Reconnaissance d'activités complexes basée sur les LiDAR pour l'assistance cognitive

Description du projet

Développement d'algorithmes d'apprentissage profond pour la reconnaissance d'activités complexes des personnes âgées utilisant des données LiDAR. Le projet vise à améliorer la détection et la compréhension des activités quotidiennes complexes comme la préparation de repas, l'habillage, ou les soins d'hygiène personnelle, pour une assistance cognitive plus précise et personnalisée.

Objectifs de recherche

• Développer des architectures de réseaux de neurones convolutifs 3D pour le traitement des nuages de points LiDAR
• Concevoir des techniques de segmentation temporelle pour l'identification des séquences de mouvements significatives
• Implémenter des mécanismes d'attention pour modéliser les dépendances temporelles dans les séquences d'activités
• Optimiser les algorithmes pour un traitement en temps réel dans l'infrastructure Edge computing du laboratoire

Le laboratoire DOMUS, situé à l'Université de Sherbrooke, est un laboratoire de recherche spécialisé dans le développement d'habitats intelligents et de technologies d'assistance cognitive. Le laboratoire dispose d'un appartement-laboratoire entièrement instrumenté, permettant de tester et valider des solutions technologiques en conditions réelles. Avec plus de 120 déploiements réussis en milieu réel, DOMUS trouve sa place dans le développement de solutions d'assistance pour les personnes âgées et celles atteintes de troubles cognitifs.

Environnement:

• Laboratoire DOMUS, Université de Sherbrooke, Québec, Canada
• Accès à un appartement-laboratoire entièrement instrumenté
• Accès aux capteurs, effecteurs et dispositifs IoT de dernières générations
• Équipe multidisciplinaire (informatique, ergothérapie, gérontologie, designer)
• Collaborations établies avec des centres de santé et des résidences pour aînés

Possibilités de stages internationaux avec nos partenaires dans le monde

Profil recherché

• Maîtrise en informatique, apprentissage machine ou domaine connexe
• Connaissances en apprentissage profond et traitement de données 3D
• Expérience avec PyTorch ou TensorFlow ou autre
• Intérêt pour les applications en santé et assistance cognitive
• Capacité à travailler dans un environnement multidisciplinaire