Credibilist data fusion in the ambiant intelligence framework
Fusion de données crédibilistes dans le cadre de l'intelligence ambiante
Résumé
The Smart Home concept aims at providing contextualized services to its inhabitants. Based on a heterogeneous sensors domestic network, this new kind of Smart Home deduces the most adapted action to realize with sensory data interpretation. The first problem concerns the strong heterogeneity in the sensor domain: sensors have their own hardware and software features, and their communication standards are poorly standardised. In this thesis, our interest is the context modelling and we propose a service oriented software architecture combining complementary and/or redundant sensors. We use the Transferable Belief Model (TBM) to merge sensor data and to take into account the uncertain nature of information. This model is a variant of the Dempster-Shafer theory. The sensors reliability is taken into account during the merging process to weight a failing sensor. A sensor failure can prevent context data building. The sensor reliability is estimated with a pairwise sensor fusion. The temporal conflict analysis allows detection and identification of a failing sensor. We present a second method aiming at detecting temporal behaviour drift. A TBM fusion between a predicted symbolic state and the observed symbolic state provided by the sensor is achieved. The predicted symbolic state estimation is based on a known model of behaviour. The temporal conflict analysis allows detecting behaviour drifts. Finally, we present a case study where the previous approaches are implemented in cascade in order to detect a falling person.
Le récent concept d’habitat communicant se propose de fournir une offre de services dits contextualisés à l’habitant. Ce nouveau type de « maison intelligente » se base sur l’interprétation de données sensorielles afin de déduire des actions appropriées à réaliser. La première problématique que nous traitons concerne la forte hétérogénéité issue du domaine des capteurs : ceux-ci possèdent leurs propres particularités matérielles, logicielles, et les normes de communications sont faiblement standardisées. Dans cette thèse, nous nous intéressons à la modélisation du contexte, en élaborant une architecture logicielle orientée services combinant des capteurs complémentaires et/ou redondants. Pour pallier la nature incertaine des ces ensembles d’informations et pour les combiner, nous employons le Modèle des Croyances Transférables (MCT). La fiabilité des données capteurs est également prise en compte au sein du processus de fusion : il nous permet de pondérer l’influence d’un capteur défaillant, qui pourrait empêcher la construction de données contextuelles. Cette fiabilité est estimée à partir de la fusion des données deux à deux des capteurs composant le réseau de perception. Une analyse temporelle des conflits issus des différentes fusions nous aide à détecter et à identifier le capteur en cause. Nous proposons également une seconde approche, consistant à détecter des dérives temporelles de comportement. A partir d’un modèle de comportement connu au préalable, nous réalisons la fusion entre un état symbolique prédit et l’état observé par le capteur étudié. L’analyse temporelle du conflit issu de cette fusion permet de détecter des dérives comportementales. Nous proposons enfin un cas d’application mettant en cascade les approches présentées dans le cadre de la surveillance de l’activité humaine, en traitant le cas concret de la détection de la chute d’une personne.
Domaines
Automatique
Origine : Fichiers produits par l'(les) auteur(s)