1. Domaine de l'invention

Le domaine de l'invention est celui de la surveillance à distance des personnes.

Plus précisément encore, l'invention concerne une technique de détection de chutes chez un sujet humain.

Une telle détection a notamment pour but la transmission d'une alarme vers une tierce personne réalisant une fonction de télésurveillance.

L'invention peut trouver des applications dans de nombreuses situations, et peut notamment équiper des personnes âgées et/ou à mobilité réduite, des travailleurs isolés, des enfants, ...

2. Solutions de l'art antérieur

Les systèmes de téléalarmes connus sont généralement constitués d'un dispositif porté par la personne à surveiller (ou porteur), se présentant, par exemple, sous la forme d'un bracelet porté autour du poignet ou d'un patch porté par la personne.

Ces dispositifs portables mettent en œuvre des capteurs de mouvement de façon à pouvoir surveiller le com portement du porteur et prévoient le déclenchement d'un message d'alarme suite à une chute ou un malaise.

Ces dispositifs produisent souvent de fa usses a la rmes pouva nt entraîner des interventions in utiles. En pa rticulier, les nom breux mouvements possi bles du bras peuvent être interprétés comme une chute.

En outre, toutes les chutes ou malaises ne sont pas systématiquement détectés.

Par ailleurs, ces dispositifs présentent une consommation électrique importante, ce qui est un facteur de limitation de son utilisation pour une personne en site isolé.

Po u r pa re r à ces erreurs et s'assurer de la détection d'une chute, d'autres dispositifs connus mettent également en œuvre des capteurs de mesures de certains paramètres physiologiques (fréquence cardiaque, tension artérielle, température corporel le). I l s'agit toutefois de systèmes complexes (et pa r conséquent, de fai ble autonomie), encombrants et coûteux.

3. Objectifs de l'invention

L'i nve ntion a nota m me nt pou r objectif de pa l lier a u moi ns certai ns de ces différents inconvénients de l'art antérieur.

Plus précisément, dans au moins un mode de réalisation, un objectif de l'invention est de fournir un dispositif et procédé de surveillance d'une personne et de détection chutes, qui présentent une fiabilité optimale, et supprimant, ou à tout le moins limitant fortement, la génération de fausses alarmes.

En particulier, l'invention, dans au moins un mode de réalisation, a pour objectif de permettre la détection de différents types de chutes à cinétique élevée, de façon à limiter les fausses alarmes.

L'invention, da ns au moi ns u n mode de réa lisation, a encore pour objectif de permettre la détection de chutes « molles » (on différencie la chute à cinétique élevée de la chute « molle » pa r la présence d'une phase de chute libre, avec une accélération mesurée de l'ordre de lg. Dans le cas d'une chute « molle », seul le choc consécutif de la chute est détecté).

En d'a utres termes, l'invention a pour objectif de permettre une détection de chutes qui soit à la fois plus sûre et plus efficace que les techniques connues.

Par ailleurs, un objectif de l'invention est de fournir un tel dispositif :

qui soit relativement simple et peu coûteux à fabriquer ;

qui présente une faible consommation, et donc une bonne autonomie ; qui soit peu encombrant et ergonomique (c'est-à-dire qu'il ne présente pas de gêne pour le porteur) ;

- qui peut être utilisé à domicile, ou dans un hôpital ou une clinique.

4. Exposé de l'invention

Ces objectifs, ainsi que d'autres qui apparaîtront plus clairement par la suite, sont atteints, selon un premier mode de réalisation, à l'aide d'un procédé de détection de chute d'un sujet humain portant a u moins un dispositif actimétrique, ledit dispositif comprenant des moyens d'acquisition des mesures d'accélération instantanée suivant trois axes et des moyens de traitement desdites mesures d'accélération acquises, ledit procédé prévoyant la mise en œuvre par les moyens de traitement des étapes suivantes :

premier traitement des mesures d'accélération instantanées, détection d'une chute dudit sujet humain en fonction du résultat dudit premier traitement, et

génération, au moins dans certains cas, d'un signal d'alarme, loca l et/ou vers un site distant, dans le cas où une chute est détectée.

Selon ce premier mode de réalisation de l'invention, le procédé prévoit en outre la mise en œuvre par les moyens de traitement des étapes suivantes :

second traitement des mesures d'accélération avec transformation des mesu res d'accé lé ratio n à l'issue d' u ne pre m iè re pé riode de te m ps e n u n indicateur de l'activité dudit sujet humain parmi un nombre d'activités prééta blies, lesdits premier et second traitements s'effectua nt en pa ra llèle ou successivement;

confirmation ou infirmation de la chute en fonction dudit indicateur de l'activité déterminé par le second traitement,

génération d'un signal de confirmation d'alarme, local et/ou vers un site distant, dans le cas où la chute est confirmée.

L'invention est basée sur l'analyse de données accélérométriques, c'est-à-dire de mesures d'accélération acquises par un dispositif actimétrique porté par la personne à surveiller, pour surveiller des activités motrices habituelles (marche, tâches ménagères, sommeil) et détecter une chute de la personne surveillée de façon fiable.

Po u r ce fa i re, l 'a p p roche de l ' i nvention met en œuvre, en parallèle ou consécutivement : - u n p re m i e r a l go ri t h m e d e t ra i te m e nt e n te m ps ré e l d e s d o n n é e s accélérométriques pour détecter une chute et déclencher un signal d'alerte (premier cas de figure) ou différer le déclenchement de ce dernier (deuxième cas de figure), et

- un deuxième algorithme de traitement des données accélérométriques acquises durant un laps de temps prédéterminé en un indicateur de l'activité de la personne parmi plusieurs indicateurs préétablis.

U n ou plusieurs de ces indicateurs préétablis correspondant potentiellement à une situation anormale (une absence de mouvement suite à une chute par exemple), le deuxième algorithme de traitement permet de confirmer ou d'infirmer la chute détectée par le premier algorithme de traitement.

Dans le cas où la chute est confirmée, le signal d'alerte est confirmé (premier cas de figure) ou bien un signal d'alerte est déclenché (deuxième cas de figure).

Dans le cas où la chute est infirmée, le signal d'alerte est interrompu (premier cas de figure) ou bien aucun signal d'alerte n'est déclenché (deuxième cas de figure).

En résumé, l'identification du type d'activité permet de confirmer ou d'infirmer une chute détectée par un algorithme annexe fonctionnant en temps réel capa ble de détecter une chute à partir des données accélérométriques acquises en temps réel.

