Documente Academic
Documente Profesional
Documente Cultură
5
_
exp
_
hc
kT
_ (1.1)
avec :
27
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 1. tat de lArt sur la dtection de prsence humaine
dR
CN
(,T)
d
: mittance ou existance spectrale du corps noir (W.cm
(
2).m
(
1)),
h : la constante de Planck (6, 06261776.10
(
34) J.s),
k : la constante de Boltzmann (1, 380662.10
(
23) J.K
(
1)),
: la longueur donde (m),
T : la temprature du corps noir (K).
Figure 1.23 Spectre de rayonnement dun corps noir pour direntes tempratures
Quand la temprature augmente, lintensit chaque longueur donde du spectre de rayonne-
ment augmente aussi. Cela signie que lon peut dterminer la temprature distance dun objet
en mesurant la puissance apparente rayonne. Une telle mesure peut tre ralise en utilisant
lil nu. Lil humain est sensible aux rayonnements dans la gamme 0, 38 0, 75 m, appel
spectre visible (marqu dans la gure 1.23 et dans la gure 1.24). Si la temprature dun objet
dpasse 400C (700 K), une grande partie du rayonnement va tre mis dans la partie rouge du
spectre visible. Lobjet va commencer briller dune couleur rouge fonc, comme par exemple
des poles de chauage lectrique. Si on continue chauer jusqu 1000C (1300 K), sa cou-
leur devient rouge lger, car il y a maintenant du rayonnements vert et jaune qui sajoutent. Le
rayonnement dun objet qui a une temprature de 6000 K apparat blanc pour nos yeux. 6000 K
est la temprature du soleil et nos yeux sont habitus voir ce rayonnement comme une lumire
blanche [Schilz, 1999].
1.1.5.2 Les dtecteurs thermiques
Cette partie est inspire des tats de lart de [Escriba, 2005] et [Haar, 2007] qui, mon avis,
proposent un tat de lart de qualit.
Les dtecteurs thermiques sont des transducteurs dans lesquels le rayonnement infrarouge est
directement transform en chaleur par absorption [Escriba, 2005]. Les variations du ux ther-
mique sur le transducteur permet dobtenir une information sous la forme dun signal lectrique
en fonction de la temprature. La gure 1.25 issue de [Escriba, 2005] dcompose les dirents
lments des dtecteurs : un absorbeur, le corps dpreuve primaire, un thermomtre, le trans-
ducteur et une isolation thermique. Tous ces lments runis permettent la mesure de faibles
28
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
1.1. Les caractristiques de la prsence et diffrents systmes de dtections
Figure 1.24 Spectre des rayonnements lectromagntiques
variations de temprature moyennant lun des eets suivants : pyrolectrique, bolomtrique ou
thermolectrique.
Figure 1.25 Structure fondamentale dun dtecteur thermique
Nous avons dj prsent lapplication de dtection de mouvements avec les dtecteurs pyro-
lectriques. Les matriaux utiliss pour la conception de ces capteurs permettent une variation
de polarisation lectrique due un changement de temprature. Cette variation de polarisation
cre une dirence de potentiel temporaire, celle-ci disparaissant aprs le temps de relaxation
dilectrique. Cette variation est dtectable sous forme dun courant lectrique.
Dans les dtecteurs bolomtriques lchauement thermique, provoqu par labsorption de
rayonnements infrarouges, modie la conductivit lectrique dun matriau thermosensible. Ce
type de capteur est souvent utilis sous forme de matrice pour des applications dimagerie.
Les capteurs thermolectriques sont aussi appels thermopiles et sont constitus de plusieurs
thermocouples en srie. Un thermocouple est compos de deux conducteurs dirents (gure
1.26). Leet Seebeck met en vidence la gnration dune f.e.m. par ce thermocouple soumis
une dirence de temprature T entre deux jonctions conscutives. La relation suivante permet
29
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 1. tat de lArt sur la dtection de prsence humaine
de calculer cette dirence de potentiel note v :
v = (
1
2
) T
avec
1
et
2
les coecients Seebeck des matriaux 1 et 2
T : la dirence de temprature entre les deux jonctions.
Figure 1.26 Dessin dun thermocouple
Lutilisation de plusieurs thermocouples pour constituer la thermopile permet lobtention du
potentiel suivant :
v = N (
1
2
) T
avec N le nombre de thermocouples.
Sur la base de cette technologie, des matrices sont ralises pour des application dimagerie
basse rsolution. Dailleurs, il existe des travaux sur la dtection dhumain laide dune matrice
de thermopile, notamment en utilisant le TPA81 qui est une matrice 18 [Honorato et al., 2008]
(voir la gure 1.27).
Figure 1.27 TPA81
1.2 Habitat intelligent
Lapplication des capthoms pourrait toucher de nombreux domaines notamment ceux dve-
lopps sur le thme de recherche des habitats intelligents. Il existe de nombreux travaux sur les
habitats intelligents ("smart home"). Lutilisation des capteurs dans ce genre de projet est une
problmatique centrale. Ces projets ont souvent pour vocation damliorer le confort des habi-
tants. Nous avons vu prcdemment que linformation de prsence peut tre une information utile
pour les problmatiques lies aux conomies dnergie domestique. Cependant, les projets sur le
30
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
1.2. Habitat intelligent
maintien domicile utilisent linformation de prsence humaine pour amliorer lautonomie et la
scurit de la personne dans son habitat (dans ce cadre, les soucis dconomie dnergie ne sont
pas une priorit). Il nest pas rare que ce genre de projet vise toucher des utilisateurs prcis
rclamant une aide au quotidien : personnes ges, handicapes, personnes touches par une ma-
ladie dgnrative, etc. . . ce sujet, un excellent travail de synthse a t ralis dans larticle
de [Chan et al., 2008] qui prsente les projets mondiaux prsents sur le sujet. Cette synthse est
prsente [Chan et al., 2008][Bonhomme, 2008] dans qui regroupent les dirents projets selon
le type de dtecteurs choisi et des mthodes pour les traitements des donnes.
On remarque dans ces dirents projets que lapplication prioritaire de lhabitat intelligent
est la sant. Larticle [Noury et Rialle, 2003], qui prsente aussi des projets utilisants plusieurs
sortes de capteurs, parle mme du concept dhabitat intelligent pour la sant (HIS) qui a pour
but de redonner la possibilit de vivre avec une certaine autonomie malgr certains handicaps
ou pathologies qui normalement contraignent lhospitalisation ou un placement dans une ins-
titution spcialise. Bien sr, les applications dveloppes peuvent proter aux personnes ges.
Dans ces projets orients sant, on notera limportance de rcolter des donnes physiologiques :
la masse corporelle,
la temprature,
la tension artrielle,
la saturation en oxygne du sang,
le pouls.
On cherche aussi complter ces donnes par des informations dactivit. Des capteurs de mouve-
ments sont utiliss pour dtecter les dplacements de la personne. Des acclromtres permettent
de dtecter la chute qui est une proccupation majeure du maintien domicile des personnes
ges. [Noury et al., 2009] et [Cislo et al., 2007]rfrencent dirents capteurs pour la tlsur-
veillance mdicale et dirents projets participants lavancement de la thmatique maintien
domicile. Les rsultats sont intressants, des verrous technologiques sont souvent levs mais il
reste maintenant des problmatiques dutilisation de ces technologies par les patients.
Une des techniques les plus tudies pour le maintien domicile reste ltude des habitudes
de la personne base sur un algorithme dapprentissage. Nous avons lexemple en France du
systme PROSAFE ralis par le LAAS et EDF qui a pour ambition danalyser les habitudes
pour raliser leur apprentissage puis de crer un systme automatique de diagnostic en temps
rel lorsque la personne dvie de son comportement habituel [Campo et al., 2003]. Il nest donc
pas rare de trouver des travaux de recherches ddis aux personnes atteintes de dmence ou de
dcience cognitive (Alzeimer) [Pigot et al., 2003].
Bien entendu, les applications de lhabitat intelligent ne sarrtent pas lapplication maintien
domicile. De nombreux travaux ont pour but damliorer la vie de nimporte quelle personne
[Ivanov et al., 2002]. Les trois principaux objectifs de ces systmes sont :
la scurit (dtection dintrusion),
lutilisation conomique des ressources de la maison (commande de la lumire, du chauage
et de la ventilation),
le confort.
Pour atteindre ces objectifs, on peut avoir besoin de direntes informations tels que :
le nombre de personnes dans la pice,
identier la personne,
lactivit de la personne,
31
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 1. tat de lArt sur la dtection de prsence humaine
la localisation de la personne dans la pice.
Le projet DOMUS, (non recens dans larticle [Chan et al., 2008] cit prcdemment), propose
un appartement quip par dirents capteurs dans le but damliorer le confort des habitants. La
question de la localisation a t lune de leurs proccupations et pour y arriver, lutilisation dun
ltre baysien est propose [Youcef et al., 2008]. EDF-R&D travaille aussi avec les laboratoires
de recherches tel que le LAAS sur le projet ERGDOM depuis presque dix ans et dont le but est
doptimiser la gestion du confort et lconomie dnergie [Bonhomme, 2008].
Cette section prsente les dirents travaux lis notre problmatique ( savoir dtecter la
prsence humaine) mais napporte pas la rponse des pistes suivre. Cependant, ce tour dhorizon
sur les dirents projets nous a montr le vif intrt pour linformation de prsence humaine dans
ces habitats intelligents. Dautant plus que linformation de prsence peut tre complte par le
dnombrement, la localisation ou lactivit. Cependant, lobjectif du projet CAPTHOM est la
commercialisation dun produit ni, ce qui implique des contraintes de cot, dacceptabilit
par lutilisateur (non-intrusive), dencombrement, de simplicit dutilisation pour le client et de
standardisation de linstallation du capteur. ne pas en douter, le dveloppement dun dtecteur
de prsence humaine able sera un capteur incontournable dans les projets de recherche sur les
habitats intelligents que ce soit pour la domotique ou pour le maintien domicile.
1.3 Conclusion
Cette partie avait pour objectif de rpertorier les phnomnes physiques qui peuvent faire
lobjet de mesures pour la dtection de prsence humaine. La grande quantit dinformations
qui peuvent tre utiles risque de nous amener dvelopper un systme de dtection assez lourd.
Do la ncessit de choisir un ou deux phnomnes physiques les plus appropris pour notre
application. La prsentation des dirents dtecteurs existants dans le commerce ou dans les
laboratoires de recherche nous permet de nous rendre compte quavec la vision, la capture de
linformation de chaleur mise par le corps humain est le moyen le plus utilis et srement le plus
appropri pour une dtection de prsence humaine. Dailleurs, ce sont des dispositifs qui sont
utiliss dans la recherche pour les habitats intelligents quils soient orients vers la domotique ou
vers le maintien domicile.
32
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
CHAPITRE 2
Validation des choix technologiques, tests de caractrisations et applications
Sommaire
2.1 valuation des missions de Capthom . . . . . . . . . . . . . . . . . . . 35
2.2 Identication des technologies . . . . . . . . . . . . . . . . . . . . . . . 38
2.2.1 Tests sur multi-capteurs de direntes natures technologiques . . . . . . 38
2.2.1.1 Scnario 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.2.1.2 Scnario 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2.1.3 Scnario 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2.1.4 Scnario 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.2.1.5 Scnario 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
2.2.1.6 Scnario 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.2.1.7 Scnario 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.2.1.8 Conclusion sur les scnarios . . . . . . . . . . . . . . . . . . . . 52
2.2.2 Capteur de CO
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.2.3 Systme entre/sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2.4 Essais avec un capteur de type thermopile . . . . . . . . . . . . . . . . . 56
2.2.4.1 Etude comparative . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.2.4.2 Scnario 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.3 Caractrisations des capteurs . . . . . . . . . . . . . . . . . . . . . . . 64
2.3.1 SNOOPS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
2.3.2 Essais prliminaires avant la mise en place du banc de tests . . . . . . . 65
2.3.3 Le banc dessai . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.3.4 Mthode de caractrisation des capteurs Infrarouges . . . . . . . . . . . 69
2.3.4.1 Dtermination du zro . . . . . . . . . . . . . . . . . . . . . . . 69
2.3.4.2 Caractrisation en fonction de langle . . . . . . . . . . . . . 70
2.3.4.3 Caractrisation en fonction de lazimuth . . . . . . . . . . . . 71
2.3.4.4 Caractrisation en distance et obtention dun modle . . . . . 73
33
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
2.3.5 Rsultats de la caractrisation pour simulation en 2 dimensions . . . . . 74
2.3.5.1 Dtermination du zro . . . . . . . . . . . . . . . . . . . . . . . 74
2.3.5.2 Erreur sur la rponse du capteur . . . . . . . . . . . . . . . . . 74
2.3.5.3 Caractrisation en fonction de langle . . . . . . . . . . . . . . 76
2.3.5.4 Caractrisation en fonction de la distance . . . . . . . . . . . . 76
2.3.5.5 Modle de la rponse du capteur . . . . . . . . . . . . . . . . . 77
2.3.5.6 Caractrisation dun capteur commercialis . . . . . . . . . . . 78
2.4 Application la dtection de prsence des capteurs type thermopile 80
2.5 Conclusion sur les besoins du projet . . . . . . . . . . . . . . . . . . . 83
34
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.1. valuation des missions de Capthom
Dans ce chapitre, nous prsenterons lvaluation des missions que le capthom doit remplir,
propose par les travaux de Pierre David. Au cours du projet, nous avons pu raliser de nombreux
tests sur dirents capteurs de natures technologiques direntes dont nous prsenterons les r-
sultats eectus pour des scnarios dessais varis. Aprs ces dirents essais sur les capteurs en
notre possession, notre intrt sest port sur une technologie particulire : les thermopiles. Pour
pouvoir les utiliser, nous avons ralis de nombreux tests et dvelopp une mthode de caractri-
sation dcrite dans ce chapitre. Nous nirons par proposer une application possible dans le cadre
de la dtection de personne.
2.1 valuation des missions de Capthom
[David, 2009] propose une modlisation des besoins du projet CAPTHOM laide du langage
SysML. Les besoins que doivent remplir le capthom dpendent des exigences attendues par nos
partenaires industriels. Bien entendu, il est demand que le capthom nait pas les dfauts du
PIR (bien que connus et accepts par les utilisateurs). Devant les direntes visions et attentes
de nos partenaires, il a t ncessaire de proposer un formalisme capable de traduire les objectifs
remplir par le capthom devant direntes situations. Ce travail a t ralis avec succs par
Pierre David laide dune che qui a t soumise tous les interlocuteurs du projet et a permis
lcriture de plus de 30 scnarios dont les dclinaisons conduisent plus de 100 tests concrets
[David, 2009]. Ce nombre important de scnarios a traduit le besoin dun outil de simulation
capable dvaluer les technologies dans des environnements aux caractristiques varies. En eet,
on imagine aisment que raliser autant de tests demandent beaucoup de temps. Bien entendu,
laspect test rel nest pas mis de ct. [David, 2009] dnit trs clairement quatre types de
situations reprsentatives des missions cones aux futurs capthoms qui feront lobjet de tests :
loccupation normale et active dune pice : debout, assis, marche, lecture, travail de bureau,
cuisine, . . .
le sommeil dans un lieu classique : lit, canap, fauteuil
les activits anormales : chutes, agitations, comportement en dcalage avec le lieu
les stimuli de fausses dtections (ash lumineux, ondes lectromagntiques, objets mobiles,
. . .) et des causes dinhibition de dtection (vtements froids, occultations, . . .).
La gure 2.1 permet de dnir les limites de ltude. Deux types dacteurs humains sont
identis : linstallateur et lutilisateur. Bien entendu, ces deux acteurs peuvent tre confon-
dus dans une situation donne. Le terme utilisateur qualie une cible humaine qui doit tre
dtecte par le capthom. Il est noter que les utilisateurs sont en concurrence avec lenvironne-
ment lorsque le capthom doit capter les ux physiques trahissant la prsence humaine do la
ncessit de discriminer toutes les informations inutiles ou perturbantes prsentes dans le champ
de dtection. Ce diagramme permet de traduire les besoins dnis par le cahier des charges,
savoir quil nous faut en priorit tre capable didentier la prsence, et au plus haut niveau
dterminer la posture et/ou lactivit, localiser ou identier la personne. La gure 2.1 traduit la
connexion un superviseur du systme domotique, autrement dit, si le capthom est capable de
donner direntes informations sur la prsence, il ne commande en aucun cas les quipements
de lhabitat intelligent.
Le cahier des charges du projet CAPTHOM est le rsultat de lagrgation des cahiers des
charges particuliers de chaque participant au projet. Les exigences exprimes souraient du
35
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.1 cas dutilisation dun capthom
36
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.1. valuation des missions de Capthom
manque dune reprsentation commune, dun vocabulaire commun et dune hirarchisation. Cela
conduisait des exigences dupliques, peu claires pour lensemble des intervenants et grandement
dsorganises. La rdaction du modle dexigences en SysML, par lintermdiaire de Require-
ments Diagrams, a permis de pallier nombre de ces problmes et dobtenir un modle dexigences
simple, prcis et robuste face aux direntes modications [David, 2009]. La gure 2.2 nous donne
les exigences de la qualit de la dtection en fonction du temps de rponse, la porte et la
abilit. La gure 2.3 est un Requirement Diagram qui regroupe des exigences relatives
lalimentation, la xation, le prix, . . .
Figure 2.2 Requirement Diagram des Exigences de Dtection
Une architecture de Capthom est propose dans [David, 2009]. Le modle spcie les compo-
sants principaux du futur capteur de prsence. On identie trois composants intervenant dans le
traitement du signal. Le conditionneur eectue une mise en forme du signal issu du transduc-
teur, lunit de traitement labore la rponse du capthom en fonction du signal transmis par
le conditionneur. Cette prise de dcision peut ncessiter des connaissances stockes dans une
mmoire. Le module charg de rendre le capthom communicant est reprsent par linterface
de communication relie au systme superviseur. Le transducteur est le point dentre du
capthom, il rend sensible le capteur son environnement. Il constitue un point crucial de larchi-
tecture, car il est le seul composant en relation avec le phnomne recherch : les ux provenant
des humains. Nanmoins, on remarque aussi quil est en relation avec lenvironnement et quil
est donc soumis plus dinuences que nous le dsirons. Les variations de typage des ow ports
expriment, dans ce modle, la transformation du ux intervenant au cur du capthom, jusqu
lobtention de la rponse capthom transmise sous forme de signal numrique.
Nous avons donc dcrit dans lintroduction de notre mmoire les exigences initiales formules
37
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.3 Requirement Diagram des Exigences gnrales
au dmarrage du projet CAPTHOM. Le travail dcrit dans [David, 2009] nous permet de mieux
dcrire les besoins du projet. Ainsi, au fur et mesure de lavancement du projet, deux axes de
recherches ont t dnis. Le premier est appel capthom basique : la rponse de ce capteur
est du type tout ou rien savoir prsence ou non-prsence. Il est prvu que le capteur ne
soit compos que dun lment et que son cot soit trs faible comme prvu initialement. Lautre
axe est appel capthom tendu dont la rponse pourrait remplir un registre des direntes
informations complmentaires la prsence (nombre de personnes, localisation, activit, etc . . .).
La technologie avance est base sur du traitement dimages. La possibilit que le systme soit
multicapteurs (et de direntes technologies) nest pas carter.
2.2 Identication des technologies
Pour commencer nos recherches, ils nous a fallu apprhender le comportement rel des dif-
frents capteurs. Cet objectif ncessite la ralisation de multiples essais. Dirents scnarios
divers et varis ont t raliss dont sept vont tre prsents dans cette thse, le but, ici, tant
dapprhender le potentiel de chaque capteur pour notre application dans le projet CAPTHOM.
2.2.1 Tests sur multi-capteurs de direntes natures technologiques
A laide de scnarios de base, on cherche valuer les performances de divers dtecteurs de
technologies direntes en confrontant les rsultats face aux dirents vnements. On quipe la
38
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
pice de dirents capteurs :
3 dtecteurs pyrolectriques,
3 barrires infrarouges,
un capteur de CO
2
(IAQ),
un capteur de lIEMN,
une webcam.
La gure 2.4 nous donne la conguration du placement des dirents capteurs. Les quatre
cases, numrotes de 1 4, reprsentent des fauteuils autour du bureau. Le laboratoire de lIEMN
a dvelopp des capteurs de type thermopile qui ont un plus grand nombre de thermocouples
que les capteurs thermopiles commerciaux, nous avons eu la possibilit de les utiliser pour nos
tests. LIEMN
1
et le pyromtre qui laccompagnent sont placs de faon viser la pice dans son
ensemble ; bien sr nous ne lavons pas plac dans le coin ct de larmoire pour ne pas avoir
une obstruction dans le champ de dtection des capteurs.
Figure 2.4 Instrumentation dune pice
On propose un systme compos de deux dtecteurs pyrolectriques (RE200B) et dun capteur
ultrason placs au dessus de la porte pour avoir une information dentre et de sortie. Les
dtecteurs pyrolectriques sont utiliss sans lentilles de Fresnel mais leur porte est susante
dans lutilisation prsente quand une personne entre ou sort par la porte. Ils sont aussi placs
dans le sens du passage de faon discriminer une personne qui entre ou qui sort. Un capteur
ultrason (tlmtre) est plac entre les deux dtecteurs infrarouges. Au repos, ce capteur va
mesurer la distance entre le sol et lui-mme. Lorsquune personne passera, le signal recueilli
correspondra la distance entre la cible et lui-mme. Du fait de son principe de fonctionnement,
le capteur donne une information de distance que la cible soit humaine ou non, do lide de
combiner sa mesure avec les informations des dtecteurs RE200B qui possdent un ltre qui
laisse passer le rayonnement infrarouge dun humain.
1. Nous dsignons ici, et dans la suite du mmoire, par IEMN le capteur infrarouge dvelopp par le labora-
toire de Lille IEMN (Institut lectronique, de Microlectronique et de nanotechnologie). Lorsque nous parlerons
du laboratoire en lui-mme nous le spcierons ainsi : laboratoire IEMN
39
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Dun ct du bureau, on place une barrire IR; de lautre, on en place deux. Les deux barrires
IR, ont pour ambition de dterminer le sens de passage de la cible. On veut comparer la pertinence
des rsultats dune barrire par rapport deux barrires en parallle. Intuitivement, lutilisation
de 2 capteurs parat tre plus intressante car plus que le passage, lutilisation de deux barrires
nous donne linformation du sens de passage en fonction de lordre de dtection. Mais dans une
nalit dindustrialisation et donc de commercialisation, la multiplication des capteurs nest pas
un facteur en faveur du cot nal du produit donc si des besoins du cahier des charges peuvent
tre remplis par un seul capteur au lieu de deux, alors il est vident que la solution dite low-cost
sera privilgie.
La webcam surveille les entres et les sorties au niveau de la porte. Les images prises ont t
utilises pour lvaluation et le dveloppement de lalgorithme de la thse de Yannick Benezeth
[Benezeth, 2009]. Linconvnient de cette technologie est quil faut une luminosit susante
pour avoir des images correctes utilisables par lalgorithme de vision pour la reconnaissance de
personne. Cette condition nous rappelle que lutilisation dune camra seule pour la commande
de lclairage nest pas une solution adquate. Il est vrai quun algorithme de vision peut tre
utilis avec une camra IR [Benezeth et al., 2008] mais le prix de ces instruments de vision de
pointe ne sont pas encore abordables pour le cot nal vis par le cahier des charges.
Nous avons ralis une campagne de mesures, nous allons prsenter ici sept scnarios sur les
dirents tests raliss :
Scnario 1 : Une personne entre, sassoit en 1 puis ressort.
Scnario 2 : Une personne entre, sassoit en 2 puis ressort.
Scnario 3 : Une personne entre, sassoit en 4 puis ressort.
Scnario 4 : Une personne entre, sassoit en 3 puis ressort.
Scnario 5 : Une personne entre, puis une deuxime, les deux sont assises, puis elles res-
sortent lune aprs lautre.
Scnario 6 : Une personne est en mouvement dans la pice.
Scnario 7 : Deux personnes sont dans la pice, une personne est mobile, lautre reste assise,
puis les deux sortent.
2.2.1.1 Scnario 1 : Une personne entre, sassoit en 1 puis ressort
Le premier scnario est un vnement simple et courant du quotidien. Une personne entre
dans la pice, elle sassoit puis ressort de la pice. Comme indiqu sur la gure 2.5, on demande
lacteur du test de sasseoir en 1, puis de sortir. Le rsultat de tous les capteurs est donn dans
la gure 2.6.
En entrant dans la pice, la personne est dtecte par les deux dtecteurs pyrolectriques et
le capteur ultrason. Le premier dtecteur pyrolectrique nest pas plac de faon ce que ces
deux lments sensibles soient dans le sens de la marche contrairement au deuxime dtecteur.
La gure 2.7 nous montre justement que le placement des capteurs est important pour avoir
un signal similaire au signal dcrit sur la gure 1.21 (page 25) pour un dtecteur sans lentille.
Une tude sur un systme dentres/sorties bas sur les dtecteurs infrarouges sera propose plus
loin o les lments sensibles des dtecteurs seront placs tous les deux dans le sens de passage.
Malgr ce placement peu favorable une bonne dtection, une information dentre a pu tre
conrme sur la gure 2.7 par comparaison du t entre les pics des rponses des dtecteurs
40
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Figure 2.5 Action ralise dans la pice pour le scnario 1
Figure 2.6 Rsultat des rponses des capteurs pour le scnario 1
41
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
pyrolectriques. Le capteur Ultrason permet de conrmer le passage de cette personne. La
gure 2.8 nous donne un rsultat similaire pour la sortie de la personne de la pice, mme si la
rponse du premier dtecteur infrarouge nest pas aussi satisfaisante que la rponse du deuxime.
Figure 2.7 Rsultat des dtecteurs pyrolectriques et du capteur ultrason pour une entre
et une image donne par la webcam sur lvnement
Figure 2.8 Rsultat des dtecteurs pyrolectriques et du capteur ultrason pour une sortie
et une image donne par la webcam sur lvnement
Lobservation des rponses des barrires infrarouges est en harmonie avec les vnements
attendus du scnario. Seule la barrire IR3 a t franchie (gure 2.9, page 43). Lors du premier
franchissement, un crneau t = 41 s est observ qui correspond bien une dtection de passage
dune personne. Par contre, plus tard dans le scnario, quand la personne passe nouveau devant
la barrire t = 99, 75 s, deux crneaux sont observs au lieu dun crneau. Le scnario 1 tant
bien dni pour des actions menes par une personne, il est vident que les deux crneaux ne
correspondent pas au passage de deux personnes. Notre cobaye avait aussi la responsabilit de
42
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
suivre le scnario simple quil lui a t indiqu au dpart, donc il lui a t interdit davancer et de
reculer au niveau de la barrire. En fait, les deux crneaux obtenus pour un passage sexpliquent
par le placement des barrires. En eet, nous avons plac nos barrires pour une dtection de
passage au niveau des jambes. Finalement, le fait davoir deux crneaux pour un passage peut
arriver souvent ; dailleurs cest ce que nous constaterons par la suite.
Figure 2.9 Rsultat pour le franchissement dune barrire deux instants dirents
Le capteur IEMN est mis en concurrence avec un PIR (appel ici PIR global) pour la
surveillance de la pice. Le PIR dtecte du mouvement aprs chaque pic de franchissement de la
barrire IR3, ce qui est tout fait cohrent. Par contre, tout le temps o la personne est assise,
il ny a aucune dtection. Il y aura juste un pic autour du temps t = 87 s qui correspond
la personne qui se lve. En ce qui concerne lIEMN, sa porte est un peu faible pour pouvoir
vraiment prtendre un rsultat able dans ce scnario. Toutefois, sa rponse est au-dessus dun
certain niveau tout le temps que la personne est dans la pice.
2.2.1.2 Scnario 2 : Une personne entre, sassoit en 2 puis ressort.
Le deuxime scnario est sensiblement ressemblant au premier : une personne entre dans la
pice, elle sassoit sur le fauteuil 2 (au lieu du 1) puis ressort de la pice, comme indiqu sur la
gure 2.10. Le rsultat de tous les capteurs est donn par la gure 2.11.
Figure 2.10 Action ralise dans la pice pour le scnario 2
Les rsultats des dtecteurs pyrolectriques, du capteur ultrason et de la barrire IR3
sont donns dans les gures 2.12, 2.13 et 2.14 (page 44). Les observations sont trs proches des
commentaires faits prcdemment pour les rponses des capteurs dans le premier scnario. Une
nuance peut tre apporte, car la personne qui sest prte lexprience nest pas la mme
que celle du premier scnario. Ce deuxime sujet nous permet davoir de meilleures rponses au
niveau des dtecteurs infrarouges placs au-dessus de la porte. Cette amlioration peut sexpliquer
43
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.11 Rsultat des rponses des capteurs pour le scnario 2
par lhabillement et/ou la corpulence de la personne. Ceci tant, le montage lectronique des
dtecteurs pyrolectriques nous permet de jouer aussi sur la sensibilit du capteur laide de
potentiomtre. Nous avons prfr ne pas toucher au rglage et utiliser la deuxime personne
pour le reste des scnarios. Conformment au changement de personne entre les deux scnarios,
le pic donn par le capteur ultrason nest pas le mme, on rappelle que ce capteur est un
tlmtre donc comme la seconde personne est plus grande, le pic observ est suprieur au pic
observ pour la premire personne.
Figure 2.12 Rsultat des dtecteurs pyrolectriques et du capteur ultrason pour une entre
et une image donne par la webcam sur lvnement
44
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Figure 2.13 Rsultat des dtecteurs pyrolectriques et du capteur ultrason pour une sortie
et une image donne par la webcam sur lvnement
Figure 2.14 Rsultat pour le franchissement dune barrire
45
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
2.2.1.3 Scnario 3 : Une personne entre, sassoit en 4 puis ressort.
Le scnario 3 ressemble aux deux premiers : une personne entre dans la pice, elle sassoit
sur le fauteuil 4 pour cette exprience puis ressort de la pice, comme indiqu sur la gure 2.15.
Les actions attendues semblent tre identiques aux autres scnarios, mais les capteurs sollicits
ne sont pas les mmes du fait du parcours suivre. Le rsultat de tous les capteurs est donn
par la gure 2.16.
Figure 2.15 Action ralise dans la pice pour le scnario 3
Figure 2.16 Rsultat des rponses des capteurs pour le scnario 3
Les rsultats des dtecteurs pyrolectriques et du capteur ultrason sont donns dans les
gures 2.17 et 2.18. Nous observons des rsultats aussi encourageants que dans les deux premiers
scnarios. Pour ne pas alourdir le mmoire, nous ne ferons pas apparatre le zoom sur les rponses
des capteurs au niveaux de la porte pour les entres et les sorties car les rsultats sont trs
similaires.
Ce scnario nous permet de mettre en valeur lutilisation de deux barrires IR en parallle.
46
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Figure 2.17 Rsultat des dtecteurs pyrolectriques et du capteur ultrason pour une entre
et une image donne par la webcam sur lvnement
Figure 2.18 Rsultat des dtecteurs pyrolectriques et du capteur ultrason pour une sortie
et une image donne par la webcam sur lvnement
47
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
La gure 2.19 nous montre le franchissement des barrires deux moments dirents. Le sens
de passage peut tre dtermin laide du front montant des crneaux.
Figure 2.19 Rsultat pour le franchissement dune barrire
La rponse du PIR global est dle sa rputation, il dtecte une prsence sil y a su-
samment de mouvement. Pour lIEMN, le rsultat obtenu est un peu plus satisfaisant que dans
les cas prcdents, srement grce la proximit des actions. De faon plus visible que dans les
scnarios prcdents, le signal de lIEMN lorsque la personne est dans la pice est suprieur au
signal obtenu lorsque la pice est vide.
2.2.1.4 Scnario 4 : Une personne entre, sassoit en 3 puis ressort.
Le scnario 4 ressemble au scenario 3 : une personne entre dans la pice, elle sassoit sur
le fauteuil 3 puis ressort de la pice, comme indiqu sur la gure 2.20. Le rsultat de tous les
capteurs est donn par la gure 2.21.
Figure 2.20 Action ralise dans la pice pour le scnario 4
Les rponses des capteurs sont trs similaires aux rponses obtenues par le scnario 3. Tou-
tefois, comme le fauteuil 3 est plus proche de lIEMN, nous avons donc pu recueillir pour ce
capteur un signal pour la prsence dune personne qui peut tre dissocie du signal plus faible
pour une pice vide comme nous le suggre la gure 2.22.
48
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Figure 2.21 Rsultat des rponses des capteurs pour le scnario 4
Figure 2.22 Rsultat de la rponse de lIEMN sur le scnario 4
49
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
2.2.1.5 Scnario 5 : Une personne entre, puis une deuxime, les deux sont assises,
puis elles ressortent lune aprs lautre.
Le scnario 5 propose de faire intervenir deux personnes : une personne entre et sassoit dans
le fauteuil 1, une deuxime arrive puis sassoit sur le fauteuil 4 (voir gure 2.23). Le rsultat de
tous les capteurs est donn par la gure 2.24.
Figure 2.23 Action ralise dans la pice pour le scnario 5
Figure 2.24 Rsultat des rponses des capteurs pour le scnario 5
Finalement, ce scnario nest quune superposition des scnarios 1 et 3. Toutefois, linforma-
tion du nombre de personnes ne peut tre donne que par les capteurs situs au niveau de la
porte. Si les informations donnes par les trois premiers graphes de la gure 2.24 sont supprimes,
on pourrait croire que cest une seule personne qui fait le tour de la pice.
50
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
2.2.1.6 Scnario 6 : Une personne est en mouvement dans la pice.
Dans ce scnario, la personne fait le tour de la pice comme indiqu sur la gure 2.25. Les
rsultats de tous les capteurs sont donns par la gure 2.26.
Figure 2.25 Action ralise dans la pice pour le scnario 6
Figure 2.26 Rsultat des rponses des capteurs pour le scnario 6
On remarque que pour t = 103s, les signaux donns par les deux dtecteurs pyrolectriques
pourraient nous faire penser quil y a une entre ou une sortie mais linformation nest pas
conrme par le capteur Ultrason qui est plus directif et plus immunis aux perturbations
(courants dair) que les deux autres capteurs. Il est possible que la trajectoire de la personne en
mouvement passe dans le champ de dtection des dtecteurs pyrolectriques.
Il est intressant de souligner lapport dinformations donnes par les capteurs au-dessus de
la porte (dtecteurs pyrolectriques et capteur ultrason) : pas de supposition hasardeuse sur le
nombre de personnes pour expliquer ventuellement le franchissement des barrires IR (comme
il a t observ dans le scnario 5).
51
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
2.2.1.7 Scnario 7 : Deux personnes sont dans la pice, une personne est mobile,
lautre reste assise, puis les deux sortent.
Dans ce scnario, les protagonistes sont dj dans la salle. Le premier est dj assis et le reste
jusqu sa sortie. Le deuxime est assis, puis est en mouvement dans la pice (environ t = 47s),
il sassoit (environ t = 94s) puis les deux sortent. La gure 2.27 donne un aperu de lactivit
de la personne et les rsultats sont donns sur la gure 2.28.
Le franchissement des barrires peut nous donner des informations sur le trajet suivi mais
aucun capteur ne saurait nous informer de la prsence dune personne immobile dans la pice.
Il ny a quau moment de la sortie des deux personnes que lon peut se rendre compte que deux
personnes taient prsentes.
Il est intressant de voir que lIEMN est un certain niveau au dbut du test (prsence de
deux personnes) et qu la sortie de toutes les personnes, la rponse est un niveau plus bas. On
peut imaginer quon puisse, laide de cette technologie, dceler une prsence ou une absence
condition de connatre le niveau le plus bas correspondant linformation aucune prsence.
Figure 2.27 Action ralise dans la pice pour le scnario 7
2.2.1.8 Conclusion sur les scnarios
Un tableau rcapitulatif est donn la table 2.2.1.8.Un capteur mesure un phnomne phy-
sique en particulier. Il parat donc intressant de coupler les direntes technologies de capteurs
pour dterminer la prsence humaine dans la pice. Cette campagne conrme lutilit de coupler
direntes informations. Une thse sur la fusion de donnes dans un rseau de capteurs est mene
au sein du projet par Damien Brulin [Brulin et al., 2008][Brulin et al., 2009].
On note que la barrire IR est assez able mais il reste nanmoins des problmes de double
dtections. Ce problme vient du fait que lon capte dabord une jambe puis lautre. Une solution
serait de remonter la hauteur des barrires au dtriment peut-tre de la dtection des enfants en
bas ge. Cependant, la barrire IR dtecte le passage de tout objet matriel, mme inhumain.
Le pyromtre donne des rsultats intressants quand lindividu est en mouvement. Dans le cas
o la personne nest plus en mouvement, le capteur nest plus stimul, il reoit linformation que
rien ne se dplace, ce qui est interprt par il ny a personne. Certes, aujourdhui, ce problme
52
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Figure 2.28 Rsultat des rponses des capteurs pour le scnario 7
Table 2.1 Rcapitulatif du comportement des capteurs
53
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
est plus ou moins rsolu laide dune temporisation. Dans nos essais, la temporisation est de 3
4 secondes.
Le systme entre/sortie donne galement des rsultats intressants mais certains rsultats
nous confortent dans lide de sappliquer sur le placement des lments sensibles des dtecteurs
infrarouges. Linformation donne par des capteurs au niveau de la porte savre trs prcieuse.
Le capteur de lIEMN ore des possibilits nouvelles dans le domaine de la dtection de
prsence humaine. Si les capteurs qualis abusivement de capteurs de prsence ne sont capables
de ne dtecter que les mouvements dune cible, il serait donc innovant de proposer un capteur
capable de certier une prsence mme quand la cible est immobile.
2.2.2 Capteur de CO
2
Nous avons donc ralis de nombreux tests sur dirents types de capteurs. Nous avons plac
dans la salle un capteur de CO
2
comme indiqu sur la gure 2.29. Ce capteur IAQ-100 est produit
par lentreprise Applied Sensor. Des essais ont t raliss, quelques rsultats sont prsents
sur la gure 2.30. Deux informations sont donnes par le capteur : la courbe bleue nous donne
la prdiction de CO
2
en ppm et la courbe rose est la valeur de la rsistance. Le premier graphe
prsente le cas dune personne dans la pice deux moments dirents sachant que la porte est
ouverte, on se rend compte que le capteur napporte pas de rsultats satisfaisants. Dailleurs,
le deuxime graphe prsente des rsultats pour des vnements entre et sortie dans une pice
avec aration : dicile de prdire une prsence ou non. Par contre, ce capteur peut savrer tre
un dtecteur non pas de prsence mais dabsence ! Les deux derniers graphes dans la gure 2.30
nous conduisent cette conclusion. En eet, aprs le dpart des deux personnes dans la pice,
le taux de CO
2
se stabilise jusquau retour dune personne dans la pice.
Figure 2.29 capteur de CO
2
IAQ-100
Finalement, ce capteur peut permettre lidentication de laugmentation du CO
2
en prsence
dune personne ou plusieurs personnes si le rsultat nest pas perturb par des courants dair :
les ouvertures et fermetures des portes ou le mouvement dune personne. Il faut bien avouer
que les courbes sont dicilement exploitables, les rsultats sont peu convaincants quand la pice
est occupe. Par contre, la stabilisation du taux de CO2, quand la pice est vide, est une piste
intressante.
54
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Figure 2.30 Rsultat obtenu avec le capteur de CO
2
IAQ-100
55
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
2.2.3 Systme entre/sortie
Nous allons dcrire un peu plus en dtail le systme Entre/Sortie (E/S) dj utilis dans les
tests prsents dans la section 2.2.1 page 38. Nous avons pu identier limportance du placement
des capteurs pour avoir le meilleur signal possible lors du passage de la cible comme dcrit sur
la gure 2.31.
On relie la sortie des capteurs un PSCOC
2
que lon programme pour avoir une tension
4, 5V pour une entre, 1V pour une sortie et 2, 5V quand il ne se passe rien. Pour rsumer,
lalgorithme du PSOC prvoit une priode T aprs le signal dun premier capteur. Si le deuxime
capteur nest pas excit, alors on remet le compteur zro jusquau prochain signal de dtection
de lun des dtecteurs. Dans le cas o le deuxime capteur est excit avant la n du T prvu,
alors le sens de passage est identi par lordre de dtection des capteurs :
PIR1 puis PIR2 : on a une entre,
PIR2 puis PIR1 : on a une sortie.
Figure 2.31 comportement de deux dtecteurs pyrolectriques mis en parallle lors du passage
dune cible
Dans la section 2.2.1 page 38, nous avons utilis un capteur Ultrason pour conrmer linfor-
mation de passage. Nous proposons dutiliser la place le TPA81 (voir gure 1.27 page 30) pour
avoir conrmation du passage dun humain. Le tout est mis dans un botier que nous avons plac
sur le ct de la porte et nous avons pu observer de bons rsultats lors du passage dun personne
(voir gure 2.32).
2.2.4 Essais avec un capteur de type thermopile
Dans la section 2.2.1 page 38, nous avons utilis un microcapteur infrarouge dvelopp et
prt par lIEMN de Lille pour notre tude sur divers scnarios. La gure 2.33 est une photo
2. PSoC (Programmable System on Chip) est un systme lectronique propritaire de Cypress, et est conu
pour remplacer la fois le microcontrleur et les circuits priphriques dun systme embarqu. Lintrt de son
utilisation est de pouvoir programmer le systme trs facilement pour avoir par exemple une rponse en fonction
des entres analogiques ou numriques
56
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Figure 2.32 Rsultat du systme E/S
de la maquette cone, un cne est x sur le microcapteur pour focaliser un maximum de
rayonnement infrarouge et un PIR est x ct pour permettre une tude comparative. La
conception du microcapteur est dvelopp dans la thse de Medhi Haar [Haar, 2007]. Il est
vrai que lapplication vise tait limagerie basse rsolution mais des tests ont t raliss pour
la dtection de prsence humaine, avec des rsultats orant des perspectives intressantes pour
notre projet.
Figure 2.33 Capteur dvelopp par lIEMN
laide de ce module, on ralise plusieurs tests. La gure 2.34 nous donne un aperu des
rsultats obtenus dans un bureau. Lintrt dutiliser ce module est de recueillir pour un mme
vnement les signaux pour le pyromtre et pour le capteur IEMN. Ainsi, dans le premier jeu de
rsultats, une personne est assise dans la pice : le PIR ne dtecte rien, et lIEMN est un certain
niveau. Au bout denviron 4 secondes, la personne sort : le PIR dtecte du mouvement et lIEMN
descend de quelques microvolt. Au retour de la personne, le PIR la dtecte et lIEMN prsente
un pic puis regagne quelques microvolts. On observe les mmes rsultats sur le deuxime jeu
prsent sur la gure 2.34, la dirence quune personne qui passe dans le champ de dtection
du module mais qui nentre pas dans la pice est dtecte par nos deux capteurs. Cependant,
le pic donn par lIEMN ne dpasse pas la tension qui a t releve pour une prsence dans la
pice.
Ce capteur nous permettrait davoir des informations de prsence ou dabsence et ceci que la
57
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.34 Rsultat obtenu avec le capteur IEMN
58
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Table 2.2 Matrice de confusion
personne soit en mouvement ou immobile. Dans la suite de cette thse, nous allons nous pencher
plus en dtail sur les capteurs de type thermopile.
2.2.4.1 Etude comparative
On ralise 19 scnarios en fonction de trois classes :
occupation normale : personnes assises, runion de travail, circulation dans un couloir, . . .
vnements anormaux : chutes, agitations, . . .
stimuli de fausses dtections : clairage, objets mobiles . . .
Les rsultats sont prsents sous forme de tableaux de matrice de confusion comme reprsents
sur le tableau 2.2, avec :
A : prsence
B : non prsence
VP : vrai positif
FP : faux positif
FN : faux ngatif
VN : vrai ngatif
La classe relle est ce qui se passe vraiment sur la scne (vrit de terrain) dans notre cas :
il y a quelquun (A) ou non (B). La classe estime est la rponse du capteur par rapport la
scne. Les vrais positifs sont les cas o la rponse du capteur pour une prsence concorde avec
la vrit de terrain. Une rponse de non-prsence relle par rapport la scne est appele vrai
ngatif. Ces deux valeurs doivent tendre vers 1 pour avoir un systme de dtection de qualit.
Les faux positifs sont les cas de fausses dtections par le capteur et les faux ngatifs sont les cas
de non dtection. Ces deux dernires valeurs doivent tendre vers 0. Lors du dpouillement des
rsultats obtenus lors des tests, les donnes obtenues sont transposes la vrit de terrain. La
vrit de terrain est ce qui se passe rellement dans la pice savoir prsence ou non et on
espre quidalement les informations obtenues par les capteurs correspondent aux vnements
attendus dcrits par la vrit de terrain. On ralise les oprations suivantes pour constituer notre
59
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
matrice de confusion :
V P =
nombre de cas de dtections relles
nombre total de cas de dtections
(2.1)
FP =
nombre de cas de mauvaises dtections
nombre total de cas de dtections
(2.2)
FN =
nombre de cas de mauvaises non-dtections
nombre total de cas de non-dtections
(2.3)
V N =
nombre de cas de non-dtections relles
nombre total de cas de non-dtections
(2.4)
Le tableau 2.3 donne le rsultat obtenu pour les trois classes de scnarios.
Table 2.3 Matrice de confusion
Les mauvais rsultats obtenus pour le PIR sexpliquent par le fait que nous nutilisons pas de
temporisation. En situation relle, les PIR sont installs en fonction de la pice surveiller avec
une temporisation rglable, ce qui aura pour eet daugmenter les vrais positifs mais en contre
partie risque daugmenter le nombre de faux positifs. Il est intressant de voir le potentiel de
dtection que peuvent orir la technologie thermopile. Les rsultats prsents dans le tableau sont
obtenus juste par comparaison avec un seuil et pourront srement tre amliors par lutilisation
dune autre mthode. Cette tude comparative montre trs clairement le potentiel dinnovation
que peut apporter ce type de capteur.
2.2.4.2 Tests sur capteurs laide dun banc de Test de LEGRAND
De nombreux essais ont t eectus sur le capteur de lIEMN en utilisant une personne
comme cible. Il est trs dicile de cerner le comportement du capteur avec une rfrence qui
nest pas statique. Un des premiers besoins qui se fait ressentir dans nos tests est davoir une
cible dmission infrarouge connue et contrle. Un autre paramtre qui serait intressant de
contrler est le positionnement relatif de la cible et du capteur (translation ou rotation). Un
de nos partenaires industriels, Legrand, possde dans ces locaux un banc de test cr dans le
but de tester les PIR en simulant une prsence humaine laide dun corps noir de dimension
12 cm4 cm. Le mouvement dune personne peut tre simul par un cache motoris qui obstrue
le corps noir durant sa rotation. Nous avons utilis ce montage avec et sans mouvement pour
caractriser le microcapteur IR. Le support du capteur est galement motoris, ce qui permet la
simulation de direntes orientations de la cible par rapport au capteur (voir gure 2.35).
60
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Figure 2.35 Banc de test de Legrand pour tester les PIR
Obturation du corps noir vitesse lente : Le corps noir est plac 95 cm dans laxe du
capteur et est chau 150C. Le signal obtenu pour le corps noir sans obturation est autour
de 28 mV . Dans lessai suivant, nous avons command lobturateur du corps noir vitesse lente
(frquence de rotation= 0.35 Hz). Ce type de test permet dvaluer le temps de rponse du micro-
capteur. La gure 2.36 donne le rsultat obtenu, les pics observs correspondent la dtection
du corps noir, visible lors du passage de la fentre devant le corps noir. Les signaux obtenus ont
une amplitude qui natteint pas les 28 mV obtenus lorsque le corps noir nest pas obstru.
Figure 2.36 rsultat sur le corps noir obstru vitesse lente
La frquence des pics peut tre donne par :
f
pic de detection
=
1
T
pic
=
1
t
pic1
t
pic2
(2.5)
61
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Avec Tpic : la priode entre 2 pics,
tpic1 et tpic2 : linstant (abscisse) des pics 1 et 2 (en s).
Obturation du corps noir vitesse rapide : Dans lessai suivant, nous avons command
lobturateur du corps noir vitesse rapide (frquence de rotation = 0.6 Hz) (gure 2.37). Comme
pour la manipulation vitesse lente, les signaux ont une amplitude qui natteint ni lamplitude
de 28 mV obtenue pour le corps noir non obstru ni les amplitudes des rsultats obtenus pour
une obstruction vitesse lente du corps noir.
Figure 2.37 rsultat sur le corps noir obstru vitesse rapide
De la mme faon que prcdemment, laide de lquation (2.5), nous trouvons une frquence
de 0,59Hz.
Rotation du capteur par rapport au corps noir de 0 90 et de 0 90: Nous
commandons le support du capteur en rotation autour dun axe vertical de 0 90puis de 90
0. Le capteur est positionn 95 cm de la cible, les rsultats sont donns sur le graphe A
de la gure 2.38. A 0, le capteur est dans laxe de la cible. Nous observons une rptabilit
des mesures dans le sens o lallure de la courbe pour aller dans un sens puis dans lautre est
presque symtrique. Cependant, nous remarquons que le signal 0en dbut de manipulation
est plus haut que le 0en n de manipulation, cart que lon explique par la prsence dune VMC
au-dessus du banc (nous navions pas la possibilit de couper cette perturbation).
Nous commandons le support du capteur en rotation de 0 90puis de 90 0. Le capteur
est positionn 95cm de la cible. Sur le graphe B de la gure 2.38, nous obtenons un prol de
courbe dirent de celui obtenu pour une rotation de 90(graphe A). En fait, ce rsultat est
obtenu cause de la conguration de la pice ; pour une orientation de 90, le capteur pointe
vers le rideau derrire lequel nous tions. Il est possible que notre mission de chaleur ait induit
une perturbation sur le rsultat obtenu sur le graphe B de la gure 2.38 (sans parler de la chaue
des ordinateurs), il nest donc pas tonnant de voir le niveau de la rponse du capteur 90
infrieur au niveau de la rponse du capteur 90.
62
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.2. Identification des technologies
Figure 2.38 Rsultat pour la rotation du capteur de 0 90puis de 90 0(graphe A) et
pour la rotation du capteur de 0 90puis de 90 0(graphe B)
Variation de la distance entre corps noir et capteur : Nous ralisons des mesures
direntes distances entre le capteur et le corps noir. Les mesures sont ralises de 95 cm puis de
1, 25 3 m avec un pas de dplacement de 25 cm et enn un essai 4 mtres. La dcroissance
du signal donne dans la gure 2.39 est conforme la variation thorique de lclairement du
capteur : diminution inversement proportionnelle au carr de la distance entre le corps noir et le
capteur.
Figure 2.39 Rsultat en loignant le corps noir du capteur
Conclusion sur le banc de test Legrand : Cette srie de tests a t ralise avec nos
partenaires de Legrand dans un but qualitatif, an de se familiariser avec le comportement du
capteur. Logiquement, le capteur est sensible aux sources autres que le rayonnement de la cible
qui pour nos applications de dtection de prsence humaine se trouvent tre donc des sources de
perturbations.
63
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
2.3 Caractrisations des capteurs
Comme nous lavions prcis prcdemment, lide principale du projet de CAPTHOM est
de dvelopper un systme capable de rpondre une question simple : y a-t-il un humain dans
la scne observe ? An de raliser les essais exprimentaux, nous avons tabli une liste de
scnarios reprsentant les vnements et les situations habituels o le dispositif de CAPTHOM
devra donner une rponse prcise et quelles technologies sont les plus ecaces dans chaque cas.
Aprs nos dirents essais, et pousss par lenthousiasme de nos partenaires industriels, nous
nous sommes tourns particulirement sur ltude des capteurs infrarouges de type thermopile.
Le laboratoire IEMN nous a fourni de nouveaux capteurs avec une lectronique dont le schma
est donn sur la gure 2.40. Les tests suivants seront eectus laide de ces capteurs de lIEMN.
Nous nous sommes procurs aussi des capteurs de mme technologie proposs dans le commerce
notamment par Perkin Helmer. Notre partenaire SOREC nous a permis de mettre en place des
modules composs des capteurs de chez Perkin Herlmer monts sur le montage damplication
de lIEMN.
Figure 2.40 schma du montage damplication du capteur fourni par lIEMN
La gure 2.41 prsente les expriences ralises pour la caractrisation des capteurs de type
thermopile. Les donnes sur la rponse du capteur sont recueillies pour tre traites et les rsultats
sous forme dun modle sont implments dans un logiciel de simulation que nous dcrivons plus
loin.
2.3.1 SNOOPS
An de rpondre aux besoins danalyse des rseaux de capteurs du projet CAPTHOM, au
cours de la thse de Pierre David [David, 2009], le logiciel SNOOPS (Sensor Network : Optimi-
sation Of Placement and Simulation) a t dvelopp pour :
simuler les environnements demploi des capthoms,
estimer la couverture spatiale des capthoms,
modliser les alternatives technologiques identies pour les capthoms,
simuler un rseau de capthoms et sa rponse en terme dinformation sur les occupants,
64
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.3. Caractrisations des capteurs
Figure 2.41 Exprience et rsultat de la caractrisation dun capteur Infrarouge
simuler les scnarios demploi des capthoms,
optimiser le placement de capthoms dans un environnement.
Ce logiciel a pour objectif la validation des exigences formules sous la forme des scnarios
dutilisation. La ralisation de ce simulateur est aborde plus en dtail dans [David, 2009]. Pour
russir optimiser le placement des capteurs de type thermopile, il faut pouvoir implmenter un
modle de la rponse du capteur, do lintrt de la caractrisation.
2.3.2 Essais prliminaires avant la mise en place du banc de tests
Nous allons raliser quelques tests avant la mise en place dnitive du banc de tests. Nous
voulons caractriser le comportement de nos capteurs en fonction de la distance et de langle
entre la cible et le capteur (gure 2.42).
Nos partenaires de Legrand nous ont fourni des botiers possdant une fentre en polythy-
lne qui laisse passer le rayonnement infrarouge. On ralise une manipulation selon le protocole
suivant :
la cible recule de 1m toutes les 30s de 0 5m,
puis la cible sort de la pice pendant 30s,
enn, la cible avance de 1m toutes les 30s de 0 5m.
Il apparat nettement sur la gure 2.43, que le botier nous permet de minimiser, de manire
signicative, les ux perturbateurs (courant dair). Des paliers nets sont visibles de 0 2m. On
65
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.42 Objectif de la caractrisation
devine encore un niveau de prsence aux alentours de 3m. En revanche linterprtation pour
les rsultats 4m devient plus dicile. Enn, la dirence entre un positionnement 5m et le
signal pour labsence totale de la cible dans le champ de dtection du capteur est minime voire
inexistante. On peut donc considrer que le dispositif nest plus capable de dtecter un corps
chaud partir de 5m (sous rserve de meilleurs rsultats avec une meilleure lectronique et/ou
optique).
Le capteur commercialis par Perkin Elmer, du fait de son encapsulation, na pas besoin
davoir le lm en polythylne, tmoin le rsultat obtenu sur la gure 2.44. Le graphe est obtenu
lorsque nous avons positionn deux capteurs de manire ne pas recevoir le rayonnement de la
lumire naturelle directement sur eux. Dans un premier temps, les volets de la pice sont ouverts
pendant une minute, puis les volets sont ferms (la transition est reprsente par un rectangle
rouge sur le graphe de la gure 2.44), pendant une minute. On peut constater que le Perkin-Elmer
reste stable contrairement au capteur IEMN dont la rponse nest pas trs nette.
On ralise galement des essais avec deux personnes direntes (appeles P1 et P2). Les
rsultats donns dans la gure 2.45 illustrent des essais raliss moins de 2 minutes dintervalles.
Il est rassurant de voir que pour une mme personne, on arrive trouver des rsultats similaires,
mais il nest pas tonnant que les rsultats dirent entre deux personnes. Il apparat ici quun
test de caractrisation devra tre trs clairement ralis laide dune source chaude dont la
temprature est contrle contrairement une personne dont la temprature change au cours
de la journe en fonction de son activit et de la temprature dans la pice [Dittmar et al., 1995].
On ralise un test mettant encore en scne deux personnes (P1 et P2). Soit P1 1m, puis P1
1m et P2 1, 5 m, ensuite P1 sen va mais P2 reste, enn P2 repart, pour nir on recommence
les 4 vnements prcdents. Chaque tape dure 20s. Les rsultats prsents dans la gure 2.46
ont t eectus avec deux capteurs de lIEMN en mme temps. On sattend avoir des rsultats
similaires pour les mmes vnements mais on observe un dcalage de quelques microvolts pour
des signaux qui correspondent aux mmes vnements dcals de 80 s. Il est dicile didentier
66
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.3. Caractrisations des capteurs
Figure 2.43 Comparaison signal sans botier (courbe blanche) et avec botier (courbes rouge
et vert)
Figure 2.44 reprsentation de la rponse en tension pour les deux capteurs (en noir, lIEMN
et en bleu le Perkin Elmer) dans deux conditions direntes
67
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.45 Comparaison entre 2 acquisitions avec 2 personnes direntes
le phnomne lorigine du dcalage, sans aucun doute que la temprature des sujets et de la
pice sont les cls de cette observation. On remarque aussi le dcalage entre la courbe blanche
et rouge. En eet, le test a t ralis sur les dirents capteurs en notre possession, on pourra
srement dduire un modle gnral de la rponse des capteurs commun lensemble de ce type de
technologie mais les coecients du modle devront varier en fonction des tests de caractrisation.
Figure 2.46 Test avec 2 personnes sur deux capteurs
68
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.3. Caractrisations des capteurs
2.3.3 Le banc dessai
La mission principale de notre travail est de caractriser la micro-sonde infrarouge du rayon-
nement pour un usage spcique. La sonde fournit linformation de la prsence humaine dans
une chambre et permet une localisation de celle-ci. Il existe un banc de mesure spcique pour la
caractrisation des microcapteurs dcrit et utilis dans la thse de Mehdi Haar. Ce banc a t
ralis en 1998 et est utilis pour amliorer la conception de leurs capteurs [Haar, 2007]. Pour
notre application, la rponse du capteur dune cible temprature connue dans une chambre
doit tre dtermine. Deux types dessais vont tre raliss pour obtenir le modle de la rponse
du capteur, les essais mener sont reprsents sur la gure 2.42 (page 66). Pour des raisons
pratiques, nous dplacerons le capteur et non pas la cible qui est assez encombrante. Le premier
essai donne la rponse du capteur par rapport la variation de la distance entre la cible et
lui-mme. Dans lautre essai, la cible demeure xe mais langle entre le capteur et la cible varie.
On a observ une sensibilit aux variations de la temprature de lenvironnement externe. Des
sondes de temprature sont utilises pour obtenir cette information qui aecte la sonde. La cible
utilise est une plaque chauante (fournie par notre partenaire Thermor) dont la temprature est
commande ( laide dune lectronique ralise par Sorec) pour tre quivalente la temprature
de surface humaine.
2.3.4 Mthode de caractrisation des capteurs Infrarouges
Selon nos tests prliminaires, les signaux des capteurs infrarouges de type thermopile d-
pendent de la distance (r), de langle () et de lazimuth () entre la cible et le capteur. La
temprature de la cible (T
cible
) et de lair ambiant (T
sensor
qui est celle du capteur) sont des
paramtres inuants sur la rponse du capteur. Nous cherchons donc un modle de la rponse
qui prend en compte tous ces paramtres :
U
modle
= f(r, , ) (2.6)
On ralise cette mthode sur le A2TPMI de Perkin Elmer qui est un capteur de type thermopile.
2.3.4.1 Dtermination du zro
Les thermopiles infrarouges se composent de plusieurs microthermocouples. Ces thermo-
couples se composent de deux conducteurs dirents. Leurs jonctions sont soumises une dif-
frence de temprature qui produit une tension. La jonction froide est plaque sur le substrat
massif de la sonde qui est la temprature ambiante. Le schma 2.47 donne la rponse pour
direntes tempratures. Nous avons dni une tension U
seuil
, appele aussi zro, obtenue quand
le capteur ne dtecte aucune variation de temprature. Une rponse selon la temprature de la
jonction froide T
sensor
est dtermine :
U
seuil
= 0, 04 T
sensor
+ 1, 06 (2.7)
avec :
r
2
= 0, 9938 (2.8)
69
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.47 Rponse du capteur en fonction de la temprature pour la dtermination du zro
r
2
, couramment appel coecient de dtermination (carr du coecient de corrlation linaire
entre X et Y), exprime le pourcentage de variation de Y que la rgression ralise explique. Ce
coecient donne donc une image de la qualit de la rgression (plus r
2
est proche de , plus
lajustement est "parfait"). Sans aller jusqu lutilisation dun test de Fisher-Snedecor, nous
voyons que les carts-types des estimations des paramtres du modle, nous donne une bonne
ide de la consistance de ce modle.
Le modle de la rponse du capteur U
model
doit vrier la condition suivante en fonction de
la distance r entre la sonde et la cible :
lim
r+
U
model
= U
seuil
(2.9)
2.3.4.2 Caractrisation en fonction de langle
Nous cherchons un modle sous la forme :
U
modele
= f
max
(r) g() h() (2.10)
Nous dnissons , langle entre le capteur et la cible et g(), la fonction reprsentant le facteur
dattnuation du signal selon langle . La fonction f
max
(r) est le modle de la rponse du
capteur en fonction de la distance pour langle max qui est langle o la rponse est maximale.
La dtermination de max requiert de connatre le modle angulaire g(). La fonction h() est
le modle de la rponse du capteur sur lazimuth.
Nous commenons lacquisition des donnes avec une cible situe une distance de 2m. Le
capteur est plac au centre dun plateau tournant qui nous permet de faire varier langle de
= 10. On ralise le prol angulaire de la rponse du capteur pour plusieurs tempratures de
la cible (gure 2.48).
70
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.3. Caractrisations des capteurs
Figure 2.48 Reprsentation de la rponse U du capteur en fonction de langle pour direntes
tempratures de la cible
Pour trouver g(), la rponse du capteur U
U
min
U
max
U
min
(2.11)
avec :
U
min
, la valeur maximum de la rponse en Volt,
U
max
, la rponse minimale de la sonde,
U
72
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.3. Caractrisations des capteurs
Le modle angulaire se compose de trois quations en fonction de lazimuth (en degr) :
pour 90 < 35,
h() = 0, 0019 + 0, 191 (2.15)
pour 35 48,
h() = 0, 00051
2
+ 0, 0055 + 1 (2.16)
pour 40 < 90,
h() = 0, 0017 + 0, 141 (2.17)
2.3.4.4 Caractrisation en distance et obtention dun modle
Comme nous pouvons voir sur la gure 2.48, la rponse angulaire est maximale pour un
angle max = 0, quelle que soit la distance r. Ainsi, la caractrisation en distance, permettant la
dtermination de la fonction f
max
est ralise pour langle max. Nous commenons lacquisition
des donnes avec une cible situe 4m. Nous ne commenons pas la srie de mesures 0m pour
viter lchauement du capteur par la cible. Ensuite, nous faisons varier la distance entre la
cible et le capteur jusqu atteindre 0m. On propose le modle suivant :
f
max
(r) =
k
1
(k
2
+r)
2
+k
3
(2.18)
Le valeur f
max
en volt est la rponse du capteur, la variable r est la distance en mtre entre
la sonde et la cible, les constantes k
1
et k
2
rajustent le modle et la constante k
3
est la norme
de tension de rfrence pour une rponse nulle et est dtermine par lquation (2.7).
Le modle, suggr par les divers essais de la caractrisation en distance (reprsente sur la
gure 2.51), est donn par cette quation :
f
max
(r) =
0, 048 T
cible
0, 608
(0, 66 +r)
2
+ 0, 04 T
sensor
+ 1, 06 (2.19)
partir des quations (2.7), (2.10) et (2.19), un modle de la rponse des capteurs est
propos :
U
modle
=
0, 048 T
cible
0, 608
(0, 66 +r)
2
g() h() + 0, 04 T
sensor
+ 1, 06 (2.20)
Nous avons montr que ce type de capteur possde un rel potentiel pour la dtection de
prsence. Nous avons propos une mthode de caractrisation pour ce type de capteur dans
lobjectif de pouvoir : dtecter une personne, conformment la mission de base remplir par
les capthoms, mais aussi laide de ce modle, avoir en plus une information sur la position de
la personne en fonction de r, et .
73
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.51 Modles des caractrisations en distance pour direntes tempratures de la cible
2.3.5 Rsultats de la caractrisation pour simulation en 2 dimensions
On propose dimplmenter un modle de la rponse des capteurs de type thermopile dans le
logiciel de simulation SNOOPS. Dans ce but, nous ralisons des tests sur un IEMN et un capteur
thermopile du commerce. Le modle est simpli, en eet, nous ne prendrons en compte que
langle et la distance r (le simulateur calcul pour un rsultat en 2D). La temprature est xe
35C.
2.3.5.1 Dtermination du zro
Le schma 2.52 donne la rponse pour direntes tempratures avec le capteur de lIEMN.
La tension U
seuil
a t dtermine :
U
seuil
= 0, 04 T
sensor
+ 1, 68 (2.21)
Le modle de la rponse du capteur U
model
doit vrier la condition suivante en fonction de
la distance r entre la sonde et la cible :
lim
r+
U
model
= U
seuil
(2.22)
2.3.5.2 Erreur sur la rponse du capteur
Sur le schma 2.53, nous valuons lerreur de la sonde sur plusieurs chantillons de mesure
pour une cible immobile dont la temprature est connue.
Le rayonnement dtect par le dtecteur est perturb par lair ambiant (par exemple, les
courants dair) qui nest ni uniforme ni statique. Nous estimons que lerreur de la sonde V est
denviron 0, 02V . Le V peut tre rduit si lIEMN est dans une bote qui le protge contre les
courants dair et permet toujours la dtection du rayonnement IR.
74
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.3. Caractrisations des capteurs
Figure 2.52 rponse du capteur en fonction de la temprature pour la dtermination du zro
Figure 2.53 Rponse du capteur en fonction de la distance de la cible pour la dtermination
de lerreur du capteur
75
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
2.3.5.3 Caractrisation en fonction de langle
Nous commenons lacquisition des donnes avec une cible situe une distance de 2m. Le
capteur est plac au centre dun plateau tournant qui nous permet de faire varier langle de
= 10
La gure 2.54 donne les rsultats normaliss de la caractrisation angulaire en utilisant lqua-
tion (2.11). La rponse du capteur est fonction de langle de la cible :
g() = 0, 00014
2
0, 0015 + 0, 99 (2.23)
Figure 2.54 Reprsentation de la rponse normalise de U du capteur en fonction de langle
2.3.5.4 Caractrisation en fonction de la distance
Comme nous pouvons voir sur la gure 2.54, la rponse angulaire est maximale pour un angle
max = 10, quelle que soit la distance r. Ainsi, la caractrisation en distance, permettant la
dtermination de la fonction f
max
a t ralise pour langle max. Nous commenons lacqui-
sition des donnes avec une cible situe 4m. Nous ne commenons pas la srie de mesures 0m
pour viter lchauement du capteur par la cible. Ensuite, nous faisons varier la distance entre
la cible et le capteur jusqu atteindre 0m. On propose le modle suivant :
f
max
(r) =
k
1
(k
2
+r)
2
+k
3
(2.24)
La valeur f
max
en volt est la rponse du capteur, la variable r est la distance en mtre entre
la sonde et la cible, les constantes k
1
et k
2
rajustent le modle et la constante k
3
est la norme
de tension de rfrence pour une rponse nulle et est dtermine par lquation (2.21).
Le modle, suggr par les divers essais de la caractrisation en distance (reprsente sur la
gure 2.55), est donn par cette quation :
f
max
(r) =
0, 14
(0, 42 +r)
2
+ 0, 04 T
sensor
+ 1, 68 (2.25)
76
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.3. Caractrisations des capteurs
Figure 2.55 Rsultat de deux exemples de caractrisations en distance
2.3.5.5 Modle de la rponse du capteur
En remplaant respectivement f
max
(r) et g() dans lquation (2.10), nous obtenons le
modle global suivant :
U
modle
=
_
0, 14
(0, 42 +r)
2
_
(0, 00014
2
0, 0015 + 0, 99) + 0, 04 T
sensor
+ 1, 68 (2.26)
La Figure 2.56 reprsente la rponse du capteur selon la distance r et langle . Ces rsultats
devront tre valids par les rsultats des simulations et des nouvelles expriences.
Figure 2.56 Reprsentation de la rponse U en fonction de langle et de la distance
Nous eectuons divers essais pour direntes tempratures de la salle et diverses distances
(voir la gure 2.57).
77
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.57 reprsentation de la rponse U en fonction de la distance pour deux tempratures
direntes
Nous proposons destimer lerreur e de modle laide de lquation suivante :
e =
U U
modle
U
modle
100 (2.27)
La valeur U est la rponse mesure du capteur, U
model
est la valeur de la rponse du modle.
La distribution de lerreur e selon la distance est donne sur le Tableau 2.4. Nous notons que
le modle a de mauvais rsultats entre 0 et 0.5m. En eet, plus la cible est proche du capteur,
plus la soudure froide du capteur est entre la temprature de lair ambiant et la temprature
transmise par la cible.
2.3.5.6 Caractrisation dun capteur commercialis
Cette mthode de caractrisation en angle et en distance a t utilise sur un autre capteur
infrarouge de type de thermopile. Les microcapteurs infrarouge, fournis par le Laboratoire, tests
prcdemment sont un produit original qui nest pas encapsul et possde un trs grand nombre
de thermocouples sensibles la variation de la temprature de la cible. Il existe dans le march
des capteurs de mme technologie mais qui sont encapsuls et possdent beaucoup moins de
thermocouple. Les mmes essais sont eectus sur le TP434 de Perkin Elmer. La caractrisation
en distance donne lquation suivante :
f
max
(r) =
_
0, 04
(0, 51 +r)
2
_
+ 0, 015 T
sensor
+ 2, 208 (2.28)
Le champ de dtection de ce capteur disponible sur le march est plus petit que celui du cap-
teur examin dans la partie prcdente. Le capteur encapsul peroit au moins 50% de rayonne-
ment dIR de la cible pour un angle entre 30et 35tandis que la sonde examine prcdemment
peroit au moins 50% pour un angle entre 70et 60(gure 2.58).
78
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.3. Caractrisations des capteurs
distance r (en m) erreur pour lessai 1 (en %) erreur pour lessai 2 (en %)
4 0.10% 0.05%
3.5 0.14% 0.12%
3 0.10% 0.18%
2.5 0.07% 0.04%
2 0.07% 0.19%
1.5 0.16% 0.06%
1.25 0.09% 0.18%
1 0.04% 0.14%
0.5 1.44% 0.29%
0.4 1.32% 0.39%
0.3 2.28% 0.70%
0.2 1.32% 1.29%
0.1 2.67% 2.52%
0 3.18% 0.93%
Table 2.4 Distribution de lerreur e selon la distance r
Figure 2.58 Comparaison entre le modle des deux capteurs tests
79
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
distance r (en m) erreur (en %)
4 0.12%
3.5 0.20%
3 0.01%
2.5 0.05%
2 0.21%
1.5 0.00%
1 0.04%
0.5 0.05%
0 0.01%
Table 2.5 Distribution de lerreur e selon la distance r
Le modle angulaire se compose de trois quations en fonction de langle (en degr) :
pour 90 < 27, 5,
g() = 0, 00016
2
+ 0, 0258 + 1, 099 (2.29)
pour 27, 5 37, 5,
g() = 0, 00047
2
0, 0035 + 0, 995 (2.30)
pour 37, 5< 90,
g() = 0, 00016
2
0, 0285 + 1, 253 (2.31)
Le modle nal pour la sonde lance sur le march est de la mme forme que lquation 2.26 :
U
modle
=
_
0, 04
(0, 51 +r)
2
_
g() + 0, 015 T
sensor
+ 2, 208 (2.32)
La distribution de lerreur e compare la distance est donne sur le Tableau 2.5. Le modle
du dtecteur commercialis est meilleur que le modle de lIEMN. Nous avons not que lerreur
est infrieure 0.5%. Ces meilleurs rsultats peuvent tre expliqus par lencapsulation du
capteur qui diminue la perturbation tels que les courants dair.
2.4 Application la dtection de prsence humaine des capteurs
de type thermopile
Suite nos dirents essais et caractrisation des capteurs de type thermopile, une application
de commande de lumire est propose. la vue des dirents tests, on choisit de travailler dans
une pice de petite taille. La gestion de lclairage dans les toilettes semble tre une application
intressante. On quipe nos toilettes qui mesurent 2 m0, 85 m comme nous le montre la gure
2.59. Les tests sont raliss avec le capteur de Perkin Elmer. On utilise une photorsistance qui
permet didentier quand la personne allume la lumire, action qui devra tre command par
le systme de dtection. La rponse du capteur est envoye au PC via une carte dacquisition
80
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.4. Application la dtection de prsence des capteurs type thermopile
Figure 2.59 Dispositif dacquisition
wi, ce qui permet davoir un dispositif dacquisition pas trop encombrant et intrusif pour les
utilisateurs des WC. Le but de lexprience est de pouvoir corrler les informations de prsence
avec le besoin de la commande de lclairage.
Une base de donnes est recueillie pour une semaine dutilisation. La gure 2.60 nous prsente
quelques rsultats. Sur ces graphes, la courbe verte nous donne linformation de prsence identie
par la photorsistance. La courbe violette est la rponse du capteur. Il est encourageant de voir
que les pics de rponse du capteur sont en concordance avec loccupation de la pice. On propose
dans un premier temps dappliquer un seuil de 2,55V (reprsent en rouge sur la gure 2.60)
pour que lalgorithme (en bleu) puisse rsoudre lidentication de la prsence ou non. Deux cas
courants se dgagent de notre manipulation. La personne stimule assez le capteur par rapport
au seuil dni comme sur le graphe A de la gure 2.60, ou la personne ne stimule pas assez le
capteur par rapport au seuil dni comme sur le graphe B de la gure 2.60.
Pour rsoudre le problme, une temporisation peut tre ajoute (longueur dnir) comme
pour les dtecteurs de mouvements actuels mais on risque davoir la lumire toujours allume
alors que la personne est sortie. On propose un algorithme de dtection de saut reprsent sur
la gure 2.61 bas sur le calcul de moyenne des signaux dirents instants et soumis des
conditions de tests remplir pour dterminer une entre ou une sortie.
La gure 2.62 prsente les rsultats de lapplication de lalgorithme dvelopp. Sur le graphe
A, on fait apparatre en bleu les entres dtectes par le programme et en vert les sorties dtectes.
Cet algorithme fonctionne bien dans la majorit des cas comme nous le conrme le graphe B.
Les graphes C et D reprsentent des cas o pour une occupation, plusieurs pics dentre ou de
sortie sont dtects. Toutefois, le problme peut tre lev si on commande lallumage pour un
pic bleu et lextinction de la lumire pour un pic vert. Si deux pics bleus se suivent comme sur
le graphe C ou deux pics verts se suivent comme sur le graphe D, la premire commande nest
81
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 2. Validation des choix technologiques, tests de caractrisations et
applications
Figure 2.60 Rsultats de lapplication dans les toilettes
Figure 2.61 Algorithme bas sur le calcul des moyennes
82
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2.5. Conclusion sur les besoins du projet
Figure 2.62 rsultats avec algorithme
pas annule mais continue dtre active.
2.5 Conclusion sur les besoins du projet
Dans ce chapitre, les ambitions de CAPTHOM on t clairement dnies. Nous cherchons
un nouveau capteur de prsence humaine capable de rivaliser avec les dtecteurs de mouvements
qui sont utiliss et vendus aujourdhui. Nos dirents tests ont permis de mettre en vidence
lintrt de surveiller les entres et les sorties au niveau de la porte. Bien sr, ce genre de solu-
tion ne conviendrait pas pour un systme danti-intrusion (entre par eraction par la fentre).
Cependant, notre tat de lart sur les capteurs et nos essais nous ont mens sur la piste des cap-
teurs thermopile. Nous avons mis au point une mthode nous permettant dacqurir un modle
de la rponse du capteur qui pourra tre utilise pour nos simulations et dans les algorithmes
de dtection. Le potentiel de dtection de prsence humaine est trs clairement exploit dans
lapplication des toilettes. Il est vident que de nouvelles perspectives avec ce type de capteurs
verront le jour.
83
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
CHAPITRE 3
Localisation dune personne laide dun rseau de capteurs
Sommaire
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.2 Chane de Markov cache . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.2.1 Les lments dune chane de Markov Cache . . . . . . . . . . . . . . . 87
3.2.2 Les trois problmes de base dune chane de Markov . . . . . . . . . . . 89
3.2.2.1 Solution du Problme 1 . . . . . . . . . . . . . . . . . . . . . . 89
3.2.2.2 Solution du Problme 2 . . . . . . . . . . . . . . . . . . . . . . 91
3.2.2.3 Solution du Problme 3 . . . . . . . . . . . . . . . . . . . . . . 93
3.3 Utilisation des Chanes de Markov caches . . . . . . . . . . . . . . . 95
3.3.1 Dnition de ltude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.3.2 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.3.3 Application de certains scnarios . . . . . . . . . . . . . . . . . . . . . . 98
3.3.3.1 Cas simple : une personne . . . . . . . . . . . . . . . . . . . . . 98
3.3.3.2 Cas avec deux personnes . . . . . . . . . . . . . . . . . . . . . 99
3.3.4 Simulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.3.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.4 Systme multi-Capteurs pour la localisation . . . . . . . . . . . . . . 102
3.4.1 Triangulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
3.4.2 Localisation par la mthode doptimisation de Levenberg-Marquardt . . 104
3.4.2.1 Simulations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.4.2.2 Informations supplmentaires la localisation . . . . . . . . . 109
3.5 Conclusion sur la localisation . . . . . . . . . . . . . . . . . . . . . . . 112
85
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.1. Introduction
Dans ce chapitre, nous proposons deux mthodes pour la localisation dune personne. La
premire approche est ralise laide des chanes de Markov caches. La seconde mthode utilise
un algorithme doptimisation de Levenberg-Marquardt.
3.1 Introduction
De nombreux travaux ont pour ambition de localiser une personne ou de la suivre. Des
travaux japonais proposent lutilisation de trois technologies direntes : des camras, des tapis
quipes de dtecteurs de pressions et des barrires infrarouges [Murakita et al., 2004]. Les tapis
permettent dobtenir la localisation de la personne directement, contrairement aux camras et aux
barrires IR o la mthode de triangulation est utilise. Dailleurs, la mthode de triangulation
est souvent utilise pour rsoudre des problmes de localisation, sous rserve dutiliser un nombre
susant de capteurs. Dautres types de technologies sont utilises pour dtecter une personne,
comme les capteurs ultrason.
Comme nous lavons dcrit prcdemment, de nombreux projets de type "smart home" pro-
posent dobtenir linformation de localisation, et mettent en uvre une grande quantit de cap-
teurs cette n. Le projet Domus, par exemple, propose de collecter les informations des tapis
de pression, de PIR, de contacteurs de portes et un ltre baysien pour avoir linformation de
localisation [Rahal et al., 2007].
[Kim et al., 2007] proposent lutilisation de 12 PIRs qui dnissent 28 zones de dtections
sur une pice de 4 4m et utilisent un algorithme utilisant un classieur baysien. La prcision
de la localisation dpend du nombre de PIR. Lapplication de la localisation sur un cas o il y
a plusieurs personnes est dans leurs perspectives. Des outils stochastiques sont proposs pour
rsoudre la problmatique de la localisation de plusieurs personnes dans une pice [Das et al.,
2006].
3.2 Chane de Markov cache
Le champ dapplication des chanes de Markov est trs large : traitement dimage, dtection
de panne capteur [Ricquebourg et al., 2008], localisation en robotique mobile [Burgard et al.,
1997], identication dactivit de personnes [Al-ani et al., 2007], dtection de chute [Ugur et al.,
2007], maintenance [Vrignat et al., 2009], etc . . .
3.2.1 Les lments dune chane de Markov Cache
Une chane de Markov cache, not HMM (de langlais Hidden Markov Models), est caract-
rise par :
1. N : nombre dtats du modle
Bien que les tats soient cachs, pour de nombreuses applications pratiques, il y a souvent
une signication physique lie aux tats ou lensemble des tats du modle.
87
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
En gnral, les tats sont interconnects de manire avoir une chane irrductible (tous
les tats pouvant tre atteints par tout autre tat).
On note les dirents tats atteignables : S = {S
1
, S
2
, . . . , S
n
} et par q
t
ltat linstant
courant t.
2. M : nombre de symboles distincts dobservations par tat.
Les symboles dobservations correspondent la sortie physique du systme modlis.
On note les dirents symboles : V = {V
1
, V
2
, . . . , V
m
}.
3. A : distribution de la probabilit de transition des tats A = [a
ij
], o
a
ij
= P[q
t+1
= S
j
|q
t
= S
i
] 1 i, j N (3.1)
Dans certains cas particuliers, un tat peut atteindre nimporte quel autre tat, nous avons
a
ij
> 0 pour tout i et j. Pour les autres types de HMMs, on a a
ij
= 0 pour une ou plusieurs
paires de (i,j).
4. B : distribution de la probabilit dobservation des symboles ltat j, B = [b
j
(k)], o
b
j
(k) = P(V
(t)
= V
k
|q
t
= S
j
) 1 j N (3.2)
1 k M (3.3)
5. distribution dtat initial = [
i
] o
i
= P[q
1
= S
i
] (3.4)
Au vu des valeurs N, M, A, B et , la HMM peut tre utilise comme un gnrateur de
squence dobservation
O = O
1
O
2
O
T
(3.5)
(o chaque observation O
t
est un des symboles de V et o T est le nombre dobservations de la
squence) de la faon suivante :
1. Se placer t = 1.
2. Choisir un tat initial q
1
= S
1
.
3. Choisir O
t
= V
k
selon la distribution de la probabilit dobservation des symboles b
i
(k).
4. Se placer vers le nouvel tat q
t+1
= S
j
selon la distribution de la probabilit de transition
a
ij
.
5. Se placer t = t + 1 ; retourner ltape 3 si t < T ; sinon terminer la procdure.
La spcication complte dune HMM exige davoir la spcication des paramtres des 2 modles
(N et M), la spcication des symboles dobservations et la spcication des trois mesures de
probabilit A, B et . Lensemble des paramtres du modle est donn par :
= (A, B, ) (3.6)
88
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.2. Chane de Markov cache
3.2.2 Les trois problmes de base dune chane de Markov
Il existe trois problmes fondamentaux qui doivent tre rsolus pour que le modle puisse
tre utile dans une application relle [Rabiner, 1990].
1. Problme 1 : pour une squence dobservation O = O
1
O
2
. . . O
T
et un modle
= (A, B, ), comment calculer ecacement la probabilit de la squence dobservation
P(O|) selon le modle ?
2. Problme 2 : pour une squence dobservation O = O
1
O
2
. . . O
T
, et un modle ,
comment choisir la squence dtat correspondante Q = q
1
q
2
. . . q
T
qui donne la meilleure
explication de lobservation?
3. Problme 3 : comment ajuster les paramtres du modle = (A, B, ) pour maximiser
P(O|) ?
3.2.2.1 Solution du Problme 1
On souhaite calculer la probabilit de la squence dobservation P(O|), O = O
1
O
2
. . . O
T
,
selon le modle .
La plus simple des mthodes est lnumration de chaque squence dtats possible de longueur
T (le nombre dobservations).
On considre un nombre dtats x :
Q = q
1
q
2
q
T
(3.7)
o q
1
est ltat initial.
La probabilit de la squence dobservation Q est :
P(O|Q, ) =
T
t=1
P(O
t
|q
t
, ) (3.8)
o nous supposons une indpendance statistique des observations. Ainsi, nous avons :
P(O|Q, ) = b
q
1
(O
1
) b
q
2
(O
2
) b
q
T
(O
T
) (3.9)
La probabilit dune telle squence dtats Q peut tre crite :
P(Q|) =
q
1
a
q
1
q
2
a
q
2
q
3
a
q
T1
q
T
(3.10)
La probabilit jointe de O et Q (la probabilit que O et Q se produisent simultanment) :
P(O, Q|) = P(O|Q, )P(Q, ) (3.11)
La probabilit de O (selon le modle) est obtenue en additionnant cette probabilit jointe sur
toutes les squences dtats possibles q :
P(O|) =
tous les Q
P(O|Q, )P(Q|) (3.12)
=
q
1
, q
2
, , q
T
q
1
b
q
1
(O
1
)a
q
1
q
2
b
q
2
(O
2
) a
q
T1
q
T
b
q
T
(Q
T
) (3.13)
89
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
Au temps t = 1, nous sommes ltat q
1
avec une probabilit
q
1
et on gnre le symbole
O
1
avec une probabilit de b
q
1
(O
1
). On passe de t = 1 t = 2 donc de ltat q
1
ltat q
2
avec
une probabilit a
q
1
q
2
et on gnre le symbole O
2
avec la probabilit b
q
2
(O
2
). On continue de
cette manire jusquau temps T de ltat q
T1
q
T
avec une probabilit a
q
T1
q
T
et on gnre le
symbole O
T
avec la probabilit b
q
T
(O
T
).
Utiliser la dnition de P(O|) donne par (3.12) ncessite de faire 2T N
T
calculs. En eet,
pour chaque instant t (t = 1, 2, . . . , T), il y a N tats possibles qui peuvent tre atteints (soit
N
T
squences dtats possibles) et pour chaque squence dtats 2T calculs sont ncessaires
pour chaque terme dans la somme de (3.12). Le nombre de calculs pour obtenir P(O|) est
trop important pour tre calcul de cette faon. Par exemple, pour N = 5, T = 100, il y aura
2 100 5
100
10
72
calculs eectuer. Il apparat clairement quil faut utiliser une mthode plus
ecace pour rsoudre notre problme 1.
La procdure utiliser est la mthode de forward-backward [Baum et Eagon, 1967],
[Baum et Sell, 1968]. Soit la variable forward
t
(i) :
t
(i) = P(O
1
O
2
O
t
, q
t
= S
i
|) (3.14)
cest--dire, la probabilit davoir la squence partielle dobservation O = O
1
O
2
. . . O
t
(jusquau
temps t) et ltat S
i
au temps t connaissant le modle . On peut rsoudre
t
(i) :
1. Initialisation :
1
(i) =
i
b
i
(O
1
), 1 j N. (3.15)
2. Induction :
t+1
(j) =
_
_
N
j=1
t
(i)a
ij
_
_
b
j
(O
t+1
) 1 t T 1 (3.16)
3. Final :
P(O|) =
N
j=1
T
(i) (3.17)
Ltape 1 nous permet dinitialiser les probabilits forward ( venir) comme tant la pro-
babilit jointe de ltat S
i
et de lobservation initiale O
1
. Ltape dinduction est illustre par la
gure 3.1. Cette gure nous montre comment ltat S
j
peut tre atteint au temps t + 1 partir
de N tats possibles S
i
, 1 i N, au temps t. Comme
t
(j) est la probabilit des vnements
joints que O
1
O
2
O
t
soient observs, et que ltat S
j
soit atteint au temps t + 1 via ltat S
i
t, le produit
t
(i)a
ij
est la probabilit de lvnement joint que O
1
O
2
O
t
soient observs,
et que S
j
soit atteint au temps t +1 en passant par S
i
au temps t. Le produit de tous les N tats
possibles S
i
, 1 i N au temps t rsulte dans la probabilit de S
j
au temps t + 1 avec toutes
les observations partielles prcdentes laccompagnant. S
j
est alors connu,
t+1
est obtenu par
le comptage des observations O
t+1
ltat j, donc par le produit de la somme par la probabilit
b
j
(0
t+1
). Le calcul de ltape 2 est eectu pour tous les tats j, 1 j N, pour un t donn ;
le calcul est eectu pour t = 1, 2, , T 1. Au nal, ltape 3, P(O|) est donne par la
somme de la variable
T
(j), car par dnition :
T
(i) = P(O
1
O
2
O
T
, q
T
= S
i
|) (3.18)
90
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.2. Chane de Markov cache
Le calcul
T
(i) ncessite N
2
T itrations.
Figure 3.1 Illustration de la squence doprations requises pour le calcul de la variable
t
(i)
De la mme manire, on peut utiliser la variable backward
t
(i) :
t+1
(i) = P(O
t+1
O
t+2
O
T
|q
T
= S
i
, ) (3.19)
cest--dire, la probabilit de la squence partielle dobservation de t + 1 la n, donne par
ltat S
i
au temps t et par le modle .
t
(i) peut tre rsolu de la faon suivante :
1. Initialisation
t
(i) = 1, 1 i N (3.20)
2. Induction
t
(i) =
N
j=1
ij
b
j
(O
t+1
t+1
(j) t = T1, T2, , 1, 1 i N (3.21)
Ltape dinitiation dnie arbitrairement
t
(i) 1 pour tout i. Ltape 2, illustre par la
gure 3.2 montre que pour avoir t au temps t, et pour tenir compte de la squence dobservation
du temps t + 1, on considre tous les tats possibles ltat S
i
au temps t + 1, en comptant les
transitions S
i
S
j
(les termes a
ij
) ainsi que les observations O
t+1
ltat j (le terme b
j
(O
(t+1)
)
et le reste de la squence partielle dobservation ltat j (le terme
t+1
(j)).
3.2.2.2 Solution du Problme 2
La dicult rside dans la dnition de la squence dtat optimal, cest--dire, quil existe
plusieurs critres optimaux possibles. Par exemple, un critre optimal possible est de choisir les
tats q qui sont les plus probables. Ce critre optimal maximise le nombre attendu de corrections
des dirents tats. Pour mettre en uvre la solution du problme 2, on dnit la variable :
t
(i) = P(q
t
= S
i
|O, ) (3.22)
91
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
Figure 3.2 Illustration de la squence doprations requises pour le calcul de la variable
t
(i)
cest--dire, la probabilit dtre ltat S
i
au temps t, donne pour une squence dobservation
O et pour le modle . On peut crire cette quation laide des variables forward-backward :
t
(i) =
t
(i)
t
(i)
P(O|)
=
t
(i)
t
(i)
N
i=1
(i)
t
(i)
(3.23)
car
t
(i) compte pour la squence partielle dobservation O = O
1
O
2
. . . O
t
et ltat S
i
t, alors
que
t
(i) reprsente le reste de la squence dobservation O = O
t+1
O
t+2
. . . O
T
, donne par
ltat S
i
t. Le facteur de normalisation P(O|) =
N
i=1
(i)
t
(i) nous donne la relation suivante
sur
t
(i) :
N
i=1
t
(i) = 1 (3.24)
laide de
t
(i), on peut rsoudre ltat q le plus probable au temps t :
q
t
= argmax
1iN
[
t
(i)], 1 t T (3.25)
Bien que (3.25) maximise le nombre attendu des tats "corrects" (par le choix de ltat le plus
probable chaque t), il peut y avoir des problmes avec le rsultat de la squence dtat. Par
exemple, quand la chane a des transitions dtat probabilits nulles (a
ij
= 0 pour certains i et
j), la squence dtat optimal ne sera pas valide. Cela est d la solution (3.25) qui dtermine
ltat le plus probable pour tout instant t sans prendre en compte la probabilit des vnements
des squences dtats.
Une solution possible au problme ci-dessus est de modier le critre doptimalit. Le critre
le plus souvent utilis consiste trouver lunique meilleure squence dtat (chemin), cest--dire,
maximiser P(Q|O, ) qui revient maximiser P(Q, O|). Cette mthode est connue sous le nom
dalgorithme de Viterbi [Forney, 1973].
92
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.2. Chane de Markov cache
Pour trouver la meilleure squence Q = q
1
q
2
q
T
pour une squence dobservation donne
O = O
1
O
2
O
T
, on a besoin de dnir :
t
(i) = max
q
1
, q
2
, , q
t1
P[q
1
q
2
q
t
= i, O
1
O
2
O
t
|] (3.26)
t
(i) est le meilleur score (la plus grande probabilit) pour un chemin, au temps t, entre la
premire observation t la dernire ltat S
i
. Par induction, nous avons :
t+1
(j) = [max
t
t
(i)a
ij
] b
j
(O
t+1
) (3.27)
Pour rcuprer la squence dtat, il faut garder lempreinte de largument qui maximise
(3.27), pour chaque t et j. Pour y parvenir, nous dnissons un tableau
t
(j). La procdure pour
trouver la meilleur squence dtat peut tre dcrite de la manire suivante :
1. Initialisation :
1
(i) =
i
b
i
(O
1
), 1 j N
1
(i) = 0 (3.28)
2. Rcursion :
t
(j) = max
1jN
[
t1
(i)a
ij
]b
j
(O
t
) 2 t T
1 j N (3.29)
t
(j) = argmax
1jN
[
t1
(i)a
ij
] 2 t T
1 j N (3.30)
3. Final :
P
= max
1iN
[
T
(i)]q
T
= argmax
1iN
[
T
(i)] (3.31)
4. Squence dtat obtenue en backtracking :
q
t
=
t+1
(q
t+1
), t = T 1, T 2, . . . , 1 (3.32)
3.2.2.3 Solution du Problme 3
Le troisime problme a pour but de rajuster les paramtres du modle (A, B, ) pour
maximiser la probabilit de la squence dobservation donne par le modle. Il ny a pas de
moyen connu pour trouver analytiquement le modle qui maximise la probabilit de la squence
dobservation. En fait, compte tenu de toutes les squences dobservations nies utilises comme
donnes dapprentissage, il ny a pas de moyen optimal de lestimation des paramtres du modle.
Malgr tout, = (A, B, ) peut tre choisi de sorte que P(O|) est maximise localement en
utilisant une procdure itrative telle que la mthode de Baum-Welch (ou la mthode EM,
expectation-modication)[Rabiner, 1990]. On dnit
t
(i, j), la probabilit dtre ltat S
i
au
temps t, et ltat S
j
au temps t + 1, selon le modle et la squence dobservation :
t
(i, j) = P(q
t
= S
i
, q
t+1
= S
j
|O, ) (3.33)
93
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
On peut crire
t
(i, j) en fonction des variables forward et backward :
t
(i, j) =
t
(i)a
ij
b
j
(O
t+1
t+1
(j))
P(O|)
=
t
(i)a
ij
b
j
(O
t+1
t+1
(j))
N
i=1
N
j=1
t
(i)a
ij
b
j
(O
t+1
t+1
(j))
(3.34)
Nous avions dni prcdemment
t
(i), la probabilit dtre ltat S
i
au temps t, pour une
squence dobservation et un modle donn.
t
(j) et (i, j) peuvent tre lies ainsi :
t
(j) =
N
j=1
t
(i, j) (3.35)
Si nous sommons tous les
t
(i) par rapport au temps t, on obtient une quantit qui peut tre
interprte comme le nombre prvu (par rapport au temps) dtre ltat S
i
, ou autrement dit,
le nombre prvu de transitions partir de ltat S
i
(sans prendre en compte dans la somme le
temps t = T). De mme, la somme de
t
(i, j) par rapport t (de t = 1 t = T 1) peut tre
interprte comme le nombre prvu de transitions de ltat du S
i
ltat S
j
. Nous avons donc :
T1
t=1
t
(i) = nombre prvu de transitions de S
i
(3.36)
T1
t=1
t
(i, j) = nombre prvu de transitions de S
i
S
j
(3.37)
A partir des formules prcdentes, nous pouvons dnir une mthode pour restimer les para-
mtres du modle HMM. Lensemble des formules de restimation de , A et B est donn par :
i
= frquence attendue (nombre de fois) dtre ltat S
i
au temps t = 1 =
1
(i) (3.38)
a
ij
=
nombre prvu de transitions de S
i
S
j
nombre prvu de transitions de S
i
=
T1
t=1
t
(i, j)
T1
t=1
t
(i)
(3.39)
b(j)(k) =
nombre prvu de fois ltat j et dobserver le symbole v
k
nombre prvu de fois ltat j
=
T
t=1
Ot=v
k
t
(j)
T
t=1
t
(j)
(3.40)
94
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.3. Utilisation des Chanes de Markov caches
3.3 Utilisation des Chanes de Markov caches
3.3.1 Dnition de ltude
Soit une pice quipe de 4 capteurs de prsence ou de mouvement. Linformation apporte
par chacun des capteurs permet de dire quune personne est prsente dans la zone de couverture
du capteur. On numrote de 1 12 les direntes zones obtenues par la couverture des capteurs
placs arbitrairement. On se place dans un repre cartsien, les capteurs I, II, III et IV sont
placs respectivement en C(0,5), G(5,5), J(2.36,0.47) et E(7.42,0) (voir gure 3.3). On considre
Figure 3.3 La pice dans un repre cartsien
quaucun obstacle ne gne le champ de couverture des capteurs. La pice ne comporte quune
porte dentre qui donne sur la zone 2. Pour aller de la zone 2 la zone 8, la personne peut
parcourir, par exemple, les chemins suivants :
Zone 2Zone 5Zone 4Zone 8
ou Zone 2Zone 3Zone 6Zone 8
ou Zone 2Zone 1Zone 4Zone 5Zone 4Zone 8.
Le zonage de la pice dni par les dirents champs de couvertures des capteurs permet de
localiser la personne. Le tableau 3.1 indique quels capteurs sont activs, en fonction de la zone
doccupation. On peut aussi envisager de prvoir les dplacements de la personne dans la pice.
3.3.2 Application
On considre notre pice de la gure 3.3. La gure 3.4 donne la reprsentation graphique des
possibilits qu une personne de passer dune zone une autre. Il y a donc des passages qui sont
en thorie impossibles, comme par exemple P(X
n+1
= 8|X
n
= 2) = 0.
95
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
Table 3.1 Fonctionnement des capteurs en fonction des zones
Figure 3.4 Reprsentation graphique de la chane de Markov
96
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.3. Utilisation des Chanes de Markov caches
Le calcul des probabilits de passage dune zone i une zone j a t ainsi ralis en fonction
de la surface de la zone j et de la longueur des lignes de contact dune zone voisine :
P
i,j
=
1 S
j
S
total
L
i/j
L
total j
(3.41)
L
i/j
: longueur de la ligne de transition entre la zone i et j,
L
total j
: longueur de la ligne de transition entre la zone j et les autres zones adjacentes,
S
j
: surface de la zone j,
S
total
: surface de la pice.
Si la zone j est adjacente n zones, alors la probabilit de rester dans la zone j est donne
par :
P
j,j
= 1
i=n
i=1
P
i,j
(3.42)
On obtient ainsi la matrice de transition A :
A =
_
_
0.05 0.60 0 0.35 0 0 0 0 0 0 0 0
0.28 0.08 0.4 0 0.24 0 0 0 0 0 0 0
0 0.36 0.16 0 0 0.27 0.21 0 0 0 0 0
0.27 0 0 0.04 0.40 0 0 0.29 0 0 0 0
0 0.33 0 0.34 0.03 0.3 0 0 0 0 0 0
0 0 0.27 0 0.20 0.07 0 0.28 0.18 0 0 0
0 0 0.33 0 0 0 0.05 0 0.29 0 0.33 0
0 0 0 0.12 0 0.22 0 0.17 0 0.32 0 0.17
0 0 0 0 0 0.34 0.34 0 0.02 0.30 0 0
0 0 0 0 0 0 0 0.39 0.15 0.07 0.39 0
0 0 0 0 0 0 0.18 0 0 0.35 0.22 0.25
0 0 0 0 0 0 0 0.40 0 0 0.53 0.07
_
_
(3.43)
La matrice dobservation B a pour symboles dobservation les combinaisons de capteurs pos-
sibles prsentes dans la table 3.1 page 96 plus les quatre combinaisons physiquement impossibles
qui ne correspondent aucune zone (V
13
= {I +IV }, V
14
= {I +III +IV }, V
15
= {I +II +IV }
et V
16
= {I + II + III + IV }). Idalement, nous devrions avoir la matrice dobservation B
suivante :
B =
_
_
1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0
_
_
(3.44)
97
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
Nous avons prsent ici un cas dtude qui nous permet de proposer une solution de loca-
lisation laide des HMM. Aprs un apprentissage laide de Baum-Welch ([Baum et Eagon,
1967][Baum et Sell, 1968]), les valeurs de probabilits dnies 1 peuvent varier en faveur des
dirents symboles. Ainsi, des erreurs de dtection sont mises en valeur et peuvent tre corri-
ges. En eet, il peut arriver que la combinaison de capteurs ne soit pas la bonne pour une zone
donne. Utiliser les HMM nous permet de raliser un apprentissage sur les habitudes de passage
dune zone une autre ( laide de la matrice A) et sur les observations du rseau de capteurs
( laide de la matrice B).
3.3.3 Application de certains scnarios
Noublions pas que dans notre systme, chaque changement de zone va dclencher une dtec-
tion ou une non dtection de nos capteurs (table 3.1). En changeant de zone, la personne ne va
changer ltat que dun seul des quatre capteurs. Par exemple, la zone 1 active le capteur I, on a
donc C = [1 0 0 0]. En passant dans la zone 2, le capteur II va tre galement activ, on obtient
alors C = [1 0 1 0].
3.3.3.1 Cas simple : une personne
Comme scnario simple, nous pouvons prendre le cas dune personne qui entre dans la pice
(zone 2) et nit dans la zone 8 par exemple. Comme nous lavons dj vu, un des chemins
possibles est de passer par les zones 5 et 4. Sur la gure 3.5, on reprsente quelques chemins
possibles avec la rponse des capteurs et la probabilit de passer dune zone une autre (obtenue
laide de la matrice de passage A).
Figure 3.5 Exemple de diagramme possible pour le cas simple
Dans un cas simple comme celui-ci, il est facile de localiser la personne chacune de ces
tapes et de connatre les probabilits de franchissement de la prochaine zone.
98
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.3. Utilisation des Chanes de Markov caches
3.3.3.2 Cas avec deux personnes
Dans ce nouveau cas, une personne ralise exactement le mme chemin dcrit prcdemment
pour aller de la zone 2 la zone 8 mais une fois arrive en zone 8, une deuxime personne entre
dans la pice en zone 2. Ce cas est reprsent sur la gure 3.6.
Figure 3.6 Diagramme dans le cas avec 2 personnes
Au nal, linformation donne par la combinaison de capteurs demande une interprtation. Si
on traduit le rsultat obtenu par le systme donn par la dernire ligne de la gure 3.6, les zones
occupes ont t dans lordre : 2, 5, 4, 8, 5. Or, notre matrice A montre que la transition entre la
zone 8 5 est impossible (a
5,8
= 0). Lalgorithme de traitement doit entrevoir deux possibilits :
il y a une personne dans la pice et il y a eu un ou plusieurs franchissements qui nont pas
t dtects,
il y a 2 personnes dans la pice qui faussent le dcryptage simple de la localisation donne
par le tableau 1.
3.3.4 Simulation
Nous reprenons ici le cas dtude de la pice propose prcdemment dans la partie 3.3.1 page
95. Soit une personne faisant 10000 pas de 0, 5 m dans la pice, une marche alatoire est donc
simule dans la pice pour constituer une nouvelle matrice A qui reprsente les probabilits de
franchissement dune zone une autre.
A =
99
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
On ralise la simulation du chemin suivant pris par une personne qui donne lobservation
suivante (selon la correspondance du tableau 3.1 page 96) :
O = [2 1 4 5 6 9 6 9 12 11 7 3 6 4 8 10 9 6 3 2]
laide de la squence dobservation O et de lalgorithme de Viterbi, le chemin pris par
la personne peut tre estim comme nous le montre la gure 3.7 en utilisant la matrice A de
lquation 3.3.4 et la matrice B de lquation 3.44 (page 97).
Figure 3.7 Rsultats de simulation dobservation du rseau de capteurs et lestimation laide
dune HMM
Ce premier rsultat est obtenu dans des conditions idales, cest--dire que lon ne prend pas
en compte les erreurs de dtection du rseau de capteurs. Si on utilise les matrices A et B comme
telles, une erreur de dtection ne peut tre diagnostique et lestimation du chemin parcouru ne
peut tre estim. Si le systme doit tre install, on peut lancer une phase dapprentissage per-
mettant de modier les lments des matrices de lHMM, particulirement celles de la matrice B.
On ralise une simulation similaire la prcdente, mais on insre dans la squence dobservation
des erreurs :
O = [2 13 4 5 6 9 6 8 16 11 7 3 6 15 8 10 9 6 3 2]
Si on utilise la mme matrice B, notre modle de localisation ne sera pas capable de retrouver
le chemin parcouru. On propose donc de modier la matrice B pour avoir des lments de la
100
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.3. Utilisation des Chanes de Markov caches
matrice qui prennent en compte les erreurs de dtections, on obtient ainsi :
B =
(3.45)
Comme nous montre la gure 3.8, les erreurs de dtections sont rinterprtes et permettent
de reconstituer le chemin rellement pris par la personne.
Figure 3.8 Rsultats de simulation dobservation du rseau de capteurs et lestimation laide
dune HMM
3.3.5 Conclusion
Dans cette partie, nous avons propos un systme de localisation et de suivi de la personne
laide dun rseau de capteurs et dune chane de Markov. Lutilisation de cette mthode a t
pense la base pour un rseau de capteurs de type PIR. Malheureusement, les PIR ne sont que
des dtecteurs de mouvement donc le codage des capteurs peut tre perdu quand il ny a pas de
mouvement. Si cette mthode est utilise avec des PIR, il faut prendre en compte ce phnomne
101
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
dans le systme de traitement des donnes. Lutilisation dun capthom avec ce modle est tout
fait approprie. Il sera apprciable davoir linformation de prsence dans une zone donne par
un capthom qui dlivre une information de type tout ou rien et la combinaison de plusieurs
capthoms assureraient le codage des zones en continu.
LHMM nous permet davoir en plus un systme qui peut se radapter en fonction des ha-
bitudes de la personne dans la pice en rajustant les matrices A et B en fonction de donnes
de lusage de la pice. Cet apprentissage permet la mise en valeur des habitudes mais aussi des
dfauts qui peuvent apparatre.
3.4 Systme multi-Capteurs pour la localisation
3.4.1 Triangulation
La localisation dune personne dans une pice est une problmatique souvent aborde dans le
cadre de la maison intelligente (smart home) comme nous lavons vu dans la section 1.2 (page 30).
Dans le projet maison de Mathilda, des "tags" ultrason sont utiliss et la mthode de triangu-
lation permet de localiser la personne (voir gure 3.9). Lavantage de cette technologie ultrason
est davoir directement linformation de distance entre la cible et les capteurs [Helal et al., 2003].
Figure 3.9 schma pour la mthode de triangulation
Pour simplier notre tude, nous nous plaons dans R
2
.De manire gnral, la cible peut tre
repre dans le plan par diverses mthodes. Considrons les quations suivantes obtenues laide
des relations trigonomtriques :
Y
C
=
_
L
2
1
X
2
C
(3.46)
X
C
=
L
2
1
L
2
2
+Lo
2
2Lo
(3.47)
102
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.4. Systme multi-Capteurs pour la localisation
Les coordonnes de la cible (x,y) sont donnes par :
y = La Y
C
(3.48)
x = X
C
(3.49)
Les quations (3.46), (3.47), (3.48) et (3.50) sont facilement applicables lorsque les distances
L
1
et L
2
sont mesures directement par des capteurs. Dans nos travaux prsents dans cette
thse, une des rponses des capteurs est donne par le modle suivant (on utilise lquation 2.32
page 80) pour une temprature de la cible xe 35C :
U
model
=
0, 04
(0, 51 +r
c
)
2
g(
c
) + 0, 015T + 2, 208 (3.50)
avec g(
c
) le modle dattnuation angulaire.
La rponse du capteur 1, appel U
1
, dpend de L
1
et et la rponse du capteur 2, appel
U
2
, dpend de L
2
et . Si on veut exprimer les coordonnes de la cible laide des paramtres x
et y par rapport la rponse des capteurs, on utilise les relations suivantes :
L
1
=
_
x
2
+ (La y
2
) (3.51)
= arctan(
x
La y
) (3.52)
L
2
=
_
(Lo x
2
) + (La y
2
) (3.53)
= arctan
La y
Lo x
(3.54)
De plus, les capteurs donnent des rponses sous la forme :
U
1
=
0, 04
(0, 51 +L
1
)
2
g(
c1
) + 0, 015T + 2, 208 (3.55)
U
2
=
0, 04
(0, 51 +L
2
)
2
g(
c2
) + 0, 015T + 2, 208 (3.56)
Dans les quations (3.55) et (3.56), il faut prendre en compte lorientation des capteurs
(Figure 3.10) :
c1
=
4
(3.57)
103
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
Figure 3.10 Orientation des capteurs dans la pice
c2
=
4
(3.58)
Les quations (3.52) (3.58) donnent les relations suivantes :
U
model1
=
0, 04
(0, 51 +
_
x
2
+ (La y
2
))
2
g(45 arctan (
x
La y
) + 0, 015T + 2, 208 (3.59)
U
model2
=
0, 04
(0, 51 +
_
(Lo x
2
) + (La y
2
))
2
g(45 arctan (
La y
Lo x
) +0, 015T +2, 208 (3.60)
On note :
r =
_
x
2
+y
2
(3.61)
= tan
y
x
(3.62)
3.4.2 Localisation par la mthode doptimisation de Levenberg-Marquardt
La mthode doptimisation de Levenberg-Marquardt est un outil doptimisation utilis dans
de nombreux domaines et couramment utilis dans la robotique comme par exemple dans la
thse de Nicolas Morette [Morette, 2009] pour la navigation en robotique mobile. Nous allons
utiliser cette mthode pour rpondre notre problmatique de localisation.
104
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.4. Systme multi-Capteurs pour la localisation
Nous proposons de dnir la fonction J comme tant notre critre doptimisation :
J =
nombre total de capteurs
n=1
(U
n
(x, y) U
nmesure
)
2
(3.63)
avec, U
nmesure
la rponse du capteur n et U
n
la rponse simule du capteur n en fonction des
coordonnes x et y estimes de la personne.
Sur la gure (3.11), la procdure pour loptimisation par Levenberg-Marquardt est dcrite.
Pour plus de dtail sur lalgorithme nous renvoyons le lecteur la thse de [Tertois, 2003]. Pour
rsumer, on calcule le pas de Levenberg en fonction du gradient et du hessien du critre J dni
par (3.63). Durant chaque itration, lestime est dtermin laide du gradient et du hessien du
critre (G et H) :
P(i) = P(i 1) (H +I)
1
G (3.64)
I est la matrice identit.
Au cours de litration, si le critre diminue, on diminue le paramtre pour se rapprocher
de la mthode de Gauss-Newton, cest--dire que le calcul de lestime prsent dans lquation
(3.64) sera quivalent :
P(i) = P(i 1) H
1
G (3.65)
Par contre, si le critre augmente, le paramtre est augment pour se rapprocher de la mthode
du gradient.
3.4.2.1 Simulations
On ralise un premier test de simulation sur une pice quipe par deux capteurs en utili-
sant lalgorithme de Levenberg-Marquardt. La gure 3.12 donne le rsultat pour deux types de
situation : la personne se dplace dans la zone de couverture des deux capteurs (g. 3.12A) et
la personne se situe sur la zone dun des capteurs (g. 3.12B et C). Le modle de la rponse
du capteur utilis est celui propos par lquation (2.32) (page 80). On rappelle que pour ce
capteur, nous avons identi un modle compos de trois parties en fonction de langle. Sur la
gure 3.12, nous avons dessin le champ de dtection avec un rayon arbitraire pour la partie
centrale mais le programme prend en compte lensemble du modle. Une marche alatoire est
simule et reprsente en rouge sur les graphes en trait continu gauche dans la gure et par
des croix rouges () droite. Les points estims sont reprsents par des croix bleues (+) sur le
graphe de droite. Les trois premiers rsultats prsents dans la gure 3.12 mettent en vidence
que les coordonnes auront une meilleure estimation si la pice est couverte dans son ensemble
par au moins deux capteurs.
La gure 3.13 nous conforte dans cette hypothse. Nous avons plac un troisime capteur dans
la pice, ce qui permet davoir une zone recoupe par trois capteurs et plusieurs zones recoupes
par deux capteurs. Ainsi, pour des zones couvertes par deux ou trois capteurs, les rsultats sont
trs satisfaisants comme on peut le voir sur les graphes A et C de la gure 3.13. Par contre si la
trajectoire de la personne se trouve loin de la couverture de plusieurs capteurs, lestimation des
coordonnes est trs mauvaise comme le montre le graphe B.
105
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
Figure 3.11 Algorithme de Levenberg-Marquardt pour la localisation dune personne laide
de n capteurs
106
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.4. Systme multi-Capteurs pour la localisation
Figure 3.12 Simulation dune marche alatoire et de la localisation par lalgorithme de
Levenberg-Marquardt pour deux capteurs
107
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
Figure 3.13 Simulation dune marche alatoire et de la localisation par lalgorithme de
Levenberg-Marquardt pour trois capteurs
108
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.4. Systme multi-Capteurs pour la localisation
3.4.2.2 Informations supplmentaires la localisation laide de lalgorithme de
Levenberg-Marquardt
Lutilisation dun modle simpli de la rponse du capteur et dun algorithme doptimisation
sur un rseau de capteurs nous a permis de mettre en uvre une mthode de localisation et de
suivi de la personne. Dans le paragraphe 2.5, nous avons tabli un modle de la rponse du
capteur prenant en compte les coordonnes dans lespace de la cible mais aussi en fonction de
sa temprature. On propose dutiliser lalgorithme de Levenberg-Marquardt pour dterminer les
coordonnes de la personne et sa temprature. En eet, le temprature de la cible est un lment
important qui inue fortement la rponse du capteur infrarouge. La temprature de notre corps
nest pas forcment 37 C (cest ce qui a t prsent dans le chapitre 1). On imagine la
situation suivante : nous sommes en hiver, il fait froid dehors et la personne rentre dans la pice.
La temprature de la personne sera forcment plus froide quen temps normal, il faudra attendre
un peu de temps pour que la personne se rchaue. Cette situation simple, mais courante dans
la vie de tous les jours, met bien en vidence la ncessit davoir une estimation par rapport la
temprature. Une nouvelle simulation est propose par rapport ce scnario simple, cest--dire
que la personne est 35C et se rchaue jusqu 37C. Pour notre simulation, nous proposons
de simplier le modle propos par lquation (2.20) (page 73) :
U
model
=
0, 048 T
cible
0, 608
(0, 66 +r)
2
(0, 00015
2
+0, 0256+1, 165)+0, 04T
sensor
+1, 06 (3.66)
Dans lquation (3.66), on ne prend pas en compte langle azimuth pour travailler en deux
dimensions et on suppose que le capteur nest pas encapsul pour que son champ de dtection
ne soit pas altr. On se place dans la mme pice que dans lexprience prsente dans la partie
3.4.2.1, mais on ajoute un quatrime capteur pour une meilleure couverture de dtection de la
pice.
Pour avoir notre nouvelle information, il faut rednir notre critre doptimisation en fonction
des coordonnes de la personne (x, y) et de sa temprature (T
cible
) :
J =
nombre total de capteurs
n=1
(U
n
(x, y, T
cible
) U
nmesure
)
2
(3.67)
La gure 3.14 nous montre que lajout dun nouveau paramtre dans le critre de lalgo-
rithme, nempche pas une bonne estimation des coordonnes de la position de la personne. On
remarque sur la gure que la marche simule correspond aux points calculs par lalgorithme
de Levenberg-Marquardt. Une bonne estimation de la marche implique donc que nous avons pu
estimer correctement la temprature de la personne, ce que nous conrme la gure 3.15.
Il est intressant de noter qu laide de cette mthode doptimisation et du modle de la
rponse du capteur, nous sommes capable de retirer de nombreuses informations ; condition
que le nombre de paramtres estimer soit infrieur ou gal au nombre de rponses disponibles
des capteurs, autrement dit, il faut avoir au minimum autant dquations que dinconnues, ce
qui explique lintrt davoir un rseau de capteurs.
