WO2020201006A1 - Procede de localisation d'un individu ou d'un animal dans un batiment, procede de controle d'au moins un objet communicant dans un batiment, dispositif de localisation, systeme, equipement d'acces et programmes d'ordinateur correspondants domaine de l'invention - Google Patents

Procede de localisation d'un individu ou d'un animal dans un batiment, procede de controle d'au moins un objet communicant dans un batiment, dispositif de localisation, systeme, equipement d'acces et programmes d'ordinateur correspondants domaine de l'invention Download PDF

Info

Publication number
WO2020201006A1
WO2020201006A1 PCT/EP2020/058535 EP2020058535W WO2020201006A1 WO 2020201006 A1 WO2020201006 A1 WO 2020201006A1 EP 2020058535 W EP2020058535 W EP 2020058535W WO 2020201006 A1 WO2020201006 A1 WO 2020201006A1
Authority
WO
WIPO (PCT)
Prior art keywords
individual
observation data
building
locating
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2020/058535
Other languages
English (en)
Inventor
Xavier LE GUILLOU
Dimitri BRICHETEAU
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Orange SA
Original Assignee
Orange SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Orange SA filed Critical Orange SA
Publication of WO2020201006A1 publication Critical patent/WO2020201006A1/fr
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/008—Alarm setting and unsetting, i.e. arming or disarming of the security system
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/02—Mechanical actuation
    • G08B13/10—Mechanical actuation by pressure on floors, floor coverings, stair treads, counters, or tills
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/16—Actuation by interference with mechanical vibrations in air or other fluid
    • G08B13/1654—Actuation by interference with mechanical vibrations in air or other fluid using passive vibration detection systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19695—Arrangements wherein non-video detectors start video recording or forwarding but do not generate an alarm themselves
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/009—Signalling of the alarm condition to a substation whose identity is signalled to a central station, e.g. relaying alarm signals in order to extend communication range

Definitions

  • TITLE Method for locating an individual or an animal in a building, method for controlling at least one communicating object in a building, locating device, system, access equipment and corresponding computer programs
  • the field of the invention is that of the localization of a human or animal presence in a building comprising a plurality of rooms, in particular that of the localization of this presence from observation data representative of vibrations measured in the ground. or the walls of the building by sensors placed in each of the rooms.
  • the invention notably finds an application in the control of communicating objects connected to a local communication network of the building at least as a function of a result of this location.
  • Presence detection systems based on the acquisition of image sequences and digital processing techniques for these sequences are known today.
  • a first drawback of these systems is that they locate the communicating object of an individual, but do not make it possible to locate this individual when he is not carrying a communicating object on him.
  • a second drawback of these systems is that these systems do not function properly inside a building, the Wifi or BlueTooth waves being disturbed by the structure of the building, and that they do not offer sufficient precision to indicate in which room the individual is in.
  • Another need is that of a technique for locating an individual which is not disturbed by the structure of the building and provides information on the room in which this individual is located.
  • the invention meets this need by proposing a method for locating an individual or an animal in a building comprising a plurality of rooms, characterized in that said method consists of the following steps:
  • the invention thus proposes a completely new and inventive approach to the “indoor” location of an individual, which is based on the detection and processing of vibration signals produced by the movement of the individual in the building. Since the signals measured by the sensors vary according to their distance from the individual, their joint analysis makes it possible to assess the proximity of the individual to each of the sensors and to decide in which room he is located.
  • the invention does not require that this individual be equipped with a communicating object. connected to a communication network. It therefore makes it possible to locate any type of individual in all circumstances, whatever their age or time of day.
  • the sensors may for example be piezoelectric sensors capable of detecting a vibration and of converting it into electric voltage.
  • a said first observation datum comprises a maximum amplitude of the signal over the time period.
  • the method comprises a step of normalizing said first observation data.
  • the classification is carried out by a dichotomous decision tree comprising nodes, said node being associated with a sensor distinct from the plurality of sensors, said nodes being arranged in a decreasing order of discrimination, a classification decision in a class of part being taken by a said node by comparing the first observation datum picked up by said sensor with a predetermined threshold.
  • An advantage of such a tree is that it is minimal and has generalization capabilities. It is for example constructed during the learning phase by an iterative dichotomy algorithm which decides at the level of each node of the most discriminating test according to the observation data available to it with a greater power of generalization.
  • the individuals who usually occupy the building are asked to survey it exhaustively, for example in a predetermined order of travel.
  • each individual may complete the course several times, with different shoes and / or varying degrees of eagerness.
  • Each set of observation data obtained is labeled, that is to say that it is associated with the class corresponding to the room in which the individual was located at the time of acquisition, which then makes it possible to supervise the learning the classification system and iteratively build the most relevant decision tree possible.
  • the method further comprises a step of obtaining, at a second temporal instant, a set of pluralities of second observation data, a said plurality of second observation data being representative of 'a vibration signal picked up over a second period of time corresponding to at least one walking cycle by a sensor placed in a room of said plurality of rooms, a step of identifying an individual by automatic recognition from said set of second observation data of a gait signature model associated with an individual identifier, stored in memory and previously learned from a second set of training data comprising a plurality of sets of second observation data and a step of correlating the individual identifier associated with said model with a location result obtained previously.
  • the invention is based on observation data captured over a sufficient period of time (of the order of a few seconds, which corresponds to two consecutive steps), to recognize the gait of an individual, previously located or not.
  • This second instant can be consecutive to said first temporal instant, but the invention is not limited to this case, the identification of an individual being able to be carried out before his location.
  • the signals picked up by the plurality of sensors form a wave train that the invention proposes to characterize by observation data representative of key points of this train.
  • the plurality of second observation data representative of the vibration signal comprises for each sensor the amplitudes of key points of the signal that it has measured, such as the peak of the heel pose of the peak of the ball of the foot, the length of intervals between these peaks etc.
  • An advantage of correlation is to attach an individual identifier to a location, in case of multiple recognition / location, when one has either identified several individuals or located presences in different rooms.
  • the gait signature model of an individual is a chronicle comprising a succession of dated events and time constraints between said events, an event belonging to a group comprising at least:
  • An advantage of a chronicle is that it allows time uncertainty and optional events to be authorized. For example, some individuals generate a drag spike in the opposite foot during a step, while others do not.