Ainsi, selon l'invention, on obtient une détermi nation efficace et précise des chutes, le procédé de l'invention limitant les erreurs de détection.

On note que le premier algorithme traite les données de l'accéléromètre au fur et à mesure de leur acquisition (échantillonnées entre 5 Hz et 50Hz), le deuxième algorithme traitant des fenêtres temporelles T _n qui sont construites par les données de l'accéléromètre mais collectées à une fréquence d'échantillonnage entre 5 Hz et 50 Hz pendant une durée T _n comprise entre 2 et 10 min.

II est en outre plus avantageux de mettre en œuvre le premier algorithme puis le deuxième en termes d'économies d'énergie.

Selon un aspect pa rticulier de l'invention, ledit second traitement est mis en œuvre en fonction a u moi ns de la va le u r moye n ne des normes des accélé rations instantanées mesurées sur la première période de temps. Selon un aspect particulier de l'invention, ledit premier traitement comprend une étape de calcul des angles d'orientation des accélérations instantanées suivant les trois axes et une étape d'analyse spectrale des angles d'orientation calculés.

Selon un aspect particulier de l'invention, le second traitement avec transformation des mesures d'accélération en un indicateur de l'activité dudit sujet humain comprend :

une première étape de calcul de la valeur moyenne des normes des accélérations instantanées mesurées sur la première période de temps, et une deuxième étape de comparaison entre ladite valeur moyenne calculée et un premier seuil prédéterminé.

Selon un aspect particulier de l'invention, le second traitement avec transformation des mesures d'accélération en un indicateur de l'activité dudit sujet humain comprend en outre une troisième étape de calcul de la dispersion desdites normes lorsque ladite valeur moyenne calculée est inférieure audit premier seuil prédéterminé ou de calcul du spectre desdites normes lorsque ladite valeur moyenne calculée est supérieure audit premier seuil prédéterminé.

Selon un aspect particulier de l'invention, le procédé comprend en outre une étape de détection d'une situation anormale potentielle lorsque ladite dispersion est inférieure à un second seuil prédéterminé.

Selon un aspect particulier de l'invention, l'étape de détection d'une situation anormale potentielle est suivie d'une étape de confirmation ou d'infirmation de la situation anormale potentielle comprenant une étape d'analyse spectrale des accélérations instantanées mesurées pendant la première période de temps.

Selon un aspect particulier de l'invention, l'étape de détection d'une situation anormale potentielle est suivie d'une étape de confirmation ou d'infirmation de la situation anormale potentielle en fonction du ou des indicateur(s) de l'activité déterminé lors de la ou des période(s) de temps suivant(s) la première période de temps.

Selon un aspect particulier de l'invention, le procédé comprend en outre une étape de détection d'une chute à faible cinétique lorsque ladite dispersion est supérieure à un second seuil prédéterminé. Selon un aspect particulier de l'invention, ladite étape de détection d'une chute à faible cinétique met en œuvre une étape de détection d'une immobilité et une étape de com pa ra ison d u se ns d u mouve ment a nté rie u r à l' i m mobi lité avec le se ns de la pesanteur.

Selon un aspect particulier de l'invention, ladite étape de détection d'une chute à faible cinétique met en œuvre en outre une éta pe de détection d' une variation de hauteur dudit sujet ou une étape de détection d'une accélération angulaire.

Selon un aspect particulier de l'invention, ledit indicateur de l'activité est constitué d'une classe, parmi deux classes prédéterminées, et d'une sous-classe, parmi plusieurs sous-classes prédéterminées.

Selon un aspect particulier de l'invention, la classe dudit indicateur de l'activité est déterminée en fonction du résultat de la deuxième étape de comparaison entre ladite valeur moyenne calculée et ledit premier seuil prédéterminé.

Selon un aspect particulier de l'invention, le procédé com prend une éta pe de détermination de la sous-classe dudit indicateur de l'activité en fonction de l'analyse de la dispersion des normes des accélérations instantanées mesurées sur la première période de temps ou de l'analyse du spectre desdites normes.

Selon un aspect particulier de l'invention, le procédé comprend en outre une étape de stockage de l'indicateur de l'activité associé à une période de temps.

La détermination, le traitement et le stockage d'indicateurs de l'activité d'une personne permettent de limiter la consommation électrique des moyens de mesure et de calcul mis en œuvre dans le dispositif portable.

Selon un aspect particulier de l'invention, le procédé comprend en outre une étape de transmission à distance d'un ou plusieurs indicateurs de l'activité, de façon périodique ou non.

Ceci permet d'assurer un suivi à distance sur une longue durée (sur une journée par exemple) des activités exercées par la personne surveillée.

L'invention concerne par ailleurs un dispositif actimétrique destiné à être porté par un sujet humain et comprenant des moyens d'acquisition des mesures d'accélération i nsta nta née su iva nt trois axes et des moye ns de tra ite m e nt desd ites m esu res d'accélération acquises, les moyens de traitement étant destiné à mettre en œuvre le procédé de détection de chute dudit sujet humain selon le premier mode de réalisation.

Selon un mode de réalisation préférentiel de l'invention, le dispositif actimétrique comprend trois accéléromètres dont les signaux de sorties alimentent les moyens de traitement et de détection d'une chute.

Un tel dispositif est peu encombrant et peu coûteux.

L'invention, selon un deuxième mode de réalisation, concerne un procédé de détection de chute d'un sujet humain portant au moins un dispositif actimétrique, ledit dispositif comprenant des moyens d'acquisition des mesures d'accélération instantanée suivant trois axes et des moyens de traitement desdites mesures d'accélération acquises, ledit procédé prévoyant la mise en œuvre pa r les moyens de traitement des étapes suivantes :

premier traitement des mesures d'accélération instantanée, détection d'une chute dudit sujet humain en fonction du résultat dudit premier traitement,

génération d'un signal d'alarme, local et/ou vers un site distant, dans le cas où une chute est détectée.

Selon ce deuxième mode de réalisation de l'invention, ledit premier traitement comprend une étape de calcul des angles d'orientation des accélérations instantanées suivant les trois axes et une étape d'analyse spectrale des angles d'orientation ca lculés.

Il est ainsi proposé un algorithme de détection d'une chute et de génération d'une a la rme, fonctio n na nt e n te m ps rée l, e n fo nction des angles d'orientation des accélérations insta nta nées suiva nt les trois axes et de l'ana lyse spectra le des a ngles d'orientation ca lculés.

