Résumé:
Dans ce projet, nous proposons une méthode de classification pour la reconnaissance des activités quotidiennes « courir », « marcher », « sauter »......etc., ainsi que les chutes. Et cela en utilisant les signaux l'accéléromètre et le gyroscope inclus dans la plateforme multicapteur SHIMMER SENSOR, pour cela on a mis à disposition une application assurant tout ce processus de l'acquisition de données à la détection de mouvements en temps réel.
Nous avons fait une collecte de données sur 22 sujets de tests effectuant sept types d'activités au total , puis on a fait l'extraction des paramétrés (Features) sélectionnées au préalable sur ces données pour établir notre base d'apprentissage , qui a servi à l'élaboration de deux modèles en suivant deux approches de classification supervisée : le K plus proches voisons (KNN), et les séparateurs à vaste marge SVM.
Les résultats obtenus après avoir testé les deux modèles ont montré que la première approche KNN a obtenu un taux de classification global de 96.8%, contrairement au SVM qui n'a obtenu que : 90%.
Mots clés : Classification, Plateforme multi-capteurs, Shimmer Sensor, Accéléromètre, Gyroscope, paramétrés ,KNN,SVM