  • the creation of such chronicles takes place during a learning phase during which the individuals usually occupying the building are asked to take turns surveying the rooms, if possible several times, with different shoes and with different shoes. distinct degrees of eagerness. This time the survey is not necessarily exhaustive.
  • the plurality of sensors can thus measure vibration signals over several observation periods corresponding to at least two consecutive steps.
  • an inductive logic programming method can be used to generate one or more chronicles per individual from the positive examples constituted by the observation data captured during the survey of the building by this individual and the positive negative examples constituted by the data. observations captured during the survey of the building by other individuals.
  • An advantage of negative examples is that they make it possible to verify that the model has not been too generalized.
  • the identification step associates an identifier of unknown presence when no model has been recognized.
  • One advantage is that it allows the detection of an unknown individual.
  • the invention also relates to a computer program product comprising program code instructions for implementing a method for locating an individual or an animal in a building as described above, when it is. executed by a processor.
  • the invention also relates to a recording medium readable by a computer on which is recorded a computer program comprising program code instructions for the execution of the steps of the location method according to the invention as described above.
  • Such a recording medium can be any entity or device capable of storing the program.
  • the medium can comprise a storage means, such as a ROM, for example a CD ROM or a microelectronic circuit ROM, or else a magnetic recording means, for example a USB key or a hard disk.
  • such a recording medium can be a transmissible medium such as an electrical or optical signal, which can be conveyed via an electrical or optical cable, by radio or by other means, so that the program computer it contains can be executed remotely.
  • the program according to the invention can in particular be downloaded over a network, for example the Internet network.
  • the recording medium can be an integrated circuit in which the program is incorporated, the circuit being adapted to execute or to be used in the execution of the aforementioned location method.
  • the invention also relates to a device for locating an individual or an animal in a building comprising a plurality of rooms, comprising the following modules:
  • such a device is able to implement a method for locating an individual or an animal as described above.
  • said device is integrated into a system for locating an individual in a building comprising a plurality of rooms, said system comprising said locating device according to the invention and a plurality of sensors arranged in said plurality of rooms, a said sensor comprising at least one first interface for local connection to another sensor of the plurality of sensors and / or a second interface for connection to said localization device and said localization device being able to connect locally to at least one said sensor of the plurality of sensors via a said second connection interface.
  • the sensors transmit the data that they have observed to the location device, for example via a wireless link, for processing.
  • additional sensors can be placed at the level of the thresholds between two rooms.
  • the localization device is configured to receive the observation data from each sensor via said second interfaces and to form at least the first set of observation data from the data d comments received.
  • the sensors form a star network centered on the localization device.
  • One advantage is that the localization device can communicate individually with each sensor and thus verify, for example, that it is functioning correctly.
  • the location device is configured to receive the observation data via a said second interface with at least one master sensor able to collect the observation data from the plurality of sensors via said first interfaces, to forming a first set of observation data and transmitting it to the tracking device via a said second interface.
  • the sensors thus form a mesh network.
  • An advantage is that the location device does not need to reach all the sensors, which makes it possible to limit the constraints imposed on it in terms of location (central) or transmission power (in the case of a wireless connection) since it only needs to be able to connect to the master sensor.
  • the aforementioned location system, the location device and the corresponding computer program have at least the same advantages as those conferred by the location method according to the present invention.
  • the invention also relates to a method for controlling a plurality of communicating objects in a building comprising a plurality of rooms, said communicating object being able to be connected to equipment for access to a local communication network of said building, comprising the following steps, intended to be implemented by said access equipment:
  • the method comprises a step of obtaining a profile associated with said identifier and the action decided is also a function of the profile obtained.
  • the identification of the individual or of the animal makes it possible to envisage still other more personalized applications, such as:
  • the rule can be described in the form of a chronicle comprising a succession of dated events, some of which are optional and associated time constraints. For example, when the father gets up in the morning, the detection of his footsteps in the bedroom triggers the powering of the coffee maker and the opening of the roller shutters in the kitchen. Its passage through the bathroom can be done before the kitchen or after.
  • the invention also relates to a computer program product comprising program code instructions for implementing a method for controlling at least one communicating object in a building as described above, when it is executed by a processor.
  • the invention also relates to a recording medium readable by a computer on which is recorded a computer program comprising program code instructions for the execution of the steps of the control method according to the invention as described above. .
  • Such a recording medium can be any entity or device capable of storing the program.
  • the medium can comprise a storage means, such as a ROM, for example a CD ROM or a microelectronic circuit ROM, or else a magnetic recording means, for example a USB key or a hard disk.
  • such a recording medium can be a transmissible medium such as a signal.
  • electrical or optical which can be routed via an electrical or optical cable, by radio or by other means, so that the computer program it contains can be executed remotely.
  • the program according to the invention can in particular be downloaded over a network, for example the Internet network.
  • the recording medium can be an integrated circuit in which the program is incorporated, the circuit being adapted to execute or to be used in the execution of the aforementioned control method.
  • the invention also relates to equipment for access to a local communication network of a building comprising a plurality of rooms, comprising a device for locating an individual according to the invention and the following modules:
  • Such access equipment is able to implement a method for controlling at least one communicating object as described above.
  • the access equipment and the corresponding computer program mentioned above present at least the same advantages as those conferred by the control method according to the present invention.
  • FIG. 1 This figure schematically represents a first example of a system for locating an individual or an animal comprising a network of vibration sensors arranged in a building equipped with equipment for access to a local communication network, according to one embodiment of the invention
  • FIG. 2 This figure schematically represents a second example of a system for locating an individual or an animal comprising a network of vibration sensors arranged in a building equipped with equipment for access to a local communication network, according to one embodiment of the invention
  • FIG. 3 This figure represents in the form of a flowchart the different steps of the method for locating an individual or an animal according to one embodiment of the invention
  • FIG. 4 This figure schematically represents an example of a human walking cycle and of a signal picked up by a vibration sensor during this walking cycle;
  • FIG. 5 This figure schematically represents an example of a minimal decision tree constructed in a learning phase of a system for automatically classifying observation data captured by the plurality of sensors in a class of parts according to a realization of the invention
  • FIG. 6 This figure schematically represents an example of a table of voltage values read by sensors placed in the building during the movement of an individual and a class of room affected by the automatic classification system for several examples of observations;
  • FIG. 7 this figure schematically represents an example of a fuzzy decision threshold implemented by the automatic classification system at the level of a node of a decision tree according to an embodiment of the invention
  • FIG. 8 This figure schematically represents an example of the architecture of a system for locating an individual or an animal and for controlling a plurality of communicating objects in a building, according to one embodiment of the invention. ;
  • FIG. 9 This figure represents in the form of a flowchart the different steps of the method for controlling at least one communicating object connected to a local communication network of a building in which a plurality of vibration sensors have been placed, according to a mode of communication. realization of the invention
  • FIG. 10 This figure proposes a block diagram of a device for locating an individual or an animal implementing the method for locating in FIG. 3;
  • FIG. 11 This figure proposes a block diagram of a device for access to a local communication network of a building, implementing the method for controlling at least one communicating object of FIG. 9.