Un tel algorithme est capable de détecter une chute à cinétique élevée grâce à la signature particulière des données accélérométriques acquises en temps réel.

I l est en outre possible de distinguer différents types de chute caractéristiques, te l les q ue les ch utes avec cha nge ment de postu re, les ch utes avec agitation ou tremblement et les chutes avec rétablissement, en fonction des va riations des a ngles d'orientation des accélé rations i nsta nta nées et de l'a na lyse spectra le des a ngles d'orientation. Ainsi, selon ce deuxième mode de réa lisation de l'invention, on obtient une détermination efficace et précise des chutes, le procédé de l'invention limitant les erreurs de détection.

L'invention concerne par ailleurs un dispositif actimétrique destiné à être porté par un sujet humain et comprenant des moyens d'acquisition des mesures d'accélération i nsta nta née su iva nt trois axes et des moye ns de tra ite m e nt desd ites m esu res d'accélération acquises, les moyens de traitement étant destiné à mettre en œuvre le procédé de détection de chute dudit sujet humain selon le deuxième mode de réalisation.

5. Liste des figures

D'autres caractéristiques et avantages de l'invention apparaîtront à la lecture de la description suivante de deux modes de réalisation de l'invention, donnés à titres de simples exemples illustratifs et non limitatifs, et des dessins annexés ci-dessous, parmi lesquels :

la figure 1 est une représentation schématique d'un exemple de dispositif actimétrique pour la mise en œuvre du procédé de détection de chute conforme à l'invention ;

la figu re 2 est u n synoptiq ue géné ra l i l l ustra nt la méthodologie de détection de chute (par le biais d'un premier algorithme Al) et d'identification de l'activité (pa r le biais d'un deuxième algorithme A2) d'un porteur du dispositif actimétrique de l'invention ;

la figure 3 illustre de façon schématique la possibilité de confirmer, par le biais du deuxième algorithme A2, le type de chute détectée par le biais du premier algorithme Al ;

la figu re 4 il lustre de façon schématique la construction des données nécessaires à l'analyse longitudinale (par le biais d'un troisième algorithme A3) des activités du porteur du dispositif actimétrique de l'invention ;

la figure 5A illustre un exemple illustratif de signal d'accélération acquis par le dispositif actimétrique en fonction du temps, la figure 5B représentant la valeur moyenne MoyA _n issue du signal de la figure 5A ; la figure 6A illustre le spectre sur une fenêtre temporelle Tn représentatif d'un porteur conduisant une voiture, la figure 6B illustrant le spectre sur une fenêtre temporelle Tn représentatif d'un porteur se trouvant dans un bus ;

la figure 6D illustre le spectre sur une fenêtre temporelle Tn représentatif d'un porteur pratiquant la marche à pied, la figure 6F illustrant les enveloppes des spectres sur N fenêtres temporelles Tn représentatifs d'un porteur pratiquant la marche à pied ;

la figure 6C illustre le spectre sur une fenêtre temporelle Tn représentatif d'un porteur ayant une activité manuelle non périodique, la figure 6E illustrant les spectres sur N fenêtres temporelles Tn représentatifs d'un porteur ayant une activité manuelle non périodique;

la figure 8 illustre les variations au cours du temps des valeurs (en g) de la grandeur IIAII _t lors d'une phase de chute d'un porteur ;

les figures 9A à 9C représentent la valeur calculée des angles lors d'une phase de chute avec rétablissement ainsi que dans les instants suivants ;

les figures 10A à 10C représentent le spectre des angles lors d'une phase de chute avec rétablissement ainsi que dans les instants suivants ;

les figures 11A à 11C représentent la valeur calculée des angles lors d'une phase de chute agitée ainsi que dans les instants suivants ;

- les figures 12A à 12C représentent le spectre des angles après la chute ; les figures 13A à 13C représentent la valeur calculée des angles lors d'une phase de chute avec perte de conscience ainsi que dans les instants suivants ; les figures 14A à 14C représentent le spectre des angles après une chute dans le cas d'un malaise ;

- la figure 15 illustre de façon détaillée la méthodologie d'identification de l'activité par le biais du deuxième algorithme A2.

6. Description détaillé de l'invention

6.1 Exemple de dispositif actimétrique conforme à l'invention

La figure 1 est une représentation schématique d'un exemple de dispositif actimétrique pour la mise en œuvre du procédé d'analyse des données accélérométriques et de détection de chute conforme à l'invention. Ce dispositif actimétrique, ou actimètre, 1 est porté au niveau du poignet d'un utilisateur, ou porteur, par le biais de moyens de fixation (non illustrés), tel un bracelet, par exemple. Le porteur peut être une personne âgée et/ou à mobilité réduite, un travailleur isolé, un enfant, ...

Le dispositif actimétrique 1 comprend un boîtier (non illustré) renfermant :

des moyens d'alimentation (batterie) 11 ;

un accéléromètre 12 multidirectionnel apte à mesurer les accélérations selon les trois axes X, Y, Z du repère cartésien (0, X, Y, Z) et un amplificateur 13 des signaux mesurés ;

- des moyens de communication sans fil (par ondes radio) comprenant a) des moyens de transmission 141 de données (notamment d'un ou de plusieurs indicateurs d'activités issus des mesures fournies par l'accéléromètre 12) et d'un signal d'alerte à un récepteur externe distant, et b) des moyens de réception 142 de données ;

un microprocesseur 15 comprenant des moyens de traitement/calcul des mesures fournies par l'accéléromètre 12, des moyens de mémorisation et des moyens de gestion des alarmes.

Ce dispositif actimétrique 1 est destiné à la surveillance à distance d'un sujet vivant, par exemple un senior, en particulier pour la détection d'un malaise et/ou d'une chute.

6.2 Principe général de l'invention

L'invention propose donc une technique de détection de chute par l'exploitation/analyse de données accélérométriques qui sont acquises par le biais dispositif actimétrique 1 sous la forme d'un bracelet porté par l'utilisateur, ou porteur, au niveau du poignet.

La technique de l'invention vise à détecter, par le biais d'un premier algorithme Al d'analyse instantanée (pseudo temps réel), différents types de chute avec chute libre (chute avec immobilisation, chute avec agitation ou tremblement, chute avec rétablissement).

Le premier algorithme recherche la présence d'une pré-alarme chute (chute libre suivie d'un choc de même sens que le vecteur gravitation et d'une faible oscillation). La détection d'une chute et de génération d'une alarme est fonction des angles d'orientation des accélérations i nsta nta nées suiva nt les trois axes et de l'a na lyse spectrale des angles d'orientation ca lculés.

