation is detected.We explored and adapted some Bayesian inference and time series segmentation methods for activity recognition. And then, we proposed a visualization tool to facilitate the detection of anomalies or changes in everyday habits.This work is part of a CIFRE thesis. The methods and algorithms presented have been put into production and are packaged into Diatelic's the assisted living commercial solution.
L'augmentation de la population séniore se révèle être un enjeu de taille et une grande question de santé publique. La part démographique des personnes âgées s'agrandit de plus en plus grâce au progrès et avancés de la médecine et nos systèmes de santé. Néanmoins le vieillissement de cette population implique naturellement une pléthore de problèmes de dépendance qui y sont associés, ceci bien sûr exponentiellement. Les maisons de retraite sont des solutions généralement coûteuses et très peu appréciées. En conséquence, des solutions plus adaptées basées sur l'aide au maintien à domicile ce développement de plus en plus ces dernières années. Cette problématique se retrouve dans la croisée des chemins entre les technologies de capteurs, la télétransmission de données, l'assistance aux personnes âgées à mobilité réduite et le suivi d'activités. Cette thèse explore l'application d'algorithmes d'analyse de données pour le suivi d'activités des personnes âgées à domicile. L'idée étant qu'un suivi régulier des résidents permet d'inférer leur état de dépendance ou d'autonomie et permet aux personnels soignants d'intervenir en cas de détection d'un début de dégradation. Nous avons exploré et adapté certaines méthodes d'inférence bayésienne et segmentation de séries temporelles pour la reconnaissance d'activités. Et ensuite, nous avons proposé un outil de visualisation permettant de faciliter la détection d'anomalies ou changements de rythme de vie. Ce travail s'inscrit dans le cadre d'une thèse CIFRE. Ainsi tous les méthodes et algorithmes explorés ont été mis en production et sont exploités par la solution d'aide à domicile commercialisé par la société Diatelic.