Présentation

Article interactif

1 - MÉTHODOLOGIE GÉNÉRALE POUR LA RECONNAISSANCE D’ACTIVITÉS

2 - ACQUISITION DES DONNÉES

3 - PRÉTRAITEMENT DES DONNÉES

4 - EXTRACTION ET SÉLECTION DE PARAMÈTRES DE CLASSIFICATION

5 - CLASSIFICATION

  • 5.1 - Classification par les plus proches voisins
  • 5.2 - Classification naïve bayésienne
  • 5.3 - Classification par séparateur à vaste marge (SVM)
  • 5.4 - Classification par réseau de neurones
  • 5.5 - Classification par analyse discriminante
  • 5.6 - Classification par arbre de décision
  • 5.7 - Classification par les forêts aléatoires
  • 5.8 - Combinaison d’algorithmes de classification

6 - VALIDATION

7 - CONCLUSION

8 - GLOSSAIRE

Article de référence | Réf : R1815 v1

Prétraitement des données
Reconnaissance d’activités à partir des données d’un accéléromètre

Auteur(s) : Romain AUBER, Mathieu POULIQUEN, Éric PIGEON

Relu et validé le 24 juin 2021

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

Version en anglais En anglais

RÉSUMÉ

La reconnaissance d’activités à partir de données issues de capteurs a de nombreuses applications telles que le suivi postopératoire de patients en médecine ambulatoire ou le suivi des activités physiques quotidiennes de personnes âgées. Il est choisi ici de ne considérer que les données fournies par un accéléromètre. L’accéléromètre est en effet un capteur permettant une récolte aisée de données sans être dépendant de l’environnement de l’utilisateur, ceci de par sa disponibilité sur des smartphones ou dispositifs dédiés. Le but de cet article est de faire une revue des solutions proposées dans la littérature pour la reconnaissance d’activités sur la base de données accélérométriques. 

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Activity Recognition from Accelerometer Data

Data based activity recognition has many applications such as postoperative monitoring of ambulatory medicine patients or monitoring of the daily physical activities of elderly people. In this paper it is chosen to consider only the data supplied by an accelerometer. Indeed the accelerometer is a sensor allowing an easy data collection without being dependent on the user’s environment, this due to its availability on smartphones or dedicated devices. The aim of this paper is to review the solutions proposed in the literature for the activity recognition on the basis of accelerometric data.

Auteur(s)

  • Romain AUBER : Docteur ingénieur - Bodycap, France

  • Mathieu POULIQUEN : Maître de conférences - Université de Caen Normandie, Caen, France

  • Éric PIGEON : Maître de conférences - Université de Caen Normandie, Caen, France

INTRODUCTION

La reconnaissance d’activités est un problème particulièrement saillant tant de par ses applications pratiques multiples que par les problématiques de recherche qu’elle révèle. Parmi les applications pratiques, nous pouvons citer par exemple le suivi postopératoire en médecine ambulatoire, la détection d’anomalies liées à la santé, la prévention des chutes ou encore, à des fins plus légères, le suivi des activités physiques quotidiennes via une estimation de la dépense calorique ou le suivi des activités sportives (durée d’une course, distance parcourue, etc.).

Il existe plusieurs solutions pour appréhender l’activité d’une personne à partir de capteurs. Une première possibilité consiste à faire de la reconnaissance d’activités à partir d’images ou de vidéos, cependant l’utilisation de données visuelles a deux défauts majeurs : d’une part, la personne doit rester dans le champ de la caméra, d’autre part, certains utilisateurs peuvent être réticents à être constamment sous l’œil d’une caméra dans leur vie privée. Une autre possibilité est donc d’utiliser des capteurs portés par l’utilisateur. À ce titre, en raison de sa démocratisation, de sa discrétion et de sa puissance de calcul, le smartphone peut être utilisé pour collecter des données sur les individus et ces données peuvent être utilisées pour de la reconnaissance d’activités. La plupart des smartphones contiennent en effet de nombreux capteurs tels que des accéléromètres, des gyroscopes, des magnétomètres, etc. Outre le smartphone, des dispositifs peuvent être spécifiquement développés pour la reconnaissance d’activités. Il existe par exemple des dispositifs portables intègrant directement un accéléromètre, un gyroscope et un magnétomètre. Dans d’autres cas, outre les différentes mesures issues des capteurs précédents, des signaux physiologiques, tels que la fréquence cardiaque, la fréquence respiratoire et la saturation en oxygène, peuvent aussi être utilisés. Dans cet article, nous supposons prendre uniquement en compte les données fournies par un accéléromètre. L’accéléromètre est en effet le capteur porté le plus utilisé dans la reconnaissance d’activités. L’utilisation de ce capteur permet de pouvoir récolter des données de n’importe quel endroit et il permet de ne plus être dépendant de l’environnement de l’utilisateur.