  • the general principle of the invention is based on the analysis of observation data extracted from vibratory signals picked up by a plurality of sensors arranged in a building comprising a plurality of rooms, on the location of a presence in one of the rooms of the building. on the basis of this analysis and / or the identification of an individual or animal corresponding to this presence.
  • the invention offers many practical applications, in particular the control of communicating objects connected to a building communication network from the location and / or the identification obtained.
  • the Cl sensor is in the room RI or "room”,
  • the LV housing presented here comprises several rooms separated by partitions, but the invention would also apply to a room comprising a single open space (for "open space” in English), in which one could segment subspaces. In the case of a house, we could designate these subspaces as dining areas, -living room, -entry, etc.
  • vibration sensor denotes a device capable of capturing the vibrations generated in the ground or in the walls of the dwelling by the movement of an individual or an animal, to transform them into usable observation data and to transmit them. in a communication network.
  • a sensor is equipped with wireless communication means (Wi-Fi ® , Bluetooth ® , ZigBee, Z-Wave ® , etc.) with a view to exchanging data with another sensor or equipment from a another type, for example the domestic gateway EA, 10 placed in the living room R5.
  • It can also include software applications associated with certain connected non-IP ("Internet Protocol") objects, operating on wireless technologies such as BLE (for "Bluetooth ® Low Energy"), Z-wave ® , Thread ® , etc.
  • piezoelectric sensor known to those skilled in the art, that is to say a sensor partly comprising a material having the property of polarizing under the action of a mechanical stress and capable of record an electric voltage generated by this polarization.
  • the observation data transmitted to other equipment are representative of the electrical voltages recorded by the piezoelectric sensor over a given period of time.
  • the invention is not limited to this example of a sensor and relates to any other sensor capable of detecting a vibration and of converting it into a data signal that can be used digitally, such as for example an infrasound signal sensor.
  • the M sensors C1 to C3 are organized in a star network, centered on the domestic gateway EA, 10, that is to say that each of them is connected directly to this gateway, for example according to a link without wire.
  • EA domestic gateway
  • One advantage of this configuration is that it favors faster feedback of observations from each sensor to the EA gateway, provided that the latter is within range of all the sensors.
  • the invention is not limited to this example of configuration of the sensors.
  • another option is to organize the sensors of system 1 in a mesh network, that is to say so that each sensor acts as a relay for the others, at the same time. at least one of them being connected directly to the EA home gateway, 10.
  • the sensors do not continuously transmit observation data to the EA gateway, but only when the vibrations they pick up are considered sufficient to be distinguished from background noise and to constitute an exploitable vibration event, for example when the recorded vibrations are converted into observation data with an intensity greater than a predetermined threshold.
  • home gateway denotes a residential gateway (for “home gateway”), which serves as access equipment to a local communication network RL, generally of the wifi type for any communicating object or terminal equipment. present in the building or near it, and has an ADSL, fiber or cellular radio type connection with an extended communication network, such as the Internet.
  • home automation gateway which is more dedicated to the management of communicating objects in the house, such as, for example, actuators, cameras, weather station, etc.
  • Such a home automation gateway can have its own connection to a wide area network or else access it through the residential gateway installed in the building.
  • the domestic gateway EA, 10 carries a device 100 for locating an individual or an animal (not shown in FIGS. 1 and 2) capable of implementing a method of. localization of an individual or of an animal according to one embodiment of the invention, which will now be described in relation to FIG. 3.
  • This device 100 collects observation data transmitted to it by each sensor Cm when the latter detects a vibration event.
  • a set VOL (tl) of first observation data is obtained at a first instant tl.
  • This set includes at least one observation datum Om per sensor Cm.
  • This or these observation data Om are representative of a vibration event picked up over a period TP.- by the sensor Cm. It is assumed that the period TP is at least equal to the average duration of a right or left step, that is to say of the order of 100 ms.
  • the sensors Cm directly transmit their observation data to the location device 100, which itself forms the set VOL (tl) from the collected data.
  • a sensor which acts as a relay for other sensors can also organize the observation data received from the other sensors into a data vector and transmit it to the device 100 in a single message.
  • the first observation datum obtained is a characteristic extracted from the vibration signal picked up and representative of this signal over the period T P
  • the sensors transmit in a raw manner the vibration signal that they have measured.
  • a piezoelectric sensor transmits an electrical voltage signal over the observation period.
  • the location device itself extracts the first observation data from each signal received.
  • each sensor itself extracts the first observation datum from the signal it has measured and transmits it to the location device.
  • One advantage is that the messages transmitted between this sensor and the location device are short and only require a limited bandwidth.
  • walking cycle denotes the period of time and the succession of events between two successive contacts of the same limb, lower for a human being, on the ground. We do not call the time period and the succession of events between the support of a heel on the ground and the support of the contralateral heel.
  • each lower limb has a stance phase (for "stance phase”, in English) during which the foot is on the ground and an oscillation phase (for "swing phase”, in English) during which the foot is in the air.
  • the duration of a cycle therefore corresponds to the sum of the duration of the support phase and that of the oscillating phase.
  • the stance phase generally begins with the attack on the ground by the heel (for "heel strike”, in English), continues with the landing of the ball of the foot and ends with the takeoff of the big toe or hallux (for "toe off” in English), while the oscillation phase begins in reverse with the takeoff of the big toe and ends with the attack of the heel.
  • the toes may come into contact with the ground first.
