Habitat sensible et intelligent pour l'aide au maintien à domicile : contribution à l'évaluation de la perte d'autonomie par IOT et IA // Sensitive and smart housing to help people stay at home: a contribution to the assessment of loss of autonomy using I

Ce sujet s'inscrit dans le défi sociétal qu'est l'aide au maintien à domicile de personnes vulnérables. Les praticiens tels que médecins, gériatres, kinésithérapeutes travaillant dans un contexte de pénurie de main d'œuvre, l'utilisation des solutions technologiques et numériques permet d'optimiser ces ressources. La réalisation de mesures continues dans un environnement naturel, non stigmatisant et a priori non intrusif, permet d'obtenir des informations pertinentes et objectives sur le comportement des personnes âgées [Abdel-Khalek 2024]. Les indicateurs liés à la marche sont incontournables et largement exploités pour évaluer la fragilité de la personne [AI Faisal 2023]. Nous nous proposons de mesurer ces mouvements au domicile des personnes à partir de dispositifs développés au laboratoire. Ils sont formés par un réseau de capteurs bas niveau et non intrusifs, tel que des capteurs électrostatiques [Pichon 2024] ou infra-rouge [Abdel et al 2021], connectés en IoT, peu coûteux pour une large diffusion. Associés à des méthodes d'intelligence artificielle, en particulier des algorithmes d'apprentissage profonds, nous obtenons des modalités de plus haut niveau liées à l'actimétrie : la vitesse de déplacement, les longueurs de foulées, voire certains mouvements corporels. Les objectifs de la thèse sont de mettre au point le dispositif bas coût pour une grande diffusion et destinés à être placés au domicile avec la caractérisation des mesures obtenues et également d'étudier les solutions pour rendre invariant les algorithmes d'apprentissage profond aux nombres d'entrées.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This subject is part of the societal challenge of helping vulnerable people to remain in their own homes. Practitioners such as doctors, geriatricians and physiotherapists are working in a context of manpower shortages, and the use of technological and digital solutions makes it possible to optimize these resources. By taking continuous measurements in a natural, non-stigmatizing and a priori non-intrusive environment, we can obtain relevant and objective information on the behavior of the elderly [Abdel-Khalek 2024]. Walking-related indicators are essential and widely used to assess a person's frailty [AI Faisal 2023]. We propose to measure these movements in people's homes using devices developed in the laboratory. They are formed by a network of low-level, non-intrusive sensors, such as electrostatic [Pichon 2024] or infra-red [Abdel et al 2021], connected in IoT, inexpensive for wide distribution. Combined with artificial intelligence methods, in particular deep learning algorithms, we obtain higher-level modalities linked to actimetrics: movement speed, stride lengths and even certain body movements. The aims of the thesis are to develop a low-cost device for widespread use in the home, with characterization of the measurements obtained, and also to study solutions for making deep learning algorithms invariant to the number of inputs
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral

Concours pour un contrat doctoral

Université de Savoie Mont-Blanc

634 Sciences Ingénierie Environnement

- Autonomie, inventivité, rigueur, esprit d'initiative. - Très bonne aisance en programmation, maitrise d'un langage informatique. - Appétence et connaissances de méthode d'apprentissage automatique (machine learning, deep learning). - Une aisance dans l'embarqué sur arduino, raspberry pi est requise. - L'envie d'apprendre de comprendre et d'approfondir au-delà de la réalisation d'une solution. - Bonne maîtrise de l'anglais
-Autonomy, creativity, rigor, and a proactive mindset. -Strong programming skills and proficiency in at least one programming language. -Interest in and knowledge of machine learning and deep learning methods. - Experience with embedded systems using Arduino or Raspberry Pi is required. -A strong motivation to learn, understand, and go beyond simply delivering a technical solution. - Good command of English.