Développement d'un système passif de suivi 3D du mouvement humain par filtrage particulaire
Résumé
Les chutes des personnes âgées à domicile présentent un problème important à cause de leur fréquence et de leurs conséquences médicales, psychologiques et économiques. Pour cela, l'idée d'une prévention des chutes s'avère nécessaire pour réduire leur nombre et leurs conséquences indésirables. Cette idée constitue la motivation principale des projets ANR PARAChute et Predica dont le but est de détecter une dérive vers la chute chez les personnes âgées à domicile. Ce travail de thèse s'inscrit dans le cadre de ce projet et a comme objectif de concevoir un système d'analyse de la marche qui devrait s'intégrer dans la méthode à proposer pour évaluer un risque de chute chez la personne âgée. Une étude des approches déjà adoptées pour évaluer l'équilibre dynamique d'une personne nous a permis d'identifier un certain nombre de paramètres et de tests validés comme étant pertinents pour la détection d'un risque de chute. Or, ces approches s'appuient sur des tests cliniques effectués par les gériatres ou sur l'utilisation de capteurs portables encombrants d'où la nécessité de développer un nouvel outil autonome et non encombrant pour extraire ces paramètres. Notre solution a été de concevoir un système de suivi 3D complet du mouvement humain, capable de nous fournir les positions de quelques points clé du corps durant la marche et à partir desquelles nous pouvons évaluer les paramètres recherchés. Le système de suivi développé utilise des images vidéo obtenues à l'aide d'un caméscope numérique grand public et ne nécessite pas l'intervention d'un opérateur ou l'usage de marqueurs portables. N'utilisant aucun modèle temporel de marche notre méthode est générique et simple. Elle est fondée sur un modèle 3D virtuel humanoïde et sur un nouvel algorithme de filtrage particulaire que nous avons développé dans le but d'estimer la configuration la plus probable de ce modèle vis à vis de l'image vidéo du corps réel. En raison de la nature non gaussienne et multimodale des densités de probabilité impliquées, l'usage d'une approche particulaire était nécessaire. L'algorithme développé, appelé 'Interval Particle Filtering' (IPF), réorganise l'espace de recherche des configurations probables du modèle virtuel d'une façon déterministe, efficace et optimisée. Dans le but de réduire la complexité de cet algorithme, une version factorisée utilisant les réseaux bayésiens dynamiques a été ensuite proposée. Cette version améliorée profite de la Rapport de thèse de Jamal Saboune 1 Résumé modélisation de la marche en une chaîne cinématique pour factoriser la construction du vecteur d'état et la fonction d'observation. En terme de reconstruction 3D, les résultats obtenus à l'aide de notre système de suivi sont assez satisfaisants. La comparaison des valeurs des paramètres recherchés, calculées à partir des positions 3D fournies par un système de référence et par l'algorithme (IPF), montre une erreur moyenne de mesure de 5%. Une étude du suivi longitudinal chez les personnes âgées sera alors nécessaire pour choisir les paramètres qui permettent de déceler une évolution vers un risque de chute chez les personnes âgées.