Note publique d'information : Dans les pays développés, les dernières statistiques indiquent clairement l’augmentation
de la proportion des personnes âgées. Donc, le maintien de l'autonomie à domicile
constitue aujourd'hui un enjeu primordial pour cette catégorie. En particulier, la
majorité des personnes âgées, vivant seul à domicile, fait face à des situations à
risques telles que des chutes. Dans cette thèse, nous proposons des méthodes non linéaires
dans le but d'extraire des paramètres pertinents pour la prévention et la détection
précoce du risque de chute. L’originalité de ces méthodes réside dans l’analyse non
linéaire des composantes du signal obtenues à partir d’une décomposition modale empirique.
La décomposition modale empirique a permis de mettre en évidence l’existence d’une
composante chaotique dans le signal à partir de laquelle on peut extraire un indicateur
performant de la qualité de la posture humaine. Nous nous sommes particulièrement
intéressés à la reformulation mathématique de l’EMD dans le but est de la généraliser
au cas multidimensionnel. Cette nouvelle extension a été appliquée par la suite sur
les signaux stabilométriques dans le but d'extraire des paramètres pertinents de prévention
et de détection de chute. Les perspectives de ce travail sont nombreuses, parmi lesquelles
la fusion des données de la posture humaine avec d’autres données issues des capteurs
intégrés dans un habitat intelligent
Note publique d'information : In developed countries, the latest statistics clearly indicate that elderly population
is growing, and people are living longer. Thus, maintaining a functional independence
of the elderly becomes a priority for our society. The majority of elderly people
living alone are more and more exposed to risky situations; one of them is the risk
of falling. Falls are the leading cause of serious and health threats in the elder
population. In this thesis, we started by reviewing the problem of fall detection
in the elderly. Next, we proposed non-linear methods in order to extract relevant
parameters for the prevention and early detection of the risk of falling. The originality
of these methods is the nonlinear analysis of the components obtained from an empirical
modal decomposition. The EMD method has highlighted the existence of a chaotic component
in the signal from which we can extract an effective indicator of the quality of human
posture. We are particularly interested in the mathematical reformulation of the EMD
method in order to generalize it to the multidimensional case. This new extension
was applied later on stabilogram signals in the aim of extracting relevant parameters
for the prevention and detection of falling. One of the perspectives of this work
is to consider data fusion of human posture with other data from sensors embedded
in a smart home
paprika.idref.fr
data.idref.fr
Documentation