  • Fig. 4 there is shown very schematically an example of a curve representing a vibratory signal picked up by a sensor Cm when an individual moves by walking in the building for a walking cycle of duration DC. Note that this curve includes several peaks:
  • TRG peak of ATRG amplitude corresponding to the drag of the left foot during its oscillation phase
  • an ATRD amplitude TRD peak corresponding to the drag of the right foot during its oscillation phase
  • DD denotes the duration of a right step and DG the duration of a left step and it is assumed that the observation period TP is greater than or equal to the greater of these two values.
  • the measured signal is an electrical voltage signal.
  • the vector of observations obtained over the period TP represents the vibration recorded by a sensor Cm for the first straight pitch PD of FIG. 4.
  • the first observation datum Om is the maximum amplitude of the electric voltage signal recorded over the period T P by the sensor Cm. It indicates the value of the first peak of tension TD corresponding to the pressure of the right heel on the ground.
  • VO L (tl) ⁇ 104 mV, 28 mV, 407 mV ⁇ for the three sensors of fig. 1 and 2.
  • the observation data values are normalized, for example by taking the lowest recorded value as a reference, which corresponds to 28 mV in the previous case.
  • VOLn (tl) ⁇ 3.7, 1, 14.5 ⁇ .
  • a part identifier ID-Ri is assigned to the normalized vector VOLn (tl) obtained from among the N part identifiers available, using an automatic classification system trained during a phase of supervised prior learning.
  • an automatic classification system trained during a phase of supervised prior learning.
  • Such a system uses an artificial intelligence technique (for "machine learning", in English), known to those skilled in the art, based for example on the application of a decision tree comprising nodes with which are associated. tests on the values of the components of the normalized vector VOLn (tl) and of the leaves with which part identifiers ID-Ri are associated.
  • the learning phase requires the acquisition of observation data under specific conditions.
  • the sensors are placed in the building, then the rooms of the building are declared to the device so that it associates room identifiers with them and finally a set of training data is constituted. to teach the automatic classification system and build the decision tree.
  • one option is to ask the individuals who usually occupy the building to survey each of the rooms consecutively, each in turn, and to record several vectors of observation data at different times for each of the individuals. Each recorded vector is labeled with the part identifier corresponding to the ground truth.
  • Another advantage of this iterative dichotomous construction is that by identifying the sensors that are the least discriminating, it gives the opportunity to reposition them in the building or even to remove them if they are not used at all by the building. 'decision tree. Thus, a test is associated with each node N k . It consists for example of a comparison of the maximum amplitude value detected by the sensor with a threshold value S k calculated during the learning phase in order to best discriminate the observation data.
  • Fig. 5 An example of a minimal decision tree is shown in Fig. 5.
  • the Cl sensor placed in the room RI (room) is selected as being the most discriminating. It is therefore associated with the NI node of the decision tree.
  • the characteristic value detected by the sensor C1 is tested by comparing it with the threshold SI, for example, fixed at 4.9. If the characteristic is greater than SI then it is decided that the location result is room RI (room).
  • the characteristic value detected by the sensor C2 selected as the second most discriminating and associated with the node N2 is tested. If the characteristic is greater than S2 for example set at 7.2, then we decide that the location result is room R2 (bathroom), otherwise we decide that it is room R3 (kitchen). It can be seen that in this example, the measurements of the sensor C3 are not used.
  • a drawback of using a single threshold value S k is the generation of threshold effects.
  • This technique consists in defining so-called “fuzzy” modalities, such as “close” and “distant” and in associating them with a confidence value or member function, such as for example a probability.
  • a random optimization algorithm makes it possible to optimize these membership functions by moving them randomly and by observing the impact of this displacement on the classification performance of the input data. As illustrated by FIG. 7, we will decide for example at the level of the node NI that for a maximum amplitude value equal to 5, the individual or the animal detected is “close” (close_l) at 75% and “distant” (far_l) at 25 %.
  • Step 33 therefore uses the automatic classifier which has just been described, in the test phase, to assign to the vector VOLn (tl) the part identifier ID-Ri associated with the greatest probability of membership.
  • the invention thus makes it possible to locate the individual or the animal at the origin of the vibrations picked up by the network of sensors in a room of the LV housing.
  • FIG. 3 a second embodiment of the invention according to which the localization of the detected presence is completed by an identification of an individual or of an animal corresponding to this presence.
  • This identification phase corresponds to the steps numbered 34 to 36 in the diagram of FIG. 3.
  • the identification of an individual is consecutive to the localization of this individual, the invention is not limited to this temporal sequence, the identification of an individual can, conversely, precede its location. It is also possible to envisage carrying out only the identification of an individual on the basis of the observation data collected, without locating him, if the location information is not deemed relevant for the targeted application.
  • new observation data are obtained during a step 34.
  • This is a vectors of observation data VOI (t 2 ) acquired over an observation period T 2 at least equal at the duration DC of an on cycle and received at an instant t 2 after t ⁇
  • VOI a vectors of observation data acquired over an observation period T 2 at least equal at the duration DC of an on cycle and received at an instant t 2 after t ⁇
  • the vector VOI (t 2 ) completes the vector EO (tl) previously received, in the sense that it comprises observation data corresponding to a right pitch, for example but not limited to the right pitch which follows the left pitch corresponding to the vector EO (tl).
  • the vector EO (tl) will be exploited again.
  • the two vectors EO (t1) and EO (t2) will constitute the set of observation data available;
  • the vector VOI (t2) comprises the observations of a period T2. According to this second option, only the VOI vector (t2) will be used during the following steps. It can be understood that it provides more information on the gait of the individual to be identified, owing to the fact that it also provides information on the interval between two consecutive steps.
  • the second observation data includes a plurality of characteristics extracted from the vibration signal measured by a sensor.
  • the sensor can send its raw measurements or else extract the characteristics of the measured signal itself.
  • the vector VOI (t 2 ) comprising all or part of these characteristics is representative of a particular vibratory wave train generated by the movement of an individual in the building.
  • the characteristics obtained may or may not be standardized. Indeed, as it is a question here of recognizing the gait of an individual, it is possible to standardize certain values such as those which characterize the wave train, but to keep the raw amplitude of the peaks, in order to recognize the same person as well when walking in high heels as in high heels (the same wave train will be generated with an amplitude difference of a few mV), while retaining the ability to differentiate a child from an adult (based on the amplitude difference, the child being often noisier than the adult).
  • an individual or an animal is identified by assigning to the characteristic vector VFI (t2) an identifier of an individual ID-I or of an animal from among a set of predetermined identifiers.
  • a second automatic classification system is used, also based on an artificial intelligence technique and configured during a supervised learning phase, for example using a multi-inductive programming method. sources or PLI.
  • sources or PLI Such a method is known to those skilled in the art and for example described in the document by Van Lear et AL., Entitled "On multi-class Problems and Discretization in Inductive Logic Programming ”and published in the proceedings of the ISM IS conference held in Charlotte, North Carolina, USA, in October 1997.
  • the aim is to apply this method to the differentiation of the individuals occupying a building from the observation of their movements inside this building.
  • the same individual will generate very different signatures depending on his distance from each of the sensors, the type of ground, his gait, the shoes he wears, etc.
  • the PLI approach thus consists in generating, from examples from a second set of training data, a chronicle database corresponding to the procedures of the individuals occupying the building, an individual being able to be associated with one or more chronicles. .
  • chronicle denotes a set of temporally dated events and associated rules or constraints. For example, consider an event A associated with an instant T A , an event B associated with an instant T B and an event C associated with an instant T c . For example, we have defined a chronicle which starts with an occurrence of event A and ends with an occurrence of event C. When we recognize event A, then we open an occurrence of this chronicle. As long as an event contrary to a constraint associated with this chronicle is not detected, this occurrence remains open, otherwise it is closed. When the final C event is detected, it is decided that the chronicle has taken place in its entirety and that the individual associated with this chronicle has been identified.
  • a chronicle compared to the management of a state machine is the flexibility it provides, certain chains of events within the chronicle can be described as optional, that is to say be associated to an uncertainty of temporal occurrence between two obligatory events.
  • a human walking cycle can be minimally represented by the following series of events:
  • the individuals who occupy the building are therefore asked to take turns surveying it for a period of time long enough to allow the acquisition of signals representative of at least one walking cycle, preferably several cycles.
  • individuals can be asked to walk around the building barefoot, with different shoes and with varying degrees of eagerness.
  • the vectors of observation data obtained are labeled with the identifier of the corresponding individual ID-I.
  • the survey does not have to be complete. It is no longer a question of distinguishing a voltage peak measurement between several sensors, but of recognizing a wave train characteristic of an individual's gait.
  • the characteristics extracted are no longer instantaneous values, but values representative of a wave train corresponding to a complete pattern of gait, such as a succession of a left step and a right step for example.
  • This second set therefore provides positive examples of the process of a particular individual and negative examples of this process (the observations of the actions of all other individuals). It may possibly be supplemented by introducing rules or constraints representative of general knowledge of the characteristic events of a human walking cycle or of the specificities of a particular individual, of the type not heavy, fast gait, limping, etc.
  • the PLI method constructs one or more models or patterns or signatures of the process for each individual, each corresponding to a chronicle. Note that it could be relevant to discretize the values of characteristics, for example by replacing the numerical value of an interval, for example 24 or 82 ms, by a value symbolic "short interval” or "long interval", so as to favor a generalization. A disadvantage of this discretization is that it can lead to the appearance of threshold effects.
  • Such a chronicle is based on the following events:
  • the second automatic classification system is configured to output an individual identifier ID-I from a vector of characteristics VO
  • the result of the location step 35 is correlated with that of the identification step 37 so as to obtain an enriched location result, comprising the part identifier ID-R and the identifier d. 'individual ID-I, which could be interpreted as "I have located the individual ID-I in room ID-R".
  • the aim of the correlation step is therefore to associate an individual identifier with a room identifier. It is based, for example, on a technique for monitoring the presence located at 33 based on predetermined rules based on knowledge of the topology of the building and therefore of the transitions relating to possible routes between the different rooms of the building.
  • the correlation can be done by “feedback”, once all the presences have been identified, by relaunching the location of each individual identified from only the observation data associated with this individual.
  • Yet another option is to identify an individual before locating him, which makes it possible to use only the observational data corresponding to that individual.
  • the invention which has just been described consists in collecting observation data representative of vibrations measured by the plurality of sensors arranged in the building, in deciding a human or animal presence by automatic classification / recognition, the result of this decision comprising a room identifier and / or an individual identifier.
  • the identification of an individual according to the invention requires extracting a plurality of observation data representative of the vibration signal measured by each sensor over a walking cycle while the localization can be carried out from a single observation data representative of the vibration signal acquired by each sensor over a shorter period of time, of the order of the duration of a right or a left step.
  • the method for locating an individual or an animal according to the invention can find several applications, in particular for offering automation services for certain building management / maintenance tasks, and in particular home automation services in dwellings. residential.
  • FIG. 8 there is shown schematically a control system 2 of at least one communicating object connected to the local communication network RL of the building.
  • An individual I is present in the kitchen R3. It is assumed that it has been located and identified by the location method according to the invention which has just been described and which is executed by the access equipment EA, 10, for example within a device 100 ( not shown) and that the location result is the pair (ID-12, ID-R3).
  • a location result is obtained during a step 91. It comprises at least one room identifier ID-R where a presence has been located and optionally an individual identifier ID-I.
  • a step 92 for deciding an action AC to be triggered on at least one communicating object OC is implemented. It includes a lookup 921 of predetermined rules RP which can be simple or complex.
  • An example of simple rules is for example that when an unknown individual is located in the building, a first associated action is to activate one or more surveillance cameras OCi and a second associated action is to transmit via the access equipment EA an alert message to a referenced occupant of the building on his user terminal TU or to an alarm center, accessible via an extended network RE.
  • Another simple rule example is that when the presence of a child is located in the living room, because a child has been identified, it may also include obtaining 922 a child profile to be loaded onto. a TV decoder connected to the OC2 television set.
  • a simple rule is to automatically turn on the light in an occupied room and automatically turn it off in unoccupied ones.
  • An example of a complex rule would be a home automation use scenario allowing the tracking of an identified individual in the house. By detecting that he has left one room for another, such a scenario could provide for loading / unloading in 922 the profile of this individual on the TV decoder in the living room, opening / closing a session on the computer in the room. , to make his music follow him from room to room.
  • such a scenario could be expressed in the form of a home automation chronicle as previously mentioned for the signatures of procedures, which makes it possible to leave a margin of temporal uncertainty, whether on the duration between two events, such as ( “The individual is in the bathroom”, then “the individual ID-I is in the kitchen”) or on the possibilities of these events being linked (“the individual ID-I is in the kitchen” , then “the individual ID-I is in the bathroom”) or on the occurrence of an optional event (passing through the living room) between the location events in the bathroom then in the kitchen or vice -versa.
  • two events such as ( “The individual is in the bathroom”, then “the individual ID-I is in the kitchen”) or on the possibilities of these events being linked (“the individual ID-I is in the kitchen” , then “the individual ID-I is in the bathroom”) or on the occurrence of an optional event (passing through the living room) between the location events in the bathroom then in the kitchen or vice -versa.
  • Step 92 would then call upon a system for automatic recognition of home automation chronicles, previously trained during a supervised learning phase implementing the PLI method previously described and based on a third learning set comprising observations. people in the house at different times of the day and night.
  • a third learning set comprising observations. people in the house at different times of the day and night.
  • other sources of information such as general knowledge about human daily habits and predetermined scenario models, such as music tracking for example, it would then be possible to learn the particular habits of people. inhabitants of the house and generate adapted scenarios.
  • a command message for the control action AC decided in 92 is transmitted by the access equipment EA, 10 to the communicating object OC1, OC2 via the local communication network RL.
  • the invention which has just been described in its various embodiments makes it possible to locate a presence in a building from the vibrations picked up in the ground or in the walls of the building by a plurality of sensors, optionally to identify an individual. or an animal and proposes to use the location / identification result obtained for the control of communicating objects connected to the local communication network RL of the building. It is understood that the invention finds many home automation applications in residential housing or more generally management / monitoring applications of professional premises, both for recreational purposes and for ecological or security purposes.
  • a device 100 for locating an individual or an animal in a building comprising a plurality of parts according to one embodiment of the invention, in which this device integrates at least one module for obtaining first observation data and a module for classifying said data in a class among a plurality of classes corresponding to the plurality of parts, a location result comprising at least one part identifier associated with said class.
  • the location device 100 further comprises a module for identifying an individual from second observation data obtained by the module for obtaining by recognition of a gait signature model stored in memory from said second observation data and a correlation module between the part identifier and an individual or animal identifier associated with said model.
  • module can correspond just as well to a software component as to a hardware component or a set of hardware and software components, a software component itself corresponding to one or more computer programs or subroutines or otherwise. more general to any element of a program capable of implementing a function or a set of functions.
  • such a location device 100 comprises a random access memory 103 (for example a RAM memory), a processing unit 102 equipped for example with a processor, and controlled by a computer program Pgl, representative of the module of obtaining observation data and the module for classifying said data, stored in a read only memory 101 (for example a ROM memory or a hard disk).
  • a read only memory 101 for example a ROM memory or a hard disk.
  • the code instructions of the computer program are for example loaded into the random access memory 103 before being executed by the processor of the processing unit 102.
  • the random access memory 103 notably contains the values of the identifiers of parts and observation data obtained.
  • the processor of the processing unit 102 controls the obtaining of the observation data and the classification of the data obtained in a class of part associated with a part identifier, in accordance with the flowchart of FIG. 3.
  • Fig. 10 illustrates only one particular way, among several possible, of realizing the localization device 100, so that it performs the steps of the method of localizing an individual or an animal as detailed above, in relation to the Fig. 3 in its various embodiments. In fact, these steps can be carried out either on a reprogrammable computing machine (a PC computer, a DSP processor or a microcontroller) executing a program comprising a sequence of instructions, or on a dedicated computing machine (for example a set of logic gates such as an FPGA or ASIC, or any other hardware module).
  • a reprogrammable computing machine a PC computer, a DSP processor or a microcontroller
  • a program comprising a sequence of instructions
  • a dedicated computing machine for example a set of logic gates such as an FPGA or ASIC, or any other hardware module.
  • the corresponding program (that is to say the sequence of instructions) can be stored in a removable storage medium (such as for example a floppy disk, a CD-ROM or a DVD-ROM) or not, this storage medium being partially or totally readable by a computer or a processor.
  • a removable storage medium such as for example a floppy disk, a CD-ROM or a DVD-ROM
  • a location device 100 integrated into a residential gateway EA, 10 can more generally be installed in any equipment for access to a local building network.
  • a home automation gateway provided that it has access to a wide area network, such as for example the Internet network.
  • an access device 200 to a local communication network of a building comprising a plurality of rooms, in which this access device 200 incorporates a module for obtaining a location result of 'an individual or an animal in the building, produced by the location device 100, a decision module for at least one control action of at least one communicating object connected to the local network as a function of at least one predetermined rule and a module for sending a control message to said object via the local communication network.
  • the access equipment is therefore able to connect to said locating device 100 or else according to one embodiment it embeds the device 100.
  • module can correspond just as well to a software component as to a hardware component or a set of hardware and software components, a software component itself corresponding to one or more computer programs or subroutines or otherwise. more general to any element of a program capable of implementing a function or a set of functions.
  • such access equipment 200 comprises a random access memory 203 (for example a RAM memory), a processing unit 202 equipped for example with a processor, and controlled by a computer program Pg2, representative of the module d.
  • a location result of an individual or an animal from the location device 100 said location result comprising at least one room identifier, from the decision module of at least one control action 'at least one communicating object of said plurality of communicating objects, at least as a function of said location result and at least one predetermined rule and of the module for sending a control message to said object via the network of local communication, stored in a read only memory 201 (for example a ROM memory or a hard disk).
  • a read only memory 201 for example a ROM memory or a hard disk.
  • the code instructions of the computer program are for example loaded into the random access memory 203 before being executed by the processor of the processing unit 32.
  • the random access memory 203 notably contains the result of location obtained and said at least one predetermined rule.
  • the processor of the processing unit 202 controls the obtaining of the location result, the decision of at least one control action of at least one communicating object and the triggering of this action by sending a message to said at least one object communicating via the local communication network, in accordance with the logic diagram of FIG. 8.
  • Fig. 11 illustrates only one particular way, among several possible, of making the access equipment, so that it carries out the steps of the method for controlling at least one communicating object detailed above, in relation to FIG. 8. In fact, these steps can be carried out either on a reprogrammable computing machine (a PC computer, a DSP processor or a microcontroller) executing a program comprising a sequence of instructions, or on a dedicated computing machine (for example a set of logic gates such as an FPGA or ASIC, or any other hardware module).
  • a reprogrammable computing machine a PC computer, a DSP processor or a microcontroller
  • a program comprising a sequence of instructions
  • a dedicated computing machine for example a set of logic gates such as an FPGA or ASIC, or any other hardware module.
  • the corresponding program (that is to say the sequence of instructions) can be stored in a removable storage medium (such as for example a floppy disk, a CD-ROM or a DVD-ROM) or not, this storage medium being partially or totally readable by a computer or a processor.
  • a removable storage medium such as for example a floppy disk, a CD-ROM or a DVD-ROM
  • the various embodiments described above can be implemented in all the equipment for access to a local communication network of a building and located in cut-out between the communicating object and the communication network. As previously described, such access equipment can be integrated into a residential or business gateway or into a home automation gateway.

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

L'invention concerne un procédé de localisation d'un individu ou d'un animal dans un bâtiment comprenant une pluralité de pièces, ledit procédé comprenant les étapes suivantes : - Obtention (31) à un premier instant temporel d'un ensemble de premières données d'observations, une dite première donnée d'observation étant représentative d'un signal de vibration capté sur une première période temporelle correspondant à au moins à une durée d'un pas par un capteur disposé dans une pièce de ladite pluralité de pièces; - Classification (33) dudit au moins un ensemble de premières données d'observation obtenu dans une classe parmi une pluralité de classes correspondant respectivement à la pluralité de pièces par un système de classification automatique préalablement entraîné sur un premier ensemble de données d'apprentissage comprenant une pluralité d'ensembles de premières données d'observations, undit ensemble étant étiqueté par une classe de pièce, un résultat de localisation de l'individu comprenant au moins un identifiant de pièce associé à ladite classe.

Description

DESCRIPTION
TITRE : Procédé de localisation d'un individu ou d'un animal dans un bâtiment, procédé de contrôle d'au moins un objet communicant dans un bâtiment, dispositif de localisation, système, équipement d'accès et programmes d'ordinateur correspondants
Domaine de l'invention
Le domaine de l'invention est celui de la localisation d'une présence humaine ou animale dans un bâtiment comprenant une pluralité de pièces, en particulier celui de la localisation de cette présence à partir de données d'observation représentatives de vibrations mesurées dans le sol ou les murs du bâtiment par des capteurs disposés dans chacune des pièces.
L'invention trouve notamment une application dans le contrôle d'objets communicants connectés à un réseau de communication local du bâtiment au moins en fonction d'un résultat de cette localisation.
Art antérieur et ses inconvénients
On connaît aujourd'hui des systèmes de détection de présence basés sur l'acquisition de séquences d'images et des techniques de traitement numériques de ces séquences.
On connaît aussi des systèmes de localisation d'équipements terminaux, de type téléphone intelligent (pour « smartphone », en anglais) ou plus généralement d'objets communicants de type montre connectée, basés sur l'émission/réception de messages dans un réseau de communication sans fil, de type Wifi ou BlueTooth par exemple.
Un premier inconvénient de ces systèmes est qu'ils localisent l'objet communicant d'un individu, mais ne permettent pas de localiser cet individu lorsqu'il ne porte pas d'objet communicant sur lui.
Un deuxième inconvénient de ces systèmes est que ces systèmes ne fonctionnent pas correctement à l'intérieur d'un bâtiment, les ondes Wifi ou BlueTooth étant perturbées par la structure du bâtiment, et qu'ils n'offrent pas une précision suffisante pour indiquer dans quelle pièce l'individu se trouve.
Il existe donc un besoin d'une technique de localisation d'un individu dans un bâtiment qui fonctionne indépendamment de tout objet communicant que l'individu pourrait porter sur lui.
Un autre besoin est celui d'une technique de localisation d'un individu qui ne soit pas perturbée par la structure du bâtiment et renseigne sur la pièce dans laquelle cet individu se trouve.
Exposé de l'invention
L'invention répond à ce besoin en proposant un procédé de localisation d'un individu ou d'un animal dans un bâtiment comprenant une pluralité de pièces, caractérisé en ce que ledit procédé comprend les étapes suivantes :
- Obtention à un premier instant temporel d'un ensemble de premières données d'observations, une dite première donnée d'observation étant représentative d'un signal de vibration capté sur une première période temporelle correspondant à une durée d'au moins un pas par un capteur disposé dans une pièce de ladite pluralité de pièces ;
- Classification dudit au moins un ensemble de premières données d'observation obtenu dans une classe parmi une pluralité de classes correspondant respectivement à la pluralité de pièces par un système de classification automatique préalablement entraîné sur un premier ensemble de données d'apprentissage comprenant une pluralité d'ensembles de premières données d'observations, undit ensemble étant étiqueté par une classe de pièce, un résultat de localisation de l'individu comprenant au moins un identifiant de pièce associé à ladite classe.
L'invention propose ainsi une approche tout-à-fait nouvelle et inventive de la localisation « indoor » d'un individu, qui repose sur la détection et le traitement de signaux de vibration produits par le déplacement de l'individu dans le bâtiment. Les signaux mesurés par les capteurs variant en fonction de leur distance à l'individu, leur analyse conjointe permet d'évaluer la proximité de l'individu avec chacun des capteurs et de décider dans quelle pièce il se trouve.
En outre, du fait qu'elle exploite des informations produites par le déplacement de l'individu lui- même en interagissant avec le sol ou les murs du bâtiment, l'invention n'impose pas que cet individu soit équipé d'un objet communicant connecté à un réseau de communication. Elle permet donc de localiser tout type d'individu en toutes circonstances, quel que soit son âge ou l'heure du jour.
Les capteurs peuvent être par exemple des capteurs piézo-électriques aptes à détecter une vibration et à la convertir en tension électrique.
Selon un aspect de l'invention, une dite première donnée d'observation comprend une amplitude maximale du signal sur la période temporelle.