Dans cet article nous nous intéressons ainsi à la procédure permettant la reconnaissance d’activités sur la base de données accélérométriques. Cette procédure consiste en l’enchaînement de différentes étapes dont le résultat final est conditionné par des choix de l’utilisateur à chacune des étapes. Il s’agit ainsi dans cet article de faire un état des lieux sur cette procédure en détaillant les éléments technologiques de chacune des étapes et les choix usuels en reconnaissance d’activités.

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

Activity Recognition   |   Accelerometer Data

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-r1815


Cet article fait partie de l’offre

Mesures mécaniques et dimensionnelles

(120 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Version en anglais En anglais

3. Prétraitement des données

3.1 Filtrage

Les signaux fournis par les capteurs peuvent être bruités et un filtre passe-bas doit souvent être appliqué pour éliminer le bruit. Comme vu auparavant, dans certains cas il est choisi de filtrer l’accélération induite par la gravité (composante aig ) en appliquant un filtre passe-haut. Ceci est réalisé à l’aide d’un filtre de Butterworth dans et un filtre passe-bande est utilisé dans . Une étude est proposée dans pour déterminer le filtre optimal pour réduire le bruit du signal fourni par l’accéléromètre. Plusieurs types de filtres sont mis en œuvre et comparés comme le filtre médian, le filtre de Butterworth et le filtre de Kalman.

HAUT DE PAGE

3.2 Fenêtrage

Une étape de fenêtrage est souvent utilisée dans le domaine de la reconnaissance d’activités. Cette étape correspond à la segmentation du signal en fenêtre. Une activité et un vecteur de paramètres sont ensuite attribués à chaque fenêtre pour être utilisés par des algorithmes...

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

TEST DE VALIDATION ET CERTIFICATION CerT.I. :

Cet article vous permet de préparer une certification CerT.I.

Le test de validation des connaissances pour obtenir cette certification de Techniques de l’Ingénieur est disponible dans le module CerT.I.

Obtenez CerT.I., la certification
de Techniques de l’Ingénieur !
Acheter le module

Cet article fait partie de l’offre

Mesures mécaniques et dimensionnelles

(120 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Prétraitement des données
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - ATTAL (F.) et al -   Physical Human Activity Recognition Using Wearable Sensors.  -  In : Sensors, 15, p. 31314-31338 (2015).

  • (2) - LARA (O.D.), LABRADOR (M.A.) -   A Survey on Human Activity Recognition using Werable Sensors.  -  In : IEEE Communications Surveys & Tutorials, 15, p. 1192-1209 (2013).

  • (3) - PREECE (S.J.) et al -   Activity identification using body-mounted sensors – A review of classification techniques.  -  In : Physiological Measurement, 30 (2009).

  • (4) - ATALLAH (L.) et al -   Sensor Placement for Activity Detection Using Wearable Accelerometers.  -  In : IEEE Transactions on Biomedical Circuits and Systems, 5 (2011).

  • (5) - BAYAT (A.), POMPLUN (M.), TRAN (D.A.) -   A Study on Human Activity Recognition Using Accelerometer Data from Smartphones.  -  In : Procedia Computer Science, 34, p. 450-457 (2014).

  • ...

1 Outils logiciels

CISIA juin 2000 Le Bayésien (version pour Windows Vista), [Logiciel] CISIA 1 avenue Herbillon, 94160 Saint-Mandé, France

HAUT DE PAGE

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Mesures mécaniques et dimensionnelles

(120 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Sommaire

QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE

1/ Quiz d'entraînement

Entraînez vous autant que vous le voulez avec les quiz d'entraînement.

2/ Test de validation

Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.

Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Mesures mécaniques et dimensionnelles

(120 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS