Résumé:
La reconnaissance des activités humaines (HAR) est un domaine de recherche, dont l'objectif principal est d'identifier les activités réalisées par un sujet en analysant les signaux obtenus à partir de capteurs. La croissance rapide de ce domaine de recherche est à l'origine d'une grande partie des travaux et applications liés au domaine de la santé.
Dans ce contexte, il se pose ce travail de fin d'étude, dont l'objectif principal est de maitriser et évaluer les nouvelles techniques de collecte de données, d'extraction de caractéristiques, et faire des comparaisons et donc de trouver la méthode la plus adéquate pour la reconnaissance d'activité dans notre champ d'étude, grâce à l'intégration des signaux inertiels obtenue par un capteur généralisé dans la majeure partie des smartphones : l'accéléromètre.
Plus précisément, six types d'activités effectuées par vingt et un sujets sont évalués : marcher, monter les escaliers, descendre les escaliers, assis, debout et allongé. Nous avons réalisés plusieurs expériences impliquant des techniques d’apprentissage automatique supervisées. Puis, entraîner et tester plusieurs classifieurs (k-Nearest Neighbor, Support Vector Machines, Artificial Neural Networks, Decision Tree). Également, nous avons aboutés à la proposition d'un système comprenant cinquante-six fonctionnalités et un classifieur pour identifier et prédicter de la manière la plus probable.