En d'autres termes, le premier algorithme Al est apte à détecter une chute à cinétique élevée grâce à la signature particulière des données accélérométriques acquises en temps réel.

Dans un premier mode de réalisation, le premier algorithme Al est mis en œuvre seul.

Dans un deuxième mode de réalisation, un deuxième algorithme A2 d'analyse sur une fenêtre temporelle T _n est mis en œuvre parallèlement au premier algorithme Al.

Chacun de ces algorithmes Al et A2 est illustré sur la figure 2.

Le deuxième algorithme A2 permet la classification du type d'activité exercée (som mei l, im mobi lité, différents types d'activités statiques passives ou actives, et activités dynamiques) par le porteur parmi un nombre d'activités préétablies.

En d'autres termes, pour valider ou non le pré-diagnostic de chute à cinétique élevée du premier algorithme Al, une confirmation peut être attendue de la part du deuxième algorithme A2 avant l'envoi de l'alarme. La confirmation (algorithme A2) est attendue selon le degré de certitude du diagnostic (algorithme Al). Ainsi, les différents types de chute avec chute libre (chute avec im mobilisation, chute avec agitation ou tremblement, chute avec rétablissement) peuvent être validés grâce au type d'activité détecté par le deuxième algorithme A2.

Ceci est illustré sur la figure 3 montrant pa r le biais de flèches en pointillés la confirmation du type de chute (déterminé par le biais du premier algorithme Al) grâce au type d'activité (déterminé par le biais du deuxième algorithme A2).

On note que le deuxième algorithme A2 permet également de détecter un type particulier de chute, appelé « chute molle » (cas S22), qui ne présente pas de cinétique élevée.

I l permet, en outre, de déclencher une a lerte (cas S112) en cas d'im mobilité absolue due à un malaise ou à une chute (classe statique S). La distinction entre une faible activité moyenne observée pendant le sommeil (cas Slll) ou due à une immobilité absolue (malaise) se fait sur plusieurs fenêtres temporelles par le biais d'un troisième algorithme A3.

Le deuxième algorithme A2 permet, par ailleurs, de détecter des activités représentatives d'un comportement très actif dû à une activité sportive intense ou à un état agité (cas Dl). La distinction entre ces deux états peut se faire selon le profil de l'utilisateur/porteur (selon qu'il s'agit d'une personne âgée ou d'une personne active, par exemple).

Comme illustré sur la figure 4, le troisième algorithme A3 d'analyse macroscopique longitudinale des activités permet le comptage d'immobilités successives et l'établissement de statistiques, sur une durée prédéterminée, relatives aux activités exercées par le porteur (déterminées par le deuxième algorithme A2).

6.3 Algorithme Al de détection d'une chute

L'algorithme Al de détection d'une chute (due à un malaise par exemple) d'une personne équipée du dispositif actimétrique 1 permet une détection fiable d'une chute, et supprime, ou à tout le moins minimise, les fausses alarmes.

L'algorithme Al permet de quantifier la probabilité que la détection d'une "préalarme chute" (cas Cl sur la figure 2), détectée par la présence d'une chute libre suivie d'un choc de même sens que le vecteur gravitation et d'une faible oscillation, soit une « alarme chute vraie ».

L'algorithme Al, décrit ci-après, peut répondre seul en temps réel à la problématique de la chute (selon un premier mode de réalisation) ou avec un léger retard en s'appuyant sur la confirmation/infirmation du traitement de la fenêtre temporelle T _n par le biais de l'algorithme A2 (selon un deuxième mode de réalisation), ce qui diminue le risque de fausse détection.

Ainsi, dans le cas de demande de confirmation (c'est-à-dire dans le deuxième mode de réalisation), si on prend comme exemple une fenêtre temporelle T _n où on effectue la moyenne de 5 minutes avec 1 minute de recouvrement entre fenêtres (pour éviter toute perte de données et proposer une analyse avec un effet de glissement), le délai maximum de traitement peut être de 4 minutes après le temps d'apparition de la chute. Il est toutefois possible de réduire ce délai en entrelaçant cet algorithme de traitement par un second algorithme de traitement décalé de Tk/2. Da ns chacun des premier et deuxième modes de réa lisation, l'algorithme Al met en œuvre un traitement des mesures d'accélération acquises à intervalles réguliers t, sur la fenêtre tem porelle T _n .

De façon connue, la chute est identifiable en analysant le signe et la valeur de la gra ndeur I IAI I _t définie selon la formule \\A\\ _t = - } + y + ï - 1 et e n ide ntifia nt la présence des deux phases consécutives suivantes (étape Cl de la figure 2) :

une phase de chute (avec une durée de chute quasi libre) ce qui induit une valeur négative de IIAII _t proche de -lg (qui est la valeur théorique de IIAII _t pour une vraie chute libre) ;

- u ne p hase de choc q u i suit la p hase de ch ute et s' ide ntifie pa r la combinaison d'une accélération avec une pente importante et d'une phase d'oscillation sur le signal reconstruit IIAII _t .

La figure 8 illustre les variations au cours du temps des valeurs (g) de la grandeur IIAII _t lors d'une phase de chute du porteur du dispositif actimétrique 1.

U n inconvénient de cette a pproche connue est que la présence de ces deux phases n'indique pas exclusivement une ch ute. En effet, plusieurs actions de la vie courante peuvent donner naissance à des phénomènes accélérométriques semblables (le fait de lâcher la main par exemple, ou bien de taper la main sur un obstacle).

Cette approche connue ne permet donc pas d'identifier avec certitude les chutes et d'éviter les fausses détections.

L'invention propose une analyse spécifiquement dédiée à la chute qui est mise en place en temps réel (selon le premier mode de réalisation) ou bien dans le traitement de l'intervalle T _n (selon le deuxième mode de réa lisation).

Selon l'approche de l'invention, la détection d'une phase de chute et d'une phase de choc ne constitue q u' u ne « pré-alarme chute » Cl qui est ensuite confirmée ou infirmée.

Supposons t _i<n l'instant de détection d'une forte accélération (précédée d'une décélération) dans l'intervalle T _n , suivie d'une oscillation de l'accélération de IIAII _t dans les quelques instants suivants.