109
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
Figure 3.14 Simulation dune marche alatoire et de la localisation par lalgorithme de
Levenberg-Marquardt pour quatre capteurs
Figure 3.15 Simulation dune volution de temprature et estimation par lalgorithme de
Levenberg-Maarquardt
110
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.4. Systme multi-Capteurs pour la localisation
Finalement, cet algorithme peut nous permettre davoir un capthom plus performant que
les solutions actuelles. Les habitus des dtecteurs de mouvement peuvent observer, selon le
modle en leur possession, que des dtections intempestives peuvent survenir lorsquun animal
domestique passe dans la pice. Ce genre de dtection peut tre dsagrable pour lutilisateur
qui ne dsire peut-tre pas que le systme de gestion de lclairage allume la lumire pour son
animal. De la mme faon que nous avons pu dterminer la temprature, nous pouvons envisager
de direncier un humain dun animal en utilisant le modle de lquation 2.20 (page 73). Eec-
tivement, nous avons un modle qui donne la rponse du capteur en fonction de ces coordonnes
dans lespace et comme le montre la gure 3.16, nous sommes en gnral plus grand que nos
animaux et donc nos coordonnes sont identiables laide de lalgorithme de localisation par
Levenberg-Maarquardt. Comme nous le montre la gure 3.17, nous avons la possibilit, laide
dun rseau de capteurs, didentier la cible en fonction de sa taille ; savoir, dans le cas prsent
sur la gure 3.17, 1, 75 m pour la personne et 0, 75 m pour un animal domestique.
Figure 3.16 Identication dun humain ou dun animal laide du capteur
111
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 3. Localisation dune personne laide dun rseau de capteurs
Figure 3.17 Simulation dune marche alatoire dune personne et dun animal et localisation
par lalgorithme de Levenberg-Marquardt laide de quatre capteurs
3.5 Conclusion sur la localisation
Nous avons, dans cette partie, propos deux technologies pour la localisation. La premire
technologie propose est un rseau de capteurs de type tout ou rien, lexemple bien connu de
ce type de capteur pour notre application sont les dtecteurs de mouvement. Utiliser les chanes
de Markov caches nous a permis de poser le problme de manire trs intuitive comme en
tmoigne la reprsentation graphique de notre tude donne par la gure 3.4 (page 96). Bien que
les coordonnes de la personne ne soient pas donnes par des valeurs, la personne est localise
sur une zone de la pice. Une fois le dcoupage en zones ralis, les zones peuvent tre identies
par rapport leur fonctionnalit, savoir si cest une zone de passage ou une zone avec un taux
doccupation signicatif (par exemple, prsence dun lit, dun bureau, dune armoire, ou autre).
laide de la mthode de Baum-Welch, la matrice de transition A et la matrice dobservation B
peuvent tre soumises un apprentissage permettant lamlioration du modle de Markov cach.
Un bon apprentissage peut permettre datteindre un certain niveau dimmunit face aux fausses
dtections. Ainsi, partir dune squence dobservation de la rponse des dirents capteurs, le
chemin parcouru travers les direntes zones peut tre retrouv (algorithme de Viterbi). Les
lments qui composent ce modle permettent aussi de prvoir la prochaine zone occupe par la
personne.
La deuxime technologie est un capteur qui apporte une information supplmentaire la
prsence comme les coordonnes de la personne dans lespace. Ces informations peuvent tre
recueillies laide des capteurs de type thermopile prsents dans le chapitre 2.5. Nous avons
donc propos ltude dune pice quipe de capteurs infrarouges de type thermopile dont la
rponse est utilise pour dterminer les coordonnes dans lespace. Ces coordonnes doivent
tre dduites des direntes rponses du rseau de capteurs. Une mthode doptimisation par la
112
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
3.5. Conclusion sur la localisation
mthode de Levenberg-Marquardt est utilise pour lestimation des coordonnes de la personne
dans la pice. Les rsultats obtenus en simulation sont trs prometteurs condition davoir un
recouvrement de la pice par un nombre susant de capteurs.
Il est souligner quil est dicile de proposer un moyen de localiser une personne dans une
pice laide dun seul capteur. Utiliser un rseau de capteurs nous permet de rpondre la
problmatique de localisation dune personne. Bien entendu, multiplier le nombre de capteurs
aura une inuence sur le cot nal du systme de localisation mais permettra dans la premire
mthode davoir plus de zones doccupation (ce qui nest pas forcment ncessaire) et dans la
deuxime mthode, une estimation plus prcise des coordonnes. Cependant, la plus grande
dicult des systmes de localisation est la localisation de plusieurs personnes prsentes dans la
pice.
113
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
CHAPITRE 4
Test sur un appartement tmoin
Sommaire
4.1 LAppartement pilote . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
4.2 Les quipements disposition . . . . . . . . . . . . . . . . . . . . . . . 118
4.3 Exprimentation avec un habitant . . . . . . . . . . . . . . . . . . . . 119
4.3.1 Rsultats obtenus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.3.2 Impression de lhabitant . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.3.3 Premire approche de localisation de la personne . . . . . . . . . . . . . 123
4.3.4 Installation des capthoms . . . . . . . . . . . . . . . . . . . . . . . . . . 129
4.4 Validation de la mthode de localisation . . . . . . . . . . . . . . . . 131
4.5 Les perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
115
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
4.1. LAppartement pilote
Nous avons prsent, dans le chapitre 1, de nombreux projets sur le maintien domicile
travers des travaux de recherche sur lhabitat intelligent. Le projet CAPTHOM avait pour vocation
de rpondre aussi aux besoins lis au maintien domicile. Nous avons eu la possibilit de raliser
quelques expriences dans un appartement tmoin quip pour laide la personne.
4.1 LAppartement pilote
Un appartement tmoin est mis notre disposition au sein de lEPHAD (tablissement
dHbergement pour Personnes ges Dpendantes) de Bellevue Bourges. Lobjectif de cet ap-
partement, cr dans le cadre du projet MADONAH (Maintien et Assistance Diurne Ou Nocturne
pour personnes ges et/ou Handicapes), est de :
participer au maintien domicile de personne dpendante ou handicape,
tester en rel des dispositifs technologiques nouveaux pour des personnes ges et/ou han-
dicapes,
mettre disposition un plateau technologique au service des rseaux grontologiques,
favoriser le transfert de nouvelles technologies.
Dans cet objectif, un appartement de 100m
2
a t amnag comportant les pices suivantes :
une cuisine,
une pice de vie,
une chambre,
une salle de bain.
Figure 4.1 Photos de lappartement prototype de lEPHAD de Bellevue
117
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 4. Test sur un appartement tmoin
Dans les partenaires scientiques du projet MADONAH, nous allons trouver certains acteurs
du projet CAPTHOM :
le ple de comptitivit S2E2 (Sciences et Systmes de lnergie lectrique),
lInstitut PRISME,
la socit SOREC,
le Cresitt Industrie,
Legrand Industrie,
le Ple Capteurs Automatismes.
Bien sr cette liste, nous devons compter sur la participation de la rsidence de Bellevue.
4.2 Les quipements disposition
Chaque salle est quipe de capteurs et de commandes qui sont relis une passerelle per-
mettant lacquisition des actions dans la pice. Toutes les donnes sont consultables sur internet
ladresse http ://madonah.dyndns.org/PERvision/ ; ce site a t ralis par nos partenaires de
Legrand et permet de voir lutilisation des dirents produits dans ce lieu dexprimentation :
dans le sjour :
1 dtecteur de mouvement qui surveille la pice,
2 commandes des volets roulants (Monte/Descente) pour chaque fentre, et une troi-
sime centralise pour commander les volets de toutes les fentres en mme temps,
1 commande pour lclairage ;
dans la cuisine :
1 dtecteur de mouvement qui surveille la pice,
1 commande pour lclairage,
1 commande des volets roulants,
1 capteur de fuite deau,
1 dtecteur de fume,
1 sonde de temprature dans le frigo ;
dans la salle de bain :
2 commandes de la porte automatique (une lintrieur et lautre lextrieur de la salle
de bain),
1 commande pour lclairage,
1 commande des volets roulants,
1 commande pour louverture et la fermeture de la fentre,
1 commande pour louverture et la fermeture du robinet de la baignoire,
1 commande pour louverture et la fermeture de la bonde de la baignoire,
2 dtecteurs de mouvement qui surveillent la pice sur deux angles dirents,
2 capteurs de fuite deau, un pour surveiller la baignoire, le second pour les WC;
dgagement :
1 commande pour lclairage,
1 dtecteur de prsence pour surveiller la zone,
1 sonde de temprature pour mesurer la temprature intrieure,
1 commande de la porte dentre automatique ;
chambre :
1 commande des volets roulants,
118
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
4.3. Exprimentation avec un habitant
1 commande pour louverture et la fermeture de la fentre,
3 dtecteurs de mouvement, le premier vise la pice dans sa globalit, les deux autres
sont placs de chaque ct du lit et ont un trs faible angle douverture,
1 capteur de fuite deau RF,
1 commande pour lclairage.
Notons que les produits que nous nommons commande ici sont en fait des produits proposs
et commercialiss par notre partenaire Legrand et ne sont pas de simples interrupteurs. En eet,
ils peuvent tre intgrs dans des scnarios qui lient les informations apportes par les dtecteurs
de mouvements pour eectuer une commande comme lclairage. Cette liste dquipement nest
pas exhaustive, en eet, nous pouvons retrouver dans lappartement dautres dtails qui sont
installs pour aider la personne. Par exemple, une tlcommande est mise la disposition de la
personne pour commander certains lments de lappartement. La cuisine est quipe dun plan
de travail et dun vier qui montent ou qui descendent par simple commande, ce qui est trs
pratique pour des personnes en fauteuil roulant par exemple. lextrieur un lecteur de badge
est install, ce qui permet douvrir la porte automatique laide dun badge spcial.
Pour nos essais, nous nous concentrons particulirement sur les dtecteurs de mouvement
(PIR) dont le placement est donn par la gure 4.2. Nous avons install, dans la salle de bain,
deux capteurs de type thermopile non encapsul (reprsent en vert sur la gure 4.2).
Nous proposons un algorithme simple de localisation de la personne dans lappartement.
Lorsque un capteur dans une pice est excit, lalgorithme considre que la personne est dans
cette pice. Finalement, cest le dernier capteur qui dtecte qui dtermine le lieu o se trouve
la personne. Les dtecteurs de mouvement sont placs de manire avoir le meilleur champ de
dtection dans la pice, ce qui est dterminant pour pouvoir localiser au mieux lhabitant.
4.3 Exprimentation avec un habitant
Dans le cadre du maintien domicile, la participation dune personne ge dans nos tests
est un rel atout pour la validation des systmes tests au sein de lappartement. Un homme de
plus de 80 ans sest port volontaire pour vivre dans lappartement pendant un mois environ.
Cette personne est valide, cest--dire, quelle est compltement indpendante (fait son mnage
et sa cuisine seule). Cette exprience permet de valider les quipements mis sa disposition et
de cerner les amliorations apporter dans lappartement.
4.3.1 Rsultats obtenus
Sur la gure 4.3, lactivit de la personne dans lappartement est retrace laide des rponses
des capteurs placs dans lappartement. On note que la personne se lve rgulirement pour aller
aux toilettes. cet eet, il est prvu que lorsque la personne se lve la nuit et est dtecte par
un des capteurs ct du lit, lclairage qui mne la salle de bain sallume. Cette commande
rpond trs clairement lobservation faite que de nombreux accidents (chutes) surviennent la
nuit cause dun manque dclairage.
119
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 4. Test sur un appartement tmoin
Figure 4.2 Placement des capteurs dans lappartement
120
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
4.3. Exprimentation avec un habitant
Figure 4.3 Exemple de rsultats obtenus des rponses des capteurs au cours dune journe
121
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 4. Test sur un appartement tmoin
La gure 4.3 montre aussi des priodes o les capteurs nenregistrent aucun mouvement. Rien
dalarmant, en fait, notre sujet a seulement lhabitude de sortir rgulirement laprs-midi. Une
information dentres et de sorties nous aiderait faire la dirence entre une absence et une
situation o la personne a fait un malaise (plus de mouvements dtectables) ce qui ncessite une
intervention.
Les rsultats obtenus pour les thermopiles sont encourageants car on observe une excitation
du capteur quand il y a quelquun dans la pice. Par contre, la rponse est perturbe notamment
par la bue qui se dpose sur le capteur. De nouveaux prototypes seront proposs pour palier
ce problme, en utilisant, par exemple, un capteur encapsul.
Il est reconnu que les personnes ges ont leurs habitudes au quotidien [Chan et al.] . Lexpri-
mentation le montre trs clairement comme nous le montre la gure 4.4 o le temps doccupation
dans chaque pice est reprsent. Sur la gure, une premire moyenne a t calcule en prenant
en compte tous les jours et une deuxime moyenne est calcule en ne prenant pas en compte les
cinq premiers jours que nous avons considr comme des jours servant de rodage pour que la
personne prenne ses repres. Le temps pass dans chaque pice peut permettre de crer un mo-
dle sur les habitudes de la personnes et ces donnes peuvent tre utilises des ns mdicales :
par rapport son temps pass dans la salle de bain ou pour suivre lvolution dune maladie
dgnrative (de type Alzheimer par exemple) [Giroux et al., 2008]. Un modle des habitudes
peut permettre aussi une meilleure gestion des ressources nergtiques de lappartement.
Figure 4.4 Rpartition du temps de sjour
122
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
4.3. Exprimentation avec un habitant
4.3.2 Impression de lhabitant
Notre volontaire a vraiment apprci son sjour dans lappartement. Mme si certaines tech-
nologies le dpassent, il a su trs vite se familiariser avec les technologies que lui oraient la
maison. Cependant, il a not quelques dsagrments. La lumire qui steint quand il reste dans
la salle de bain un certain temps, notamment quand il est sous la douche. Cette situation la
oblig faire de grands signes aux capteurs de mouvements pour que la lumire sallume nou-
veau. La lumire steint car les capteurs ne dtectent aucun mouvement dans la pice. Lautre
problme est quaprs stre lev pour aller aux toilettes la nuit, il retourne dans son lit et la
lumire steint mais elle se rallume juste aprs alors quil est toujours dans son lit et quil na
pas lintention de se lever. Dans ce cas, nous avons une erreur de dtection quil faut grer.
4.3.3 Premires approche de localisation de la personne laide dune Chane
de Markov Cache
Dans le chapitre 3, nous avons propos une premire approche de lutilisation dune HMM
pour la localisation dune personne dans une pice quipe de plusieurs capteurs dont le champ
de dtection se recoupe et forme plusieurs zones. Nous proposons dutiliser une HMM pour la
gestion de lclairage dans lappartement tmoin. Nous allons utiliser les donnes obtenues lors
de la campagne dacquisition avec la personne dans lappartement pour adapter le modle. La
gure 4.5 donne les transitions attendues en thorie par notre modle.
Les N tats du modle (avec N = 5) sont donns par :
S = {sjour, cuisine, chambre, salle de bain, dgagement} (4.1)
laide des donnes sur les habitudes de lhabitant, nous avons calcul la distribution de la
probabilit de transition des tats A = a
ij
(i est la pice o se trouve la personne t et j est la
pice o se trouve la personne t + 1), o
a
ij
=
nombre de cas de transition i j
total des cas de transition de i vers un autre tat
(4.2)
Nous avons donc trait les donnes notre disposition pour calculer la matrice A :
A =
_
_
0, 93 0, 01 0, 01 0, 01 0, 04
0, 35 0, 64 0, 00 0, 00 0, 01
0, 26 0, 00 0, 72 0, 00 0, 02
0, 05 0, 00 0, 00 0, 80 0, 15
0, 22 0, 04 0, 04 0, 33 0, 37
_
_
(4.3)
Pour calculer la matrice dobservation B, nous dnissons M symboles dobservation possibles
123
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 4. Test sur un appartement tmoin
Figure 4.5 Schma du modle de Markov
124
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
4.3. Exprimentation avec un habitant
(avec M = 8) :
V
1
= dtection du capteur du sjour
V
2
= dtection du capteur de la cuisine
V
3
= dtection du capteur de la chambre
V
4
= dtection du premier capteur de salle de bain
V
5
= dtection du deuxime capteur de la salle de bain
V
6
= dtection du capteur du dgagement
V
7
= dtection du capteur gauche du lit
V
8
= dtection du capteur droite du lit
laide des donnes sur les habitudes de lhabitant, nous avons calcul la distribution de la
probabilit dobservation des symboles ltat j, o
b
j
(k) =
nombre de cas dobservation du symbole V
k
ltat j
total des cas dobservation du symbole V
k
(4.4)
Nous avons donc trait les donnes notre disposition pour calculer la matrice B :
B =
_
_
1, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00
0, 00 1, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00
0, 00 0, 00 0, 99 0, 00 0, 00 0, 00 0, 00 0, 01
0, 00 0, 00 0, 00 0, 99 0, 01 0, 00 0, 00 0, 00
0, 00 0, 00 0, 00 0, 00 0, 00 1, 00 0, 00 0, 00
_
_
(4.5)
Nous ralisons une simulation sur le modle obtenu pour les observations suivantes :
O = V3 V1 V5 V5 V4 V5 V1 V3 V3 V3 V3 V3 V3 V3 V3 V3 V3 V5 V3 V3 V3 V3 V3 V3 V3 V3 V3 (4.6)
Nous prcisons que lobservation O prise pour la simulation sont des observations relles
eectus lors des tests avec la personne ge. Le chemin rel et attendu pour lobservation O de
lquation 4.6 est donc :
Chemin rel = S3 S1 S5 S5 S4 S5 S1 S3 S3 S3 S3 S3 S3 S3 S3 S3 S3 S5 S3 S3 S3 S3 S3 S3 S3 S3 S3 (4.7)
On rappelle que la correspondance des tats est donne par lquation 4.1.
La gure 4.6 nous donne le rsultat de la simulation. Le chemin estim par le modle HMM
correspond au chemin rel pris par la personne.
Sur la gure 4.6, nous avons reprsent en bleu le chemin qui correspond directement lob-
servation. Lorsquil ny a pas derreur de dtection, il est normal quil ny ait pas de contradiction
entre le rsultat de lobservation et le chemin rel. Cependant, si une erreur de dtection apparat
dans une squence dobservation, il est important que le modle puisse estimer le chemin malgr
cette erreur. On suppose que la personne prend le mme chemin donn par lquation 4.7. Nous
125
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 4. Test sur un appartement tmoin
Figure 4.6 Rsultat de la simulation pour linterprtation du chemin pris selon le modle
HMM
reprenons la squence dobservation O et nous remplaons O
11
= V
3
par O
11
= V
2
pour simuler
une erreur de dtection :
O = V3 V1 V5 V5 V4 V5 V1 V3 V3 V3 V2 V3 V3 V3 V3 V3 V3 V5 V3 V3 V3 V3 V3 V3 V3 V3 V3 (4.8)
Ce qui, mal interprt, signie qu t = 11, la personne est dans la cuisine selon les capteurs,
bien quen ralit la personne soit dans sa chambre, comme nous lindique la reprsentation du
chemin rel de la gure 4.7.
La gure 4.7 est un rsultat qui peut tonner car nous savons quil est impossible daller de
la chambre la cuisine sans passer par le sjour au moins une fois et vice versa. Cependant, la
matrice dobservation B est formelle : lorsque le capteur de la cuisine dtecte, nous sommes sur
100% quil y a une personne dans la cuisine (b
2
(2) = 1). On prcise que cette erreur de dtection
prise dans notre exemple nest pas le reet de ce que nous avons observ durant les tests, elle a t
prise arbitrairement pour mettre en vidence les possibilits dadaptation du modle. En eet,
le modle peut tre corrig laide dun apprentissage si le problme est rcurrent sur un jour
entier. Une nouvelle simulation peut tre ralise laide dune nouvelle matrice dobservation
qui prend en compte les erreurs de dtection possibles :
B =
_
_
1, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00
0, 00 0, 80 0, 20 0, 00 0, 00 0, 00 0, 00 0, 00
0, 00 0, 30 0, 69 0, 00 0, 00 0, 00 0, 00 0, 01
0, 00 0, 00 0, 00 0, 99 0, 01 0, 00 0, 00 0, 00
0, 00 0, 00 0, 00 0, 00 0, 00 1, 00 0, 00 0, 00
_
_
(4.9)
126
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
4.3. Exprimentation avec un habitant
Figure 4.7 Rsultat de la simulation pour linterprtation du chemin pris selon le modle
HMM avec une erreur de dtection
laide de cette nouvelle matrice dobservation, nous pouvons avoir une estimation du chemin
qui correspond au chemin rel pris par la personne en corrigeant lerreur de dtection dans la
squence dobservation comme nous le montre la gure 4.8.
Pour assurer une meilleure dtection et localisation de la personne, nous pourrions couper la
journe en plusieurs parties. Chaque partie aurait son modle = (A, B, ) permettant de grer
le passage dune pice une autre et les rponses des capteurs. On peut proposer de couper la
journe en quatre par exemple. La premire partie peut correspondre lactivit de la personne
ge de 0 h 6 h; selon la gure 4.3 (page 121) et les autres rsultats obtenus les autres jours,
lhabitant se lve souvent la nuit pour aller de sa chambre aux toilettes. La deuxime partie de
6 h 12 h correspond son rveil (si ce nest pas dj fait) et lactivit dans les direntes
pices comme le mnage ou la cuisine. Durant la troisime partie de la journe de 12 h 18 h,
la personne sabsente gnralement pendant longtemps. lheure actuelle, si la gestion de la
lumire se faisait laide de notre algorithme de localisation simple, la lumire dans le sjour
serait toujours allume quand la personne est sortie. On rappelle quavant le test, nous avons
implment en aval de lacquisition de la rponse des capteurs, un systme de localisation en
temps rel basique qui prend en compte la dernire dtection. En eet, le dernier capteur qui
dtecte la personne avant sa sortie est le capteur dans le sjour. Heureusement, pour linstant,
la gestion de la lumire est eectue laide dune temporisation, donc si le capteur dans le
sjour ne dtecte aucun mouvement pendant un certain temps dni lors de linstallation du
systme alors la lumire est teinte systmatiquement, ce qui signie que la lumire est allume
pour rien le temps de la temporisation. Finalement, pour la troisime partie de la journe, il faut
que notre HMM soit capable de donner une information supplmentaire, savoir la sortie de la
personne, pour une meilleure gestion de lclairage. La dernire partie de la journe de 18 h
127
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 4. Test sur un appartement tmoin
Figure 4.8 Rsultat de la simulation pour linterprtation du chemin pris selon le modle
HMM avec une correction de lerreur de dtection
24 h correspond aux activits lies la cuisine, la salle de bain et dans le sjour pour nir la
n dans la chambre pour dormir.
Nous proposons de calculer la nouvelle matrice de transition A et la matrice dobservation B
par rapport la premire partie de la journe de notre acquisition et de confronter le nouveau
modle obtenu pour cette portion de la journe lobservation prsente dans lquation 4.8 qui
est, on le prcise, une squence rellement obtenue dans cette mme partie de journe. Nous
obtenons donc pour un calcul des probabilits de transition de 0 h 6 h pour la matrice A
suivantes :
A =
_
_
0, 59 0, 00 0, 11 0, 25 0, 05
0 0 0 0 0
0, 01 0, 00 0, 97 0, 00 0, 02
0, 05 0, 00 0, 00 0, 63 0, 32
0, 14 0, 00 0, 37 0, 13 0, 36
_
_
(4.10)
Nous voyons que sur cette nouvelle matrice A, aucun passage vers la cuisine nest possible. Nous
calculons aussi la matrice dobservation B en prenant en compte lerreur de dtection possible
dans la cuisine :
B =
_
_
1, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00
0 0 0 0 0 0 0 0
0, 00 0, 03 0, 92 0, 00 0, 00 0, 00 0, 00 0, 05
0, 00 0, 00 0, 00 1, 00 0, 00 0, 00 0, 00 0, 00
0, 00 0, 00 0, 00 0, 00 0, 00 1, 00 0, 00 0, 00
_
_
(4.11)
laide de ce nouveau modle, nous obtenons le mme rsultat obtenu sur la gure 4.8.
128
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
4.3. Exprimentation avec un habitant
Lavantage de couper la journe en plusieurs parties et davoir plusieurs modles est de pouvoir
traiter les donnes obtenues par les capteurs en fonction des habitudes spciques la partie
de la journe en cours, ce qui vite par exemple de prendre en compte des transitions possibles
dans une autre partie de la journe mais pas dans la partie en cours. Dans notre cas obtenu
par lhabitation dune personne ge, nous nous sommes rendu compte que la personne bougeait
beaucoup la nuit pour aller aux toilettes mais quelle nallait jamais la cuisine entre minuit et
6 h.
Il sera important davoir linformation dentre ou de sortie de la personne. En eet, on
peut aussi crer un modle qui gnre une alarme au cas o les dtecteurs ne dtectent aucun
mouvement pendant un certain temps. Par exemple, si on dcide quaucune activit enregistre
pendant plus de 30 min est alarmant, on risque davoir des mauvaises alarmes quand la personne
sabsente et que lon ne sache pas quelle est sortie. Cest pour cette raison quun systme de
comptage ou de dtection dentre/sortie sera install pour les prochains tests.
4.3.4 Installation des capthoms
En parallle de ces tests sur le site, lapplication prsente dans la partie 2.4 est en cours de
prototypage. Les exigences des industriels ont lgrement chang par rapport au placement du
capteur. Le capteur doit tre plac la place de linterrupteur de la pice. Le prototype est donc
compos de deux parties (voir gure 4.9) :
le capteur de type thermopile et son lectronique pour le traitement de sa rponse,
une partie pour commander la lumire.
Figure 4.9 Photos du prototype
Malheureusement, le prototype a un dfaut qui na pas pu tre repr lors de nos tests
prsents dans la partie 2.4 page 80 car la partie qui commande la lumire tait encore inexistante
dans notre montage. En eet, la partie qui commande la lumire schaue et perturbe le signal.
Nous avons vu que le signal dpend de la temprature de la cible mais aussi de la temprature du
capteur lui-mme. Or la partie qui a t rajoute chaue normment dans le botier ce qui rend
dicile le traitement du signal. Nous avons obtenu le rsultat prsent sur la gure 4.10 suite
deux tests. Le prototype est plac dans une bote pour lisoler de toutes perturbations (courant
dair). Lors du premier test (courbe en blanc sur la gure 4.10), le capteur est plac en entier
avec la partie contrle de la lumire qui chaue le capteur. Comme les tests sont raliss dans un
environnement relativement isol, normalement le signal devrait tre constant. Cest le type de
129
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 4. Test sur un appartement tmoin
rsultat que nous avons obtenu lors du deuxime test (courbe en rouge sur la gure 4.10) o le
capteur est isol de la partie commande. Ce dernier test conrme bien que la partie commande
inue fortement sur le signal. Une solution propose est dutiliser un modle de la rponse du
capteur laide de la mthode de caractrisation que nous avons propos dans cette thse pour
prendre en compte la temprature pour linterprtation du signal.
Figure 4.10 Rsultat du signal du prototype
Il est prvu de raliser dautres prototypes utilisant des thermopiles. Contrairement au pro-
totype prcdent, ces capteurs ne seront pas installs la place dun interrupteur. Une pice
pourra contenir plusieurs de ces prototypes pour raliser un zonage de la pice. Nous pourrons
ainsi tester les solutions proposes en simulation dans le chapitre 3. Lavantage de lutilisation
de ce genre de dispositif est de pouvoir avoir une information de prsence et pas de mouvement
seulement comme cest souvent le cas avec les capteurs dits de prsence aujourdhui. Les tests
du capthom dans un appartement comme celui du GIS MADONAH est de pouvoir tester le
comportement du capteur dans un environnement rel.
Le prototype du capthom tendu bas sur la vision est aussi en cours de nalisation et il
est prvu de le tester dans lappartement prototype. Lalgorithme a t dvelopp par Yannick
Benezeth durant le projet CAPTHOM et ore de trs bons taux de dtection [Benezeth, 2009].
Nous pouvons ainsi laide dune camra avoir une information sur la prsence et sur le nombre
de personnes dans la pice. Il est noter que ces travaux sont repris par Damien Brulin pour
avoir une information de localisation et de position de la personne (assis, debout, couch), avec
la nalit de pouvoir dtecter une chute. Bien entendu, les participants du projet CAPTHOM
ont conscience du caractre intrusif que peut avoir lutilisation dune camra dans un habitat.
Cependant, il est prvu quaucune image ne puisse tre communique lextrieur par le capteur,
seules les informations demandes autres que limage peuvent tre rcupres. Lintimit de la
personne est ainsi respecte. Les tests, sur une personne qui habite pendant quelques jours dans
lappartement, nous diront si le produit est acceptable dans la vie courante ou sil produit une
130
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
4.4. Validation de la mthode de localisation
gne dans le quotidien. Il nous incombe aussi la responsabilit davoir un capteur avec un design
discret.
4.4 Validation de la mthode de localisation
Une mthode doptimisation a t propose dans la partie 3.4.2 (page 104) pour la localisation
dune personne laide dun rseau de capteurs de type thermopile. Il sera trs intressant de
tester notre mthode de localisation dans le cadre de la vie quotidienne lorsque lappartement
accueille un volontaire pendant une priode signicative (minimum un mois, pour que la personne
shabitue au lieu). Bien entendu, avant dquiper cet appartement pilote, nous proposons de
raliser quelques tests pour valider le travail ralis en simulation dans la partie 3.4.2.1 (page
105).
Nous dlimitons un espace rectangulaire de 1, 5 2 m, avec un capteur dans chaque coin (soit
quatre capteurs). Les capteurs sont des thermopiles (A2TPMI23) fabriques par Perkin Elmer.
Un modle de la rponse de ces capteurs a t tabli laide de la mthode de caractrisation
qui a t propose dans le chapitre 2 (page 83) :
U
modle
=
0, 0078 T
cible
0, 1673
(0, 25 + r)
2
(0, 00021
2
0, 0014 + 1, 07) (0, 00022
2
0, 0031 + 0, 99) + 2, 32 (4.12)
On rappelle que T
cible
est la temprature de la cible, r est la distance entre la cible et le
capteur, est langle de la cible par rapport au capteur et lazimuth. Il est noter que ces
capteurs dtectent correctement une cible seulement moins de 2 m, ce qui nous amne raliser
notre test dans un espace relativement petit (voir la photo 4.11).
Figure 4.11 Zone de test pour la localisation
La cible utilise est une plaque chauante que lon peut rguler une temprature voulue.
On ralise un parcours de cinq points pour deux tempratures de la cible : 30 et 35C. La rponse
131
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 4. Test sur un appartement tmoin
en chaque point est recueillie pour tre traite par notre algorithme de localisation. Les rsultats
obtenus sont donnes par les gures 4.12, 4.13, 4.14 et 4.15.
Figure 4.12 Rponse des capteurs pour une cible 30C
Figure 4.13 Estimation des coordonnes dune cible 30C dans un rseau de quatre capteurs
Nous avons remarqu que les rsultats pour une cible 35C sont plus proches de la ralit
que les rsultats pour une cible 30C. En eet, plus la cible est chaude et plus important est
le ux infrarouge soumis au capteur. Moins la temprature de la cible est leve et plus grande
sera linuence des ux perturbateurs (essentiellement les courants dair) sur le ux infrarouge
dtecter. Nos perspectives dans le cadre de la localisation dune personne par un algorithme
132
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
4.4. Validation de la mthode de localisation
Figure 4.14 Rponse des capteurs pour une cible 35C
Figure 4.15 Estimation des coordonnes dune cible 35C dans un rseau de quatre capteurs
133
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Chapitre 4. Test sur un appartement tmoin
de Levenberg-Marquardt sont de raliser des tests dans un espace plus grand laide soit de
capteurs ayant une porte plus importante soit en utilisant plus de capteurs pour couvrir la zone
surveiller. Il sera important de voir linuence des murs et des meubles dans une pice sur la
rponse du capteur et lestimation des coordonnes de la cible. La possibilit de pouvoir estimer
les coordonnes en x, en y et surtout en z peut tre un axe de recherche trs intressant pour le
maintien domicile dans le domaine de la dtection de chute.
4.5 Les perspectives
Nous allons devoir amliorer linstallation sachant quun nouveau patient est prvu pour le
mois dOctobre 2010. Nous allons rgler le problme de dtection dans la salle de bain en ajoutant
un nouveau capteur ou en jouant sur la temporisation des dtecteurs de mouvement dj en place.
Une autre solution pour grer ce genre de problme est dutiliser un modle de Markov. Dautant
plus que nous avons obtenu, avec cette exprience, une base dapprentissage denviron un mois de
vie. Les simulations des HMM sont trs prometteuses. Nous allons russir avoir une information
de prsence et de localisation dans lappartement. laide des observations qui sont donnes par
la rponse des capteurs, nous pouvons envisager de remplacer les temporisations prsentes dans
les scnarios de dtection mis en place actuellement. Connaissant les habitudes de la personne,
il sera intressant dtablir un modle pour dirents moments de la journe an doptimiser
lestimation que devra calculer le modle.
Actuellement, le systme install dans lappartement tmoin est incapable de donner linfor-
mation du nombre de personnes prsentes dans la pice. Un modle pour identier le nombre
de personnes peut tre propos en utilisant les HMM. Lidal est de rajouter un systme de
surveillance ou de comptage des entres et des sorties, au niveau de la porte dentre. Ce sys-
tme sera install pour conrmer si lappartement est vide ou pas, ce qui est une information
importante pour diagnostiquer un vnement alarmant et qui ncessite donc une intervention
extrieure.
Dautres besoins mritent notre attention notamment la dtection de chutes laide de sys-
tme non intrusif qui ncessite de porter un badge ou qui utilise la vision. Aujourdhui, le projet
CAPTHOM met au point le capthom tendu base de vision dont la rponse en sortie exclut
toute mission dimage, mais il ne doit pas tre exclu les solutions qui apparaissent comme plus
acceptables pour des personnes pas encore habitues ce genre de technologie. Nous pensons
utiliser notamment des tapis sensibles la pression, ce qui ncessite dutiliser un algorithme
capable de direncier une marche et une chute.
Bien entendu, il est prvu dinstaller de nouveaux prototypes de capthoms basiques dans
lappartement pour avoir une information non pas de mouvement mais de prsence. Nous esprons
ainsi pouvoir localiser la personne dans lappartement mais aussi dans la pice o elle se trouve.
Dans le cadre du maintien domicile, le traitement des habitudes laide de capteur de prsence
(et non de mouvement) peut tre une information dterminante dans le traitement des habitudes
de la personne ge pour dtecter les situations alarmantes ou pour le suivi dune personne
touche par une maladie dgnrative (Alzheimer).
134
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Conclusion
Il apparat clairement aujourdhui que la gestion automatique de nos ressources est une al-
ternative mise en avant pour la gestion de confort dune part et pour raliser des conomies
sur lnergie. Le projet CAPTHOM est un projet trs ambitieux visant innover dans la d-
tection de prsence qui est un domaine considr comme rsolu par lutilisation des dtecteurs
de mouvement pour de nombreuses personnes (particuliers ou professionnels). Malheureusement,
ces systmes ne sont pas ables cause de nombreux cas de non-dtection quand la personne est
immobile par exemple. Cependant, le rapport qualit/prix pour ce genre de produit procure aux
dtecteurs de mouvement une trs grande popularit et cela malgr les dsagrments encourus.
Finalement, il existe de nombreux moyens ecaces de dtecter une personne pour une situa-
tion donne. La dicult vient du cahier des charges qui demande que le capteur dvelopper
soit ecace quelle que soit la situation. Pour rpondre la problmatique de CAPTHOM, nous
avons donc d raliser un tat de lart et une veille technologique sur le sujet. Puisque la pr-
sence dune personne peut tre caractrise par les eets des dirents phnomnes physiques
qui lui sont lis, le meilleur capteur de prsence serait un capteur qui prend en compte toutes ces
informations. On imagine quun tel systme risque dtre trs cher puisque plusieurs technologies
sont utilises. Il faut donc faire un choix. Nous avons essay de nombreux capteurs et ralis de
nombreux tests. Nous tions partis sur lide de raliser un rseau de capteurs dont le recou-
pement des informations de natures technologiques direntes permettrait de rpondre notre
problmatique. Les axes de recherche sont trs varis et nous avons dcid, nalement, de nous
lancer dans la dtection du ux dmission infrarouge mis par la chaleur humaine. Paradoxa-
lement, il ny a dans ce choix aucune innovation technologique puisque les PIR utilisent dj le
rayonnement infrarouge. Mais linnovation rside dans le fait que nous ne dtectons pas le mou-
vement qui cre une variation du ux infrarouge peru par le capteur mais que nous cherchons
dtecter lmission infrarouge qui se trouve dans la zone de dtection.
Pour apprhender les problmatiques lies la dtection de prsence humaine, nous avons
ralis de nombreux tests en utilisant dirents capteurs de diverses technologies (capteurs ultra-
sons, dtecteurs de mouvements, dtecteurs pyrolectriques, webcams, capteurs de CO
2
, etc. . .).
Une solution de surveillance des entres et des sorties a t propose laide de deux capteurs
135
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Conclusion
pyrolectriques permettant dvaluer le nombre de personnes prsentes dans la pice. Lors de
runion avec nos partenaires industriels, nous avons recens les besoins que doivent remplir le
capthom, il a t ainsi construit des scnarios dutilisation du capteur qui a fait lobjet de cam-
pagnes de mesure. Les rsultats obtenus ont permis de mieux cerner les besoins remplir.
Au fur et mesure de lavancement du projet et des travaux de recherches des quatre thses
en cours, il a t dcid avec les partenaires industriels que le projet CAPTHOM devait aboutir
sur deux types de capteurs de prsence : le capthom basique et le capthom tendu. Le premier
est un capteur qui donne une rponse de type tout ou rien, comme les PIR actuels, en fonction
de la prsence dune ou plusieurs personnes. Le capthom basique ne doit utiliser quun seul type
de technologie an dassurer un cot de commercialisation le plus bas possible. Le choix sest
port sur la technologie thermopile. Le capthom tendu sappuie sur lutilisation de la vision.
Il est prvu dutiliser plusieurs technologies pour pouvoir dtecter non seulement la prsence
dune personne mais aussi avoir dautres types dinformations comme le nombre de personnes, la
localisation ou lactivit de la personne. Pour ce capteur, aucune limite de prix nest xe visant
ainsi le march haut gamme.
Ainsi, dans le cadre du dveloppement du capthom basique, la technologie des capteurs de
type thermopile permet dentrevoir une nouvelle solution pour la dtection de prsence humaine
pour des applications de type domotique. Nous avons eu la possibilit dtre en contact avec un
laboratoire (IEMN) qui conoit ce type de capteur dont le procd original est brevet et qui
possde une sensibilit suprieure au thermopile du commerce. Cependant, pour notre application
de dtection de prsence, nous avons prfr lutilisation de thermopiles commercialises qui
ont lavantage dtre encapsules ce qui leur confre une meilleure immunit aux perturbations
communes aux habitats (par exemple, courant dair). Nous avons veill raliser de nombreux
essais sur les capteurs pour valider nos attentes ce qui nous a amen dvelopper une mthode de
caractrisation du capteur. Cette mthode de caractrisation nous permet dobtenir un modle
de la rponse du capteur en fonction de la position relative entre le capteur et la cible notamment.
Un modle, qui est fonction de la position de la cible, peut nous permettre davoir plus quune
information de prsence. Au cours de nombreux essais, nous avons pu remarquer linuence de
dirents paramtres sur la rponse du capteur, savoir, la position dans lespace de la cible
par rapport au capteur et la dirence de temprature entre la cible et lair ambiant. Puisque la
rponse du capteur est donne par trois paramtres de position (distance, angle et azimuth), il
parat possible de localiser une personne laide dun rseau de capteurs de type thermopile. Les
simulations en trois dimensions de ce type de rseaux, laide dun algorithme doptimisation
pour lestimation des coordonnes dune personne, semblent trs prometteuses. Cependant, les
capteurs que nous avions en notre possession ont un angle douverture assez faible. Pour avoir de
bons rsultats, il est ncessaire dutiliser plusieurs capteurs pour avoir une meilleure couverture
des zones de dtection. Il se trouve que le projet CAPTHOM a permis le dveloppement dun
logiciel de simulation permettant doptimiser le choix du nombre de capteurs et leur placement
dans une pice.
Par rapport la localisation dune personne dans une pice laide dun rseau de capteurs,
nous avions dj suivi cette piste avant mme le choix dutiliser des thermopiles. Lide tait
dutiliser des dtecteurs de mouvement qui donnent une rponse du type tout ou rien. Nous
avons propos dutiliser une chane de Markov pour connatre le chemin qua pris une personne
par rapport un recoupement de zones de dtection des capteurs. Lavantage de cette mthode
136
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Conclusion
est la possibilit de faire voluer le modle pour quil soit plus robuste face aux mauvaises
dtections. Cependant, si ce modle a t pens pour lutiliser avec des PIR, il nen reste pas
moins applicable sur les capthoms venir.
A la n de cette thse, nous avons eu lopportunit de nous pencher sur les problmes lis
au maintien domicile avec lutilisation dun appartement prototype quip pour rpondre aux
besoins des personnes handicapes ou ges. Lappartement a t inaugur en mars 2009. Les
premier tests raliss cette anne sont donc capitaux pour lamlioration du site. La possibilit
dhberger une vraie personne ge au sein de lappartement est un rel atout ajoutant une
grande valeur aux rsultats obtenus. La base de donnes obtenues pourra alimenter la simulation
de nouveaux algorithmes de traitement des donnes (par exemple : HMM, logique oue, rseaux
de neurones, . . .). Les prochaines avances et prototypes de capthoms pourront tre tests et
valids dans des conditions relles.
Les perspectives de recherches suite nos travaux sont normes. En eet, il est remar-
quer que le projet CAPTHOM se poursuit jusqu la n de lanne 2010 avec les partenaires
industriels. Aujourdhui, il existe un prototype pour lapplication de commande dclairage. Ce-
pendant, contrairement au dispositif exprimental, le prototype na pas de bons rsultats cause
de lchauement de la partie commande du botier. Il sera donc ncessaire de trouver une solu-
tion pour compenser cette perturbation soit en utilisant un composant permettant de maintenir
la temprature du botier, soit en utilisant un traitement des donnes prenant en compte la tem-
prature du botier, par exemple, et en corrigeant la rponse du capteur selon le modle tabli par
la mthode de caractrisation que nous avons dni au cours de cette thse. La nalisation dun
prototype oprationnel serait un rel signe de succs pour le projet CAPTHOM qui a commenc
en Octobre 2006.
Nous avons, au cours de cette thse, propos une automatisation du banc de tests. Lide a d
tre abandonne cause du temps quimpliquerait la mise en place du dispositif. Aujourdhui, la
mthode de caractrisation ncessite lintervention dun oprateur qui est une source dexcitation
sur le capteur infrarouge et le dpouillement des donnes est aussi trs long raliser. Il serait
donc intressant aussi de raliser un banc de tests qui dplace la cible ou le capteur laide
de moteurs asservis ce qui permettrait de rduire les erreurs de mesures. Le dpouillement des
donnes peut tre ralis en parallle des essais laide dun logiciel de traitement qui donnera
le prol du modle de la rponse du capteur.
Pour lavenir, il serait trs protable de tirer partie des atouts quore lappartement tmoin.
Les premiers rsultats obtenus au cours de la premire session de mesures nous amnent r-
chir sur les amliorations apporter et les nouveaux quipements dvelopper. Une fois que
les prototypes des capthoms basiques et tendus seront prts, lappartement tmoin sera une
plateforme de tests qui nous permettra de valider nos capteurs de prsence dans des conditions
relles. Il sera trs intressant de proposer une architecture permettant la gestion des dirents
quipements en fonction des informations apportes par les capteurs. Ce travail a t commenc
par llaboration dune chane de Markov capable de localiser la personne dans son habitat. Nous
pourrons aussi nous pencher sur les problmatiques de reconnaissance dactivit, notamment de
chutes dans le cadre du maintien domicile.
137
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Bibliographie
Adami, A., T. Hayes et M. Pavel. Unobtrusive monitoring of sleep patterns, in Proceedings of
25th Annual International Conference of the IEEE EMBS, p. 13601363.
Adlam, T., R. Faulkner, R. Orpwood, K. Jones, J. Macijauskiene et A. Budraitiene. 2004, The
installation and support of internationally distributed equipment for people with dementia,
IEEE Transactions on Information Technology in Biomedicine, vol. 8, n
o
3, p. 253257.
Adosen. avril 2003, la voix, Adosen, leducation au service de la sant, vol. 140, p. 20.
Al-ani, T., Q. Le Ba et E. Monacelli. 2007, On-line Automatic Detection of Human Activity
in Home Using Wavelet and Hidden Markov Models Scilab Toolkits, in IEEE International
Conference on Control Applications, 2007. CCA 2007, p. 485490.
Andoh, H., K. Watanabe, T. Nakamura et I. Takasu. 2004, Network health monitoring system
in the sleep, in SICE 2004 Annual Conference, vol. 2.
Barnes, N., N. Edwards, D. Rose et P. Garner. 1998, Lifestyle monitoring-technology for sup-
ported independence, Computing & Control Engineering Journal, vol. 9, p. 169.
Baum, L. et J. Eagon. 1967, An inequality with applications to statistical estimation for pro-
babilistic functions of Markov processes and to a model for ecology, Bull. Amer. Math. Soc,
vol. 73, n
o
3, p. 360363.
Baum, L. et G. Sell. 1968, Growth transformations for functions on manifolds, Pacic J. Math,
vol. 27, n
o
2, p. 211227.
Belconde, A. et F. Kratz. 2008, Problmes lis la dtection de prsence humaine et modlisa-
tion, 6me Colloque Capteurs, vol. Bourges.
Benezeth, Y. 2009, Dtection de la prsence humaine par vision, Thse de doctorat, Universit
dOrlans.
139
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Bibliographie
Benezeth, Y., B. Emile, H. Laurent et C. Rosenberger. 2008, A Real Time Human Detection
System Based on Far Infrared Vision, Lecture Notes in Computer Science, vol. 5099, p. 7684.
Bonhomme, S. 2008, Mthodologie et outils pour la conception dun habitat intelligent, Thse de
doctorat, Luniversit de Toulouse.
Brulin, D., E. Courtial et G. Allibert. 2009, Visual receding horizon estimation for human
presence detection., ICRA 2009, Workshop People Detection and Tracking of the IEEE In-
ternational Conference on Robotics and Automation, Kobe.
