Instruments de mesure des paramètres : utilisation d’accéléromètres

Table des matières

CHAPITRE 1 : INTRODUCTION
1.1 Contexte
1.2 Problématique
1.3 Objectifs
1.4 Présentation du mémoire
CHAPITRE 2 : DÉTECTION D’ACTIVITÉS ANORMALES 
2.1 L’erreur humaine
2.2 Instruments de mesure des paramètres : utilisation d’accéléromètres
2.2.1 Placement des capteurs
2.2.2 Classification des postures et des mouvements
2.3 Analyse et segmentation des données
2.4 La reconnaissance d’activités
2.4.1 Approche utilisant les règles
2.4.2 Approches basées sur des plans de reconnaissance
2.4.3 Approches basées sur les modèles
2.4.4 Détections basées sur la durée de l’activité
2.5 La détection des valeurs aberrantes
2.5.1 Les approches basées sur les similarités
2.5.2 Les approches basées sur les modèles
2.6 Discussion
2.7 Conclusion
CHAPITRE 3 : MÉTHODOLOGIE UTILISÉE
3.1 Problématique et objectifs
3.1.1 Solution suggérée
3.2 Algorithme de segmentation
3.2.1 Utilisation des fonction de densité de probabilité pour la segmentation
3.2.2 La machine de Markov cachée dans le cas asynchrone
3.3 Construction d’une machine à vecteurs de support à une classe
3.3.1 Extraction des caractéristiques
3.3.2 Apprentissage d’une machines à vecteurs de support à une classe
3.4 Modèles d’activités anormales
3.4.1 Procédure d’adaptation itérative
3.4.2 Régression à noyau non-linéaire
3.5 Conclusion
CHAPITRE 4 : TECHNOLOGIES UTILISÉES ET EXPÉRIMENTATIONS 
4.1 Technologie portable suggérée
4.1.1 Casque de sécurité instrumenté
4.1.2 Semelle instrumentée
4.1.3 Architecture logicielle de l’intelligence artificielle du système proposé
4.2 Expérimentation et résultats
4.2.1 Les données d’entraînement et de test
4.2.2 Pré-traitement du signal
4.2.3 La segmentation des données
4.2.4 La reconnaissance des activités
4.2.5 Analyse des résultats et comparaison avec d’autres approches
4.2.6 Les mesures d’évaluations
4.2.7 Les résultats expérimentaux
4.3 Conclusion
CHAPITRE 5 : CONCLUSION 
BIBLIOGRAPHIE