L'approche de l'invention est la suivante. Après ce qui est apparenté à une chute

(étape Cl), on détermine la présence d'im mobilité (Cil) en ca lcu la nt la va leur moyenne de l'accélération sur un interva lle de tem ps Δΐ suiva nt la pré-a la rme chute, de l'ordre de 30 secondes, et en la com pa ra nt à un seuil prédéterminé.

Si une i m mobi lité est détectée (va le ur moyen ne i nférieu re à ce seui l), on détermine qu'il s'agit d'une chute avec im mobilisation (Clll).

Da ns le cas co ntra i re, l'a lgorith me Al met en œuvre (C12) u n calcul des orientations des accélérations selon chacun des plans de projection du trièdre (x,y,z). On calcule donc à chaque instant, à partir des données (ί,, ^, ϊ, ) de l'accéléromètre, les angles thêta étant définis ainsi :

On se focalise donc sur deux exploitations de ces données ( C 1 2 ) pendant la durée T analyse_angles :

la variation angulaire sur chaque angle du g terrestre, et

l'analyse spectrale des angles d'orientation du g terrestre durant la période Tanalyse_angles suivant l'état de pré-alarme-chute (Cl). Plus cette période sera grande et plus la détection sera robuste (a u détriment d e l a réactivité d'alerte). Elle est, dans cet exemple, égale à 30 secondes.

Plusieurs types de chutes peuvent être détectées afin d'établir un pré-diagnostic de chute:

a) Chute suivie d'une agitation (C122):

S'il est établi qu'il n'y a pas de variation de thêta mais qu'il y a agitation, il s'agit bien d'une chute avec agitation (C122) et la pré-alarme est confirmée. Les figures 11A à 11C illustrent la valeur calculée des angles lors d'une phase de chute agitée (cas d'une suractivité désordonnée, c'est-à-dire que la personne est tombée puis est très agitée après sa chute) ainsi que dans les instants suivants. Sur les figures 12A à 12C est représenté le spectre des angles après la chute qui confirme que le porteur est très agité par la présence de nombreuses composantes fréquentielles dans une gamme de fréquences donnée.

b) chute suivie d'un changement de posture et immobilité (C121) :

S'il est établi que la variation de thêta est ordonnée, il est déterminé (C121) qu'il s'agit d'une chute suivie d'un changement de posture et immobilité (avec perte de conscience, lors d'un malaise par exemple) et la pré-alarme est confirmée. Sur les figures 13A à 13C est représentée la valeur calculée des angles lors d'une phase de chute avec changement de posture et perte de conscience (cas d'un malaise, la personne étant inconsciente) ainsi que dans les instants suivants. Dans ce cas, on observe une variation brutale de la direction angulaire de l'accélération suivie d'une stabilisation de la valeur de l'orientation angulaire. Sur les figures 14A à 14C est représenté le spectre des angles après la chute dans le cas d'un malaise. On note les très faibles valeurs en ordonnée pour les axes X, Y et Z par rapport aux figures 12A à 12C.

D'un point de vue algorithmique, il est d'abord déterminé s'il existe une différence entre l'angle d'orientation du choc (représenté par un pic d'accélération ou une pente représentative) et l'angle d'immobilisation (correspondant à l'orientation de la pesanteur) dont la valeur est ΔΘ, en faisant la somme (en valeurs algébriques) des variations angulaires entre deux mesures successives d'accélération selon les trois axes entre le choc et l'immobilisation. Si cette somme est égale à ΔΘ, il est alors déterminé qu'il s'agit d'une vraie chute avec changement de posture et immobilisation,

c) chute avec rétablissement (C123) :

S'il est établi que la variation de thêta correspond à l'action de se lever, il est déterminé qu'il s'agit d'une chute avec rétablissement (C123) et la pré-alarme peut être confirmée (si l'on considère que la signalisation de ce type de chute est pertinente) ou infirmée (si l'on considère qu'une chute avec rétablissement n'est pas problématique). Les figures 9A à 9C représentent la valeur calculée des angles lors d'une chute avec rétablissement (C123) ainsi que dans les instants suivants. On note que les variations des angles thêta sont relativement lentes et représentatives d'une activité maîtrisée. Les figures 10A à 10C représentent le spectre des angles lors d'une phase de chute avec rétablissement (le porteur chute et se relève, par exemple) ainsi que dans les instants suivants. On note la présence d'une signature fréquentielle spécifique représentative d'une activité (présence de pics localisés). D' u n poi nt d e vue p rati q u e, on vérifie si la signature des composantes fréquentielles des trois angles et la succession des angles après le choc correspond à une signature représentative d'un rétablissement (classement des composantes fréquentielles en fonction de leur amplitude relative). Par exemple, on constate la présence de composantes fréquentielles de plus grande amplitude dans un intervalle de fréquence prédéterminé. Dans ce cas, une alerte spéciale peut être envoyée à titre informatif au personnel soignant, par exemple.

Selon le deuxième mode de réalisation, une confirmation du cas Clll, C121, C122 ou C123 déterminé p a r l a m i s e e n œuvre d u p r e m i e r a l g o r i t h m e A l peut être effectuée lors de l'exploration et l'identification des indicateurs d'activité de la période Tn par le biais du deuxième algorithme A2.

En d'autres termes, pour valider ou non le pré-diagnostic de chute à cinétique élevée, une confirmation peut être attendue de la part de l'algorithme A2 avant l'envoi de l'alarme.

L'approche est illustrée sur la figure 3 où une fois que la classe de l'activité a été identifiée, comme statique ou dynamique, par l'algorithme A2, il est déterminé si une pré-alarme chute a été détectée et la classe de l'indicateur permet de confirmer ou d'infirmer les chutes avec immobilisation (Clll, C122) et les chutes suivies de mouvement (C122, C123).

Lorsqu'aucun pré-diagnostic de chute à cinétique élevée (Clll, C121, C122 ou

C123) n'a été établi, aucune alerte chute n'est émise.

On notera que l'étape de détection d'une immobilité (Cil) permet d'éviter le calcul des directions angulaires de IIAII _t et de leur transformée de Fourier (C12) si cette étape se révèle inutile.

6.4 Algorithme A2 d'identification de l'activité humaine

Un synoptique général de la méthodologie d'identification de l'activité humaine est représenté sur la figure 2. Cette méthodologie est détaillée sur la figure 15.

