Kerkar, Loukman
(2026).
« Détection de chutes humaines basée sur MobileNetV2 et l'information sur l'état du canal Wi-Fi » Mémoire.
Montréal (Québec), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
Le vieillissement de la population augmente le besoin de développer des systèmes de détection de chutes fiables et non intrusifs pour les environnements intérieurs. Les chutes représentent une cause importante de blessures et de perte d’autonomie chez les personnes âgées, ce qui rend nécessaire la mise en place de systèmes de surveillance adaptés. Les solutions traditionnelles basées sur des capteurs portés ou des systèmes de vision présentent plusieurs limites, notamment l’intrusivité, la dépendance à certains équipements et les problèmes liés à la confidentialité. Dans ce contexte, les approches basées sur l’information sur l’état du canal (en anglais, Channel State Information, CSI) provenant des communications Wi-Fi représentent une alternative intéressante, car elles permettent une détection sans dispositif porté en utilisant l’infrastructure sans fil déjà installée. Bien que le CSI ait montré son utilité pour la reconnaissance d’activités humaines et la détection de chutes, la majorité des travaux existants entraînent et évaluent leurs modèles sur un seul jeu de données, généralement avec une division simple entre les données d’entraînement et de test. Cette pratique conduit à des modèles adaptés à un environnement particulier, mais dont la capacité de généralisation diminue lorsque les pièces, les capteurs, la géométrie des lieux ou les conditions de propagation radio changent. De plus, les protocoles de validation croisée et les évaluations entre différents environnements sont rarement utilisés dans les études précédentes, ce qui limite l’analyse de la stabilité des modèles. Dans ce mémoire, nous proposons un système de détection de chutes basé sur une architecture MobileNetV2 modifiée, adaptée à l’analyse des spectrogrammes CSI. Les signaux bruts sont transformés en représentations temps–fréquence afin de capturer les variations du canal radio causées par les mouvements humains. Ces représentations sont ensuite analysées par un réseau de neurones convolutionnel léger permettant d’extraire automatiquement les caractéristiques associées aux chutes. L’utilisation d’un modèle léger permet de réduire la complexité computationnelle et ouvre la possibilité d’un déploiement sur des systèmes embarqués ou des dispositifs à ressources limitées, ce qui constitue un avantage pour des applications de surveillance en environnement réel. L’évaluation expérimentale est réalisée sur trois jeux de données différents : ENetFall, CSI-HAR et ToiFall. Ces bases de données regroupent plusieurs environnements intérieurs, différentes configurations matérielles, des dispositifs Wi-Fi variés et plusieurs types d’activités humaines. Les performances sont évaluées à l’aide de métriques standards telles que l’exactitude, la précision, le rappel et le score F1, ainsi qu’avec une validation croisée k-fold et des tests entre différents environnements. Les résultats montrent que le système obtient une exactitude supérieure à 98 % sur les trois jeux de données et maintient des performances similaires malgré la variation des conditions d’acquisition. Ce travail montre l’intérêt d’un cadre expérimental utilisant plusieurs bases de données pour évaluer les modèles basés sur le CSI et propose une approche légère adaptée à différents environnements intérieurs.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : détection de chutes, CSI, Wi-Fi, MobileNetV2, validation croisée, réseaux de neurones convolutionnels
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu en format PDF. |
|
Directeur de thèse: |
Driouch, El Mahdi |
| Mots-clés ou Sujets: |
Chutes (Accidents) / Détection automatique des chutes / CSI (Télécommunications) / Wi-Fi (Norme) / MobileNetV2 / Réseaux de neurones convolutifs |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
23 sept. 2026 11:40 |
| Dernière modification: |
23 sept. 2026 11:41 |
| Adresse URL : |
https://archipel.uqam.ca/secure/id/eprint/20332 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