Brulin, E., D.and Courtial, A. Y. et Y. Tour. 2008, Dtection de prsence humaine par fusion
de donnes avec ltrage de kalman, 6me Colloque Capteurs, Bourges.
Brumitt, B., B. Meyers, J. Krumm, A. Kern et S. Shafer. 2000, EasyLiving : Technologies for
intelligent environments, Lecture notes in computer science, p. 1229.
Burchett, J., M. Shankar, A. Hamza, B. Guenther, N. Pitsianis et D. Brady. 2006, Lightweight
biometric detection system for human classication using pyroelectric infrared detectors, Ap-
plied optics, vol. 45, n
o
13, p. 30313037.
Burgard, W., D. Fox et S. Thrun. 1997, Active mobile robot localization, vol. 15, p. 13461352.
Burion, S. 2004, Human detection for robotic urban search and rescue, masters thesis, Robotics
Inst., Carnegie Mellon Univ.
Campo, E., M. Chan et D. Esteve. 2003, Lapprentissage des pratiques et des habitudes de vie,
une clef de lautomatisation domotique, signaux, vol. 98.
Campo, E., J. Di Rinaldi, D. Estve, N. Bailly et F. Benard. Dveloppement dune nouvelle
gnration de gestionnaire dnergie auto-congurable pour lhabitat : le concept ERGDOM,
in Annales du Btiment et des Travaux Publics, ISSN, p. 12709840.
Celler, B., W. Earnshaw, E. Ilsar, L. Betbeder-Matibet, M. Harris, R. Clark, T. Hesketh et N. Lo-
vell. 1995, Remote monitoring of health status of the elderly at home. A multidisciplinary
project on aging at the University of New South Wales, International journal of bio-medical
computing, vol. 40, n
o
2, p. 147155.
Chan, M., E. Campo et E. D. Lapprentissage des pratiques et des habitudes de vie, une clef
de lautomatisation domotique, signaux, vol. 2004.
Chan, M., E. Campo et D. Estve. 2005, Assessment of activity of elderly people using a home
monitoring system, International Journal of Rehabilitation Research, vol. 28, n
o
1, p. 69.
Chan, M., D. Estve, C. Escriba et E. Campo. 2008, A review of smart homes-present state and
future challenges, Computer Methods and Programs in Biomedicine, vol. 91, n
o
1, p. 5581.
Cislo, N., N. Smith-Guerin et S. ARBAOUI. 2007, Fall detection for elderly people : State
of the art and open issues, Proceedings of the 33rd International Conference on Operational
Research Applied to Health Service, vol. ORAHS 2007.
Close up. 2002, Frequency range for pyroelectric detectors, .
140
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Bibliographie
Csee-Mtiers. 2006, lexique, http ://www.cseee.fr/divers/lexiqueCF.htm.
Das, S., D. Cook, A. Bhattacharya, E. Heierman III et T. Lin. 2002, The role of prediction
algorithms in the mavhome smart home architecture, IEEE Wireless Communications, p. 3.
Das, S., N. Roy et A. Roy. 2006, Context-aware resource management in multi-inhabitant smart
homes : A framework based on Nash H-learning, Pervasive and Mobile Computing, vol. 2,
n
o
4, p. 372404.
David, P. 2009, Contribution lanalyse de sret de fonctionnement des systmes complexes
en phase de conception : application lvaluation des missions dun rseau de capteur de
prsence humaine, Thse de doctorat, Universit dOrlans.
Deafblind. http ://www.deafblindinternational.org/standard/review1 h.html, (accessed on Au-
gust 21, 2007).
Diegel, O. 2005, Intelligent automated health systems for compliance monitoring, TENCON
2005 2005 IEEE Region 10, p. 16.
Dittmar, A., G. Delhomme et T. Pauchard. 1995, Le corps humain-Un systme thermique
complexe-(The human body-a complex thermal system), .
Domotique News. Mai 2004, Etat de lart du march, Les cahiers de domotique News.
Dorizzi, B., J. Leroux Les Jardins, P. Lamadelaine et C. Guerrier. 2004, La biomtrie, technique
de lingnieur, vol. H 5 530.
Elger, G. et B. Furugren. 1998, " SmartBo"-An ICT and computer-based demonstration home
for disabled people, Improving the quality of life for the European citizen : technology for
inclusive design and equality, p. 392.
Elite. http ://www.elite-care.com, (accessed on March 28, 2007).
Escriba, C. 2005, Conception, Ralisation et Caractrisation de capteurs infrarouges thermo-
piles : Application la dtection de prsence passive dans lhabitat, Thse de doctorat, luni-
versit Paul Sabatier Toulouse III.
Ess, D. V. 2003, Pyroelectric infrared motion detector, psoc style, Cypress Microsystems, vol.
AN2105.
Fang, J., Q. Hao, D. Brady, B. Guenther et K. Hsu. 2006a, Real-time human identication using
a pyroelectric infrared detector array and hidden Markov models, Optics Express, vol. 14,
n
o
15, p. 66436658.
Fang, J., Q. Hao, D. Brady, M. Shankar, B. Guenther, N. Pitsianis et K. Hsu. 2006b, Path-
dependent human identication using a pyroelectric infrared sensor and Fresnel lens arrays,
Optics Express, vol. 14, n
o
2, p. 609624.
Filloux, A. 1997, Domotique, Techniques de lIngnieur, vol. C 3 781.
Fontaine, N. 2003, Livre Blanc sur les nergies, dbat national sur les nergies.
Forney, G. 1973, The viterbi algorithm, proc. IEEE, vol. 61, n
o
3, p. 268278.
141
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Bibliographie
Gerhome. 2010, Services numriques de maintien domicile des personnes ges, http ://ge-
rhome.cstb.fr/.
Gimec. 2008, Lecacit nergtique active, .
Giroux, S., J. Bauchet, H. Pigot, D. Lussier-Desrochers, Y. Lachappelle et D. Lussier. 2008,
Pervasive behavior tracking for cognitive assistance, .
Gobeau, J.-F. 2006, Dtecteurs de mouvement infrarouge passif, Colloque capteur.
Gouaux, F. 1999, Optimisation dun capteur optolectronique de distance et de dplacement pour
le contrle non destructif., Thse de doctorat, Universit de Nantes.
Guentchev, K. et J. Weng. 1998, Learning-based three dimensional sound localization using a
compact non-coplanar array of microphones, in Proceedings of the 1998 AAAI Symposium on
Intelligent Environments.
Guillen, S., M. Arredondo, V. Traver, J. Garcia et C. Fernandez. 2002, Multimedia telehomecare
system using standard TV set, IEEE Transactions on Biomedical Engineering, vol. 49, n
o
12,
p. 14311437.
Ha, K., K. Lee et S. Lee. 2006, Development of PIR sensor based indoor location detection
system for smart home, , p. 21622167.
Haar, M. 2007, Etude et ralisation de matrices de microcapteurs infrarouges en technologie
silicium pour imagerie basse rsolution, Thse de doctorat, LUniversit des sciences et tech-
nologie de Lille.
Hagen, I., T. Holthe, D. Petrina, S. Cahill, J. Gilliard, R. Orpwood, T. Paivi et S. Bjorneby.
2001, Can assistive technology enable people with dementia ?, Assistive technology : added
value to the quality of life, AAATE01, p. 42.
Hao, Q., D. Brady, B. Guenther, J. Burchett, M. Shankar et S. Feller. 2006, Human tracking
with wireless distributed pyroelectric sensors, IEEE Sensors Journal, vol. 6, n
o
6, p. 1683.
Hashimoto, K., T. Tsuruta, K. Morinaka et N. Yoshiike. 2000, High performance human infor-
mation sensor, Sensors & Actuators : A. Physical, vol. 79, n
o
1, p. 4652.
Helal, S., W. Mann, H. El-Zabadani, J. King, Y. Kaddoura et E. Jansen. 2005, The gator tech
smart house : A programmable pervasive space, Computer, p. 5060.
Helal, S., B. Winkler, C. Lee, Y. Kaddourah, L. Ran, C. Giraldo et W. Mann. 2003, Enabling
location-aware pervasive computing applications for the elderly, in Proceedings of the First
IEEE Pervasive Computing Conference.
Honorato, J., I. Spiniak et M. Torres-Torriti. 2008, Human Detection Using Thermopiles, .
Hosokawa, T. et M. Kudo. 2005, Person tracking with infrared sensors, Lecture notes in com-
puter science, vol. 3684, p. 682.
INRS. 2005, dtection de personnes par ondes radiolectriques, aide mmoire, vol. ED959.
Intille, S. 2002, Designing a home of the future, IEEE pervasive computing, p. 7682.
142
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Bibliographie
Isoda, Y., S. Kurakake et H. Nakano. 2004, Ubiquitous sensors based human behavior modeling
and recognition using a spatio-temporal representation of user states, in 18th International
Conference on Advanced Information Networking and Applications, vol. 1, p. 512.
Ivanov, B., H. Ruser et M. Kellner. 2002, Presence detection and person identication in Smart
Homes, in Int. Conf. Sensors and Systems, St. Petersburg.
Keller, H. J. 1984, Passive infrared technology for security systems and law enforcement, AES.
Kidd, C., R. Orr, G. Abowd, C. Atkeson, I. Essa, B. MacIntyre, E. Mynatt, T. Starner, W. News-
tetter et al.. 1999, The aware home : A living laboratory for ubiquitous computing research,
Lecture notes in computer science, p. 191198.
Kim, H., K. Ha, S. Lee et K. Lee. 2007, Development of PIR Sensor based Indoor Location-
Aware System using Bayesian Classier, in ISIS 2007.
Korhonen, I., R. Lappalainen, T. Tuomisto, T. Koobi, V. Pentikainen, M. Tuomisto et V. Tur-
janmaa. 1998, TERVA : wellness monitoring system, in Proceedings of the 20th Annual
International Conference of the IEEE Engineering in Medicine and Biology Society, vol. 20,
Citeseer, p. 19881991.
Krumm, J., S. Harris, B. Meyers, B. Brumitt, M. Hale et S. Shafer. 2000, Multi-camera multi-
person tracking for easyliving, in IEEE Workshop on Visual Surveillance, vol. 6.
Laurin, E. 2000, Systme intelligent dassistance la perception dans la conduite de vhicule,
Thse de doctorat, Sherbrooke (Qubec), Canada.
LeBellego, G., N. Noury, G. Virone, M. Mousseau et J. Demongeot. 2006, A model for the mea-
surement of patient activity in a hospital suite, IEEE Transactions on information technology
in biomedicine, vol. 10, n
o
1, p. 9299.
Lesser, V., M. Atighetchi, B. Benyo, B. Horling, A. Raja, R. Vincent, T. Wagner, P. Xuan et
S. Zhang. The intelligent home testbed, environment, vol. 2, p. 15.
Ma, T., Y. Kim, Q. Ma, M. Tang et W. Zhou. 2005, Context-aware implementation based on
CBR for smart home, vol. 4.
Masuda, Y., M. Sekimoto, M. Nambu, Y. Higashi, T. Fujimoto, K. Chihara et Y. Tamura. 2005,
An unconstrained monitoring system for home rehabilitation, IEEE Engineering in Medicine
and Biology Magazine, vol. 24, n
o
4, p. 4347.
Mihailidis, A., B. Carmichael et J. Boger. 2004, The use of computer vision in an intelligent envi-
ronment to support aging-in-place, safety, and independence in the home, IEEE Transactions
on Information Technology in BioMedicine, vol. 8, n
o
3, p. 238247.
Morette, N. 2009, Contribution la Navigation de robots mobiles : approche par modle direct et
commande prdictive, Thse de doctorat, Universit dOrlans.
Mozer, M. C. 1998, The neural network house : an environment thats adapts to its inhabitants,
in Proc. of the AAAI Spring Symposium on Intelligent Environments, Technical Report SS,
vol. 98-02, p. 110114.
143
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Bibliographie
Murakita, T., T. Ikeda et H. Ishiguro. 2004, Multisensor human tracker based on the markov
chain monte carlo method, in Proceedings of the Joint 2nd Int. Conf. on Soft Computing and
Intelligent Systems and 5th Int. Symp. on Advanced Intelligent Systems.
Nishida, Y., T. Hori, T. Suehiro et S. Hirai. 2000, Sensorized environment for self-communication
based on observation of daily human behavior, in Proceedings of the 2000 IEEE/RSJ Inter-
national Conference on Intelligent Robots and Systems, vol. 2, p. 13641372.
Noguchi, H., T. Mori et T. Sato. 2002, Construction of network system and the rst step
of summarization for human daily action data in the sensing room, in IEEE Workshop on
Knowledge Media Networking, 2002. Proceedings, p. 1722.
Noguchi, H., T. Mori et T. Sato. 2007, Attentive Information Support with Massive Embedded
Sensors in Room, Lecture Notes in Computer Science, vol. 4551, p. 883.
Nougaret, L. 2007, Elaboration et caractrisation de couches minces pyrolectriques de LiTaO3
par pulverisation cathodique RF magnetron pour applications dectecteurs IR, Thse de docto-
rat.
Noury, N., A. Fleury, R. Nocua, J. Poujaud, C. Gehin, A. Dittmar, G. Delhomme, J. Demongeot
et E. McAdam. 2009, Capteurs pour la tlsurveillance mdicale. Capteurs, algorithmes et
rseaux, .
Noury, N. et V. Rialle. 2003, Habitat intelligent pour la sant : systmes et quipements,
technique de lingnieur.
Orpwood, R., C. Gibbs, T. Adlam, R. Faulkner et D. Meegahawatte. 2005, The design of smart
homes for people with dementia user interface aspects, Universal Access in the Information
Society, vol. 4, n
o
2, p. 156164.
Perry, M., A. Dowdall, L. Lines et K. Hone. 2004, Multimodal and ubiquitous computing
systems : Supporting independent-living older users, IEEE Trans Inf Technol Biomed, vol. 8,
n
o
3, p. 25870.
Pigot, H., A. Mayers et S. Giroux. 2003, The intelligent habitat and everyday life activity
support, in Proc. of the 5th International conference on Simulations in Biomedicine, April,
p. 24.
Rabiner, L. 1990, A tutorial on hidden Markov models and selected applications in speech
recognition, Readings in speech recognition, vol. 53, n
o
3, p. 267296.
Rahal, Y., P. Mabilleau et H. Pigot. 2007, Bayesian ltering and anonymous sensors for locali-
zation in a smart home, vol. 2.
Rantz, M., K. Marek, M. Aud, H. Tyrer, M. Skubic, G. Demiris et A. Hussam. 2005, A tech-
nology and nursing collaboration to help older adults age in place, Nursing Outlook, vol. 53,
n
o
1, p. 4045.
Rashidi, P., G. Youngblood, D. Cook et S. Das. 2007, Inhabitant guidance of smart environ-
ments, Lecture Notes in Computer Science, vol. 4551, p. 910.
144
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Bibliographie
Ricquebourg, V., D. Menga, M. Delafosse, B. Marhic, L. Delahoche et A. Jolly-Desodt. 2008,
Sensor Failure Detection within the TBM Framework : A Markov Chain Approach, in Pro-
ceedings of IPMU, vol. 8, p. 323.
Riedel, D., S. Venkatesh et W. Liu. 2005, Spatial activity recognition in a smart home envi-
ronment using a chemotactic model, in Proc. International Conference on Intelligent Sensors
Networks and Information Processing, p. 58.
Ruser, H. et V. Mgori. 1998, Highly sensitive motion detection with a combined microwave-
ultrasonic sensor, Sensors & Actuators : A. Physical, vol. 67, n
o
1-3, p. 125132.
Schilz, J. 1999, Thermoelectric Infrared Sensors (Thermopiles) for Remote Temperature Mea-
surements ; Pyrometry, Thermophysica minima. Perking Elmer Optoelectronics.
Shankar, M., J. Burchett, Q. Hao, B. Guenther, D. Brady et al.. 2006, Human-tracking systems
using pyroelectric infrared detectors, Optical Engineering, vol. 45, p. 106 401.
Statbel. 2005, Taille moyenne et poids moyen de la population,
http ://www.statbel.fgov.be/GurEs/d25_fr.asp, vol. vu le 3 Mars 2009.
Stellman, J. M. 2000, Encyclopdie de scurit et de sant au travail, Volume 2, dition 3.
Synthse. 2006, Les nouvelles mensurations des franais, ifth, vol. 12.
Tamura, T., T. Togawa, M. Ogawa et M. Yoda. 1998, Fully automated health monitoring system
in the home, Medical Engineering and Physics, vol. 20, n
o
8, p. 573579.
Tapia, E., S. Intille et K. Larson. 2004, Activity recognition in the home using simple and
ubiquitous sensors, Lecture Notes in Computer Science, p. 158175.
Tertois, S. 2003, Rduction des eets des non-linarits dans une modulation multiporteuse
laide de rseaux de neurones, Thse de doctorat, Universit de Rennes 1.
Tuomisto, M., T. Terho, I. Korhonen, R. Lappalainen, T. Tuomisto, P. Laippala et V. Turjanmaa.
2006, Diurnal and weekly rhythms of health-related variables in home recordings for two
months, Physiology & behavior, vol. 87, n
o
4, p. 650658.
Ugur, B. et al.. 2007, Falling Person Detection Using Multi-Sensor Signal Processing, EUR-
ASIP Journal on Advances in Signal Processing, vol. 2008.
Vermeulen, C. et A. van Berlo. 1998, A Model House as Platform for Information Exchange on
Housing, Gerontechnology : a sustainable investment in the future, p. 337.
Virone, G., N. Noury et J. Demongeot. 2002, A system for automatic measurement of circadian
activity deviations in telemedicine, IEEE Transactions on Biomedical Engineering, vol. 49,
n
o
12, p. 14631469.
Vrignat, P., M. Avila, F. Duculty, B. Robles et F. Kratz. 2009, Utilisation des chanes de
Markov caches pour une valuation des activits de maintenance dans le cadre dun processus
industriel pour lagroalimentaire, .
West, G., S. Greenhill et S. Venkatesh. 2005, A probabilistic approach to the anxious home for
activity monitoring, COMPSAC-NEW YORK-, p. 335.
145
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Bibliographie
Williams, G., K. Doughty et D. Bradley. 1998, A systems approach to achieving CarerNet-an
integrated and intelligent telecare system, IEEE transactions on Information Technology in
Biomedicine, vol. 2, n
o
1, p. 19.
Yamaguchi, A., M. Ogawa, T. Tamura et T. Togawa. Monitoring behavior in the home using
positioning sensors, vol. 4.
Yamazaki, T. 2006, Beyond the smart home, in Hybrid Information Technology, 2006.
ICHIT06. International Conference on, vol. 2.
Yoshiike, N., K. Arita, K. Morinaka, K. Hashimoto, M. Kawaguri et A. Nishino. 1995, Human
information sensor, Sensors & Actuators : A. Physical, vol. 48, n
o
1, p. 7378.
Yoshiike, N., K. Morinaka, K. Hashimoto, M. Kawaguri et S. Tanaka. 1999, 360direction type
human information sensor, Sensors & Actuators : A. Physical, vol. 77, n
o
3, p. 199208.
Youcef, R. et al.. 2008, Location estimation in a smart home : system implementation and
evaluation using experimental data, International Journal of Telemedicine and Applications,
vol. 2008.
Zhang, D. et M. MoUuari. 2004, Aware home understanding life activities, in Toward a human-
friendly assistive environment : ICOST2004, 2nd International Conference on Smart Homes
and Health Telematics, Ios Pr Inc, p. 186.
146
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
2 2
Capthom du pole S E , www.s2e2.fr.
Centre et du Ministre de lIndustrie dans le cadre du projet
Ce travail a t ralis avec le soutien financier de la Rgion
Nous tenons remercier les partenaires du projet Capthom.
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1
Keywords : sensor, presence sensor, sensor network
18020 Bourges Cedex
88, Boulevard Lahitolle
ENSIB
Institut PRISME
sensors studied and developed methods of localization.
Automated. An elderly person tested this habitat for several weeks. The results obtained confirm the use of
Finally, we are interested in eldcare. We can use a test home who has the distinction of being fully
Levenberg-Marquardt optimization of coordinate with responses of thermopile sensors and their model.
the diagnosis of errors detection sensors . The second method provides the coordinates of a target using
method uses hidden Markov Models to find the path traveled by the person and gives new perspectives on
person in a room. Two methods are proposed and have in common the use of a sensor network. The first
tested and we propose a model of the sensor response. In parallel, we address the problem of locating a
technologies using basic scenarios, this work focused on sensors type thermopile. These sensors have
resources and / or have a vocation for eldercare. After an evaluation of several sensors of different
emissions). The information of presence is needed in many projects that aim to manage domestic energy
popular today is the sensors based on the detection of heat from the human body (the detection of infrared
of the art of the various systems used to detect human presence today. The commercial solution is the most
We propose a reflection on the physical phenomena involved in the detection of human presence and state
competitiveness S2E2.
was done in the Institut PRISME within the framework of the CAPTHOM project of the pole of
The work presented in this manuscript deals with human detection by using one or more sensors. This work
Modeling the detection of human presence
Mots cls : capteur, dtecteur de prsence, rseau de capteur
tudis et des mthodes de localisation dveloppes.
habitat durant plusieurs semaines. Les rsultats obtenus nous confortent pour lutilisation des capteurs
appartement pilote qui a la particularit dtre entirement domotis. Une personne ge a pu tester cet
Au final, nous nous sommes intresss au cadre du maintien domicile. Nous avons notre disposition un
thermopile et de leur modle.
optimisation par Levenberg-Marquardt des coordonnes laide des rponses des capteurs de type
capteurs. La deuxime mthode permet dobtenir les coordonnes dans lespace dune cible laide dune
chemin parcouru par la personne et ouvre des perspectives sur le diagnostic des erreurs de dtections des
rseau de capteurs. La premire mthode utilise les chanes de Markov caches et permet de trouver le
dune personne dans une pice. Deux mthodes sont proposes et ont pour point commun lutilisation dun
dun modle de la rponse des capteurs. En parallle, nous abordons la problmatique de la localisation
capteurs de type thermopile. Ces capteurs ont fait lobjet dune srie de tests pour aboutir la proposition
plusieurs capteurs de diffrentes technologies laide de scnarios basiques, notre intrt sest port sur les
nergtiques domestiques et/ou qui ont une vocation pour le maintien domicile. Aprs une valuation de
linformation de prsence se fait ressentir dans de nombreux projets qui ont pour but de grer les ressources
dtection de la chaleur du corps humain, cest--dire, la dtection des missions infrarouges. Le besoin de
solution commerciale la plus prise aujourdhui est lutilisation des dtecteurs de mouvements bass sur la
et un tat de l'art des diffrents systmes utiliss pour la dtection de prsence humaine aujourdhui. La
Nous proposons une rflexion sur les phnomnes physiques en jeu pour la dtection de prsence humaine
CAPTHOM du ple de comptitivit S2E2.
plusieurs capteurs. Ces travaux ont t mens au sein de l'Institut PRISME dans le cadre du projet
Les travaux prsents dans ce manuscrit traitent de la dtection de prsence humaine laide dun ou
Modlisation de la dtection de prsence humaine
Antoine BELCONDE
t
e
l
-
0
0
5
8
5
3
7
2
,
v
e
r
s
i
o
n
1
-
1
2
A
p
r
2
0
1
1