Cette analyse fine des périodes de temps T _n vise donc à classifier le comportement de l'utilisateur à partir d'indicateurs de son activité issus des mesures d'accélération acquises par l'accéléromètre 12. Les indicateurs de l'activité se composent, da ns ce mode de réalisation, d'une classe (statique ou dyna mique) et d'u ne sous-classe associées à un com portement identifié (normal, actif, très actif, activité calme, passif,...). Ces classes et sous-classes sont paramétrables selon l'application. Chacun des indicateurs est représentée par une case grisée à bords arrondis sur les figures 2, 3, 4 et 15 (à titre d'exemple, l'indicateur d'activité calme (repas) noté D211 est constitué de la classe dynamique D et de la sous-classe 211).

Le signal de l'accéléromètre 12 est échantillonné à une fréquence variant entre 5Hz et 50Hz, puis ces données, associées sous forme d'une norme d'accélération efficace, c'est-à-d i re u ne no rme po u r la q uelle la gravité terrestre a été supprimée, sont regroupées durant une fenêtre temporelle T _n .

La fenêtre temporelle T _n , qui est comprise entre 2 et 10 minutes par exemple, est paramétrable (selon l'application) de même que les différents seuils mentionnés ci-après.

Ainsi, le seuil statique/dynamique peut être reconfigurable à dista nce via les moyens de réception 142 du dispositif actimétrique 1.

On note que la fenêtre temporelle T _n est traitée par l'algorithme A2 à la fin de la période T _n .

Dans un premier temps, l'algorithme A2 traite les mesures d'accélération (valeur « g ») en fonction du temps et détermine la norme de l'accélération (ou accélération moyenne) notée IIAII _t . Afin de ne traiter que l'image d'une activité du porteur de l'accéléromètre, la compensation de l'accélération due à la gravité terrestre (subie même en absence de mouvement) s'effectue dans le calcul de cette norme de l'accélération effective IIAII _t . En d'autres termes, l'a lgorithme A2 utilise la norme de l'accélération débarrassée de l'accélération vers le sol due à la gravité terrestre.

Le signe de l'accélération effective IIAII _t est positif en phase d'accélération, et négative en phase de décélération. Sa valeur est proche de -lg dans le cas d'une chute libre.

A partir de ces données, l'algorithme A2 détermine le premier niveau (ou niveau 1, ou classe) de l'indicateur de l'activité du porteur parmi deux états, à savoir l'état statique (S) et l'état dynamique (D).

A l'éta pe El, la comparaison entre le nivea u moyen ou va leur moyenne notée

MoyAn (avec MoyA _n = Moyenne (valeurs absolues (IIAII _t ))) et un seuil prédéterminé statiq ue/dyna m ique pe rmet la classification entre les deux états statique (S) ou dynamique (D) sur l'intervalle T _n .

Ainsi, si la valeur moyenne MoyA _n est faible sur la période T _n , l'activité du porteur est considérée comme statique (S). Au contraire, si la va leur moyenne MoyA _n est importante sur la période T _n , l'activité est considérée comme dynamique (D).

Un exemple illustratif de signal d'accélération en fonction du temps est illustré sur la figure 5A. La figure 5B représente la valeur moyenne MoyA _n issue du signal de la figure 5A. On note que sur trois plages tem porelles, les activités sont considérées com me statique (S).

Pour chacun des états statique (S) et dynamique (D) est ensuite déterminé le deuxième niveau (niveau 2 ou sous-classe) de l'indicateur d'activité associé à la période T _n .

Dans le cas statique (S), qui pour mémoire, est associé à une valeur moyenne MoyAn faible sur la période T _n , on étudie la dispersion absolue (c'est-à-dire la différence entre les valeurs maximales et minimales notée "Max-Min") de l'accélération mesurée, sachant que :

Max A _n =Max (IIAII _t ) et Min A _n =Min (IIAII _t )

Dans un premier cas, si la dispersion absolue (Max-Min) est inférieure au seuil prédétermi né a ppelé "se ui l i m mobilité relative/a bsol ue" (S0) et q u'on détecte la présence de signes de vie (i.e. de mouvements) (SI)- une phase de sommeil « l é g e r » ( S 12 ) est identifiée sur cet intervalle, ce qui correspond à une activité assez faible avec quelques accélérations de faible valeur (l'activité est non nulle toutefois).

L'étape de détection de signes de vie (i.e. de mouvements) (SI) peut se faire par comparaison de la valeur moyenne MoyA _n avec un seuil prédéterminé appelé « seuil sommeil » ou pa r détection d'une com posante fréquentielle caractéristique comme représenté par ailleurs dans le graphe de la figure 15 représentant les différentes étapes mises en œuvre dans A2.

Dans un deuxième cas, si la dispersion absolue (Max-Min) est inférieure au seuil prédéterminé appelé "seuil immobilité absolue/relative »" (S0) et qu'on ne détecte pas la présence de signes de vie (i.e. de mouvements) (Sl)-cela signifie que, sur l'intervalle T _n , l'activité est faible ou quasi nulle (SI) et correspond à un état statique immobile (SU). Cette absence ou quasi-absence d'activité (qui est différente d'une défaillance du capteur puisque dans ce cas, on aurait une activité permanente égale à -lg) peut traduire un état d'immobilité qui se retrouve, en particulier, dans une phase de sommeil « lourd » (Slll).

II peut toutefois s'agir d'une perte de connaissance de l'utilisateur. Cette absence ou quasi-absence d'activité correspond à une situation anormale potentielle. La différence entre un état de som mei l avec activité nu lle ou quasi-nulle (Slll) et une perte de connaissance (correspondant à une situation anormale) nécessitant le déclenchement d'une alerte (S112) est discriminée par l'analyse des périodes suiva ntes Tn+k par le biais du troisième algorithme A3 (dont la méthodologie est illustrée schématiquement sur la figure 4).

Ainsi, si la scrutation des périodes suivantes Tn+k confirme des périodes de non activité successives (e n d ' a ut res te rm es, s u r la succession des périodes Tn+k, l'algorithme A2 diagnostique une phase « sans aucune activité »), alors cela traduit un potentiel risque de perte de connaissance (ou d'arrachement du capteur) qui provoque le déclenchement d'une alarme (S112). Le nombre maximum de périodes de non activité successives peut être configuré.

Ainsi, l'a lgorithme A2 peut identifier un état d'immobilité (SU) qui peut être exploité de deux façons. Soit l'algorithme A2 permet de confirmer une chute qui a été détectée par l'algorithme Al où l'immobilité est représentative de la conséquence de la chute (concept de minimiser la fausse a la rme), soit il permet de détecter un malaise (perte de conscience pendant le sommeil c'est-à-dire sans accélération/chute détectée) et l'algorithme A3 permet de confirmer cet état de pré-diagnostic malaise par un suivi longitudinal des autres périodes T _n+ i _< qui suivent temporellement la période T _n où a été détecté cet état statique immobile (SU).

On note que les indicateurs déterminés lors de la période T _n et des périodes suiva ntes Tn+k sont stockés dans la mémoire du dispositif actimétrique 1 conformément à l'algorithme A3 (dont le principe est illustré schématiquement sur la figure 4).

Dans un troisième cas, si la dispersion absolue (Max-Min) est supérieure au seuil prédéterminé appelé "seuil immobilité absolue/relative", cela signifie que même si la valeur moyenne est faible, il existe des activités instantanées avec « une énergie de mouvement » à analyser, traduisant :

- des mouvements importants en valeur instantanée, mais reproduits peu souvent dans l'intervalle, qui sont assimilables soit à une chute suivie d'une immobilité, soit à un choc (un lâcher de main avec choc sur la table, un mouveme nt i nte rrom p u de type TOC, ...). Une attention particulière est apportée à cette classe identifiée pour minimiser le risque de fausse alarme. L'algorithme A2 met en œuvre un test dénommé « test chute molle » (cas S22). Ceci permet de détecter une chute non caractérisable par une cinétique élevée, c'est-à-dire sans chute libre (cas d'une chute avec appui sur un mur par exemple). Le déclenchement de la recherche de cette chute est en sens temporel inverse de celui de la recherche de chute de l'algorithme Al. Dans Al, l'identification de la ch ute est décle nchée pa r la détectio n d' u ne ch ute li bre suivie d' u n choc (préalarme chute). La détection d'une chute « molle » est tout d'abord validée par la détection d'une immobilité qui peut être causée par une chute molle ou à faible cinétique, non détectée par Al puis par l'analyse de ce qui s'est passé avant l'immobilisation (il est ainsi déterminé si le dernier mouvement détecté était dans le sens de la pesanteur (choc avec le sol)). Pour renforcer cette décision, une i nformation su ppléme nta i re pe ut être bénéfiq ue, et peut être issue d' u n altimètre (compris dans le dispositif 1) qui détecte une diminution de hauteur de plus de 70 cm en même temps que ce choc confirme la chute ou d'un gyroscope (compris dans le dispositif 1) détectant la présence ou non d'une accélération angulaire.

- des mouvements présents un peu plus souvent et/ou avec des accélérations d'assez faibles valeurs. I l est ici proposé de classer le type de mouvement en classant les données de la transformée de Fourier (S21), à savoir la fréquence et l 'amplitude ή,η et Ej,n respectivement, associées à l'intervalle Tn de façon décroissante selon Ej,n- Ceci vise à déterminer si la répartition de l'énergie de l'activité est diffusée/désordonnée (sans signature spectrale) ou présente une signature spectrale, c'est-à-dire une ou plusieurs fréquences représentatives de mouvements particuliers. Deux cas peuvent avoir lieu : - une faible activité classée comme passive (S212). Il peut s'agir, par exemple, de la présence du porteur dans un bus où les accélérations sont subies (non volontaires) et non "réalisées" par le porteur de l'accéléromètre. Dans ce cas, le spectre présente peu de composantes fréquentielles significatives et est relativement « plat » avec absence de maximums. La figure 6B illustre le spectre sur une fenêtre temporelle Tn représentatif d'un porteur se trouvant dans un bus ; ou

- une faible activité classée comme active ( S211). C'est le cas, par exemple, lorsque le porteur conduit une voiture ou lit un livre (action volontaire). Dans ce cas, le spectre comprend plusieurs composantes fréquentielles significatives ce qui traduit la richesse en actions. La figure 6A illustre le spectre sur une fenêtre temporelle Tn représentatif d'un porteur conduisant une voiture.

Dans le cas dynamique (D) qui, pour mémoire, est associé à une valeur moyenne MoyAn importante sur la période T _n , on calcule (étape DO) le spectre des normes IIAII _t sur la période T _n de façon à déterminer le deuxième niveau de l'indicateur d'activités/comportements.

Lorsqu'on obtient une signature spectrale très diverse (c'est-à-dire riche en composantes fréquentielles) avec des densités spectrales très importantes, cela correspond à un comportement très actif (cas noté Dl) qui peut traduire :

soit un comportement sportif pour une personne effectuant de l'exercice ; soit un état d'agitation excessive avec des mouvements désordonnés dans le cas d'une personne fragile ou considérée comme peu active. Ce second cas, s'il est confirmé dans le temps sur les périodes T _n+j (par le biais de l'algorithme A3 d'analyse macroscopique longitudinale), déclenche une remontée d'alarme de type « forte agitation depuis x minutes ». Lorsque la densité spectrale est moins importante, et que les valeurs de l'accélération sont plus faibles (cas noté D2), deux cas peuvent se présenter :

avec une signature spectrale très marquée où une, deux ou trois fréquences sont importantes (du point de vue de la densité spectrale) ce qui traduit une activité répétitive quasi périodique (cas noté D21), telle que la marche (cas D212), la couture, les jeux de cartes ou tout autre activité calme (cas D211). La figure 6D illustre le spectre sur une fenêtre temporelle Tn représentatif d'un porteur pratiquant la marche à pied. La figure 6F illustre les spectres sur N fenêtres temporelles Tn représentatifs d'un porteur pratiquant la marche à pied ;

une signature spectrale riche en composantes fréquentielles à densité spectrale importantes, ce qui traduit une activité manuelle non périodique (cas noté D22), telle que la vaisselle ou le ménage, où les mouvements sont considérés comme non répétitifs ce que traduit le caractère «désordonné» de l'analyse spectrale. La figure 6C illustre le spectre sur une fenêtre temporelle Tn représentatif d'un porteur ayant une activité manuelle non périodique. La figure 6E i ll ustre les spectres sur N fe nêtres temporelles Tn représentatifs d'un porteur ayant une activité manuelle non périodique.

6.5 Algorithme A3 d'analyse macroscopique pour suivi longitudinal

Dans le cadre de cette analyse macroscopique qui permet un suivi longitudinal de l'utilisateur surveillé, les indicateurs d'activité calculés dans une fenêtre temporelle T _n sont comparés du point de vue variations (ou confirmations pour un état d'alerte) avec les fenêtres temporelles précédentes T _n-k .

Cette analyse permet le suivi de variations/déviations des indicateurs d'activité successifs ce qui permet d'obtenir une analyse sur des périodes longues.

L'algorithme A3 permet, comme illustré sur la figure 4, de stocker l'indicateur d'activité déterminé à l'issue de chaque période de temps T _n et de comptabiliser, par exe m ple, les i m mobi lités successives, le pou rce ntage jou rna lie r d'i m mobi lité, le pourcentage journalier d'activités et le pourcentage journalier de repos du porteur.

L'analyse longitudinale permet une analyse comportementale visant à identifier une dégradation ou a mélioration de l'état de sa nté, un changement des ha bitudes quotidiennes, et/ou une diminution de l'activité physique.

6.6 Autres aspects/variantes

En résumé, l'approche de détection d'une ch ute conforme à l'invention s'inscrit à deux niveaux temporels, c'est-à-dire d e u x n i ve a u x d e ré a ct i v i t é pour identifier/confirmer l'état de chute. Le prem ier a lgorith me Al com me nce pa r l'identification des conditions de détection rapide de chute (pré-alarme chute), qui est ensuite confirmée ou infirmée par la classification des phases postérieures à la chute à cinétique élevée:

• critère d'immobilité,

· sinon critère d'analyse de la posture par l'exploitation du caractère ordonné ou désordonné de la position angulaire de l'orientation de l'accéléromètre par ra pport à la gravité terrestre. L'a na lyse de la variation de cet angle et de représentation spectrale de cet angle conduit aux diagnostics C121, C122, C123 qui peuvent être confirmés/infirmés par les algorithmes A2 et A3.

Ainsi l'algorithme Al est apte à identifier quasi instantanément les conditions du risque de chute ("pré-alarme chute") puis à analyser les phases d'activité qui s'en suivent immobilité (absence d'activité) ou ca ractère ordonné (significatif)/désordon né de la position angulaire du capteur (accéléromètre).

On obtient une détermination efficace et précise des chutes, le procédé selon le premier mode de réalisation de l'invention limitant les erreurs de détection.

Da ns le de uxiè me mode de réa lisation, les a lgorith mes A2 et A3 de su ivi longitudinal permettent de réduire encore le risque de fausse détection. Comme souligné auparavant, les figures 3 et 4 illustrent la méthodologie de confirmation ou d'infirmation de la chute à cinétique élevée détectée auparavant.

Ainsi, l'algorithme A2 vise à classifier le comportement de l'utilisateur à partir d'indicateurs de son activité issus des mesures d'accélération qui sont acquises par l'accéléromètre. L'identification du type d'activité permet de confirmer ou non une alarme en cas de situation anormale.

Les mesures d'accélération et l'observation de leurs variations par le biais des algorithmes A2 et A3 permettent de déduire le niveau/type d'activité de l'utilisateur et la cohérence de cette activité. Parmi les activités identifiées, on peut ainsi identifier aussi le risque de malaise conséquent à aucun signal perçu par l'accéléromètre en discriminant les phases de sommeil grâce au suivi longitudinal apporté par l'algorithme A3.

Da n s l e ca s où la signature est représentative d'une situation anormale potentielle, telle que l'absence de mouvement, le déclenchement d'un signal d'alerte est différé afin d'éviter les fausses alertes, et un traitement supplémentaire des données accélérométriques et/ou l'analyse de l'indicateur de la ou des périodes suivantes est/sont mis en œuvre.

Les algorithmes Al, A2 et A3 sont mis en œuvre dans les moyens de traitement du microprocesseur 15. Les mesures d'accélération acquises par l'accéléromètre 12 sont reçues et traitées par les moyens de traitement du dispositif actimétrique 1. On rappelle que le porteur, et donc l'accéléromètre 12, sont soumis à une accélération constante vers le sol due à la gravité. A cette accélération constante s'ajoute la com posa nte due à l'activité du porteur.

Dans le cas où une chute ou un événement jugé critique pour le porteur, comme un ma la ise ca ractérisé pa r une perte de con naissa nce, est détecté, les moyens de transmission 141 du dispositif actimétrique 1 transmettent un signal d'alerte à une unité distante, dans cet exemple. Dans un autre mode de réalisation, une alerte sonore peut être déclenchée.

L'a pproche de l'invention pe rmet de répondre à la contrai nte d'a utonom ie énergétique (fonctionnement ambulatoire du dispositif actimétrique 1 sur batterie ou pile) en combinant deux approches:

le calcul (dans les moyens de traitement du dispositif actimétrique 1 puis le stockage (dans les moyens de stockage du dispositif actimétrique 1 des indicateurs d'activité sur une plage temporelle T _n qui permet d'économiser a) de l'espace de stockage de données (l'acquisition du mouvement étant effectuée par exemple à 25Hz, avec deux octets pour chacun des trois axes de mesure, une période de 5 minutes d'observation équivalant à une quantité d'informations égale à 45 kilo-octets, b) de l'énergie électrique puisque les opérations de filtrage et de co m m u nication q u i so nt les pl us consom matrices e n é ne rgie so nt repoussées le plus tard possible dans le processus de décision ;

la classification des i ndicate u rs d'activité e n classes et sous-classes associées à des comportements identifiés selon le deuxième algorithme A2 décrit ci-dessus et le suivi de variations/déviations en cumula nt l'observation de ces indicateurs ce qui permet d'obtenir une analyse sur des périodes longues (selon le troisième algorithme A3). Dans un mode de réalisation particulier, l'indicateur d'activité qui est déterminé à l'issue de chaq ue période T _n est stocké dans les moyens de stockage du dispositif actimétrique 1, et éventuellement transmis vers un site distant (de façon périodique ou non, et/ou récupéré sur demande), puis les données de mesures accélérométriques sont effacées de la mémoire du dispositif actimétrique 1.

Dans une alternative, l'indicateur d'activité déterminé à l'issue de la période T _n est comparé avec l'indicateur d'activité déterminé à l'issue de la période T _n- i, et est uniquement transmis vers un site distant si les deux indicateurs d'activité successifs sont différents.

La mise en œuvre d'autres capteurs portés ou non par la personne (capteurs de présence, télémètres, ca méras, ca pteurs de sol, ca pteu rs sensoriels, gyroscopes, capteurs de hauteur, ...) peut être envisagée. De tels capteurs peuvent permettre de compléter et/ou affiner la classification de l'activité du porteur.

Des problématiques typiques sont la surveillance des personnes âgées à domicile ou en institutions.