Ainsi, on exploite une seule valeur de mesure par capteur, caractéristique d'un événement clé d'un signal vibratoire généré par un pas sur le sol, qui correspond généralement à la pression d'un talon sur le sol en début de pas. Un avantage de cette donnée d'observation est qu'elle est simple à exploiter.
Selon un autre aspect de l'invention, le procédé comprend une étape de normalisation desdites premières données d'observation.
De la sorte, une même personne sera localisée quelles que soient les chaussures qu'elle porte. Selon un autre aspect de l'invention, la classification est réalisée par un arbre de décision dichotomique comprenant des noeuds, undit nœud étant associé à un capteur distinct de la pluralité de capteurs, lesdits nœuds étant agencés selon un ordre de discrimination décroissant, une décision de classification dans une classe de pièce étant prise par undit nœud par comparaison de la première donnée d'observation captée par ledit capteur à un seuil prédéterminé.
Un avantage d'un tel arbre est qu'il est minimal et possède des capacités de généralisation. Il est par exemple construit au cours de la phase d'apprentissage par un algorithme de dichotomie itérative qui décide au niveau de chaque nœud du test le plus discriminant en fonction des données d'observation dont il dispose avec un plus grand pouvoir de généralisation.
Avantageusement, pour l'apprentissage, on demande aux individus qui occupent habituellement le bâtiment de l'arpenter de façon exhaustive, par exemple selon un ordre de parcours prédéterminé. Eventuellement, chaque individu pourra réaliser plusieurs fois le parcours, avec des chaussures différentes et/ou des degrés d'empressement variés.
Chaque ensemble de données d'observation obtenu est étiqueté, c'est-à-dire qu'on lui associe la classe correspondant à la pièce dans laquelle se trouvait l'individu au moment de l'acquisition, ce qui permet de superviser ensuite l'apprentissage de système de classification et de construire itérativement l'arbre de décision le plus pertinent possible.
Selon un autre aspect de l'invention, le procédé comprend en outre une étape d'obtention à un deuxième instant temporel, d'un ensemble de pluralités de deuxièmes données d'observation, une dite pluralité de deuxièmes donnée d'observation étant représentative d'un signal de vibration capté sur une deuxième période temporelle correspondant à au moins un cycle de marche par un capteur disposé dans une pièce de ladite pluralité de pièces, une étape d'identification d'un individu par reconnaissance automatique à partir dudit ensemble de deuxièmes données d'observations d'un modèle de signature de démarche associé à un identifiant d'individu, stocké en mémoire et préalablement appris à partir d'un deuxième ensemble de données d'apprentissage comprenant une pluralité d'ensembles de deuxièmes données d'observations et une étape de corrélation de l'identifiant d'individu associé audit modèle avec un résultat de localisation précédemment obtenu.
L'invention s'appuie sur des données d'observation captées sur une période temporelle suffisante (de l'ordre de quelques secondes, ce qui correspond à deux pas consécutifs), pour reconnaître la démarche d'un individu, précédemment localisé ou non. Ce deuxième instant peut être consécutif audit premier instant temporel, mais l'invention n'est pas limitée à ce cas, l'identification d'un individu pouvant être réalisée avant sa localisation.
Les signaux captés par la pluralité de capteurs forment un train d'ondes que l'invention propose de caractériser par des données d'observation représentatives de points clés de ce train. Par exemple, la pluralité de deuxièmes données d'observation représentatives du signal de vibration comprend pour chaque capteur des amplitudes de points clés du signal qu'il a mesuré, comme le pic du poser de talon de le pic du poser de la balle du pied, des durées d'intervalles entre ces pics etc.
Un avantage de la corrélation est d'attacher un identifiant d'individu à une localisation, en cas de reconnaissance/localisation multiple, lorsqu'on a soit identifié plusieurs individus ou localisé des présences dans différentes pièces.
Selon un autre aspect de l'invention, le modèle de signature de démarche d'un individu est une chronique comprenant une succession d'événements datés et des contraintes temporelles entre lesdits événements, un événement appartenant à un groupe comprenant au moins :
- un pic d'amplitude correspondant à un appui de talon d'un pied gauche respectivement droit ;
- un pic d'amplitude correspondant à un appui de balle d'un pied gauche respectivement droit ;
- un pic d'amplitude correspondant à un appui de talon d'un pied droit respectivement gauche;
- un pic d'amplitude correspondant à un appui de balle d'un pied droit respectivement gauche.
Un avantage d'une chronique est qu'elle permet d'autoriser une incertitude temporelle et des événements optionnels. Par exemple, certains individus génèrent un pic de traînée du pied opposé pendant un pas, alors que d'autres non.
La création de telles chroniques se fait au cours d'une phase d'apprentissage au cours de laquelle on demande aux individus occupant habituellement le bâtiment d'en arpenter les pièces chacun leur tour, si possible plusieurs fois, avec des chaussures différentes et avec des degrés d'empressement distincts. Cette fois-ci l'arpentage n'est pas nécessairement exhaustif. La pluralité de capteurs peut ainsi mesurer des signaux de vibration sur plusieurs périodes d'observation correspondant à au moins deux pas consécutifs.
Avantageusement, une méthode de programmation logique inductive peut être utilisée pour générer une ou plusieurs chronique par individu à partir des exemples positifs constitués par les données d'observation captées pendant l'arpentage du bâtiment par cet individu et des exemples négatifs positifs constitués par les données d'observation captées pendant l'arpentage du bâtiment par les autres individus. Un avantage des exemples négatifs est qu'ils permettent de vérifier que le modèle n'a pas été trop généralisé.
Selon encore un autre aspect de l'invention, l'étape d'identification associe un identifiant de présence inconnue lorsqu'aucun modèle n'a été reconnu.
Un avantage est de permettre la détection d'un individu inconnu.
L'invention concerne également un produit programme d'ordinateur comprenant des instructions de code de programme pour la mise en oeuvre d'un procédé de localisation d'un individu ou d'un animal dans un bâtiment tel que décrit précédemment, lorsqu'il est exécuté par un processeur. L'invention vise également un support d'enregistrement lisible par un ordinateur sur lequel est enregistré un programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé de localisation selon l'invention tel que décrit ci-dessus.
Un tel support d'enregistrement peut être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une clé USB ou un disque dur.
D'autre part, un tel support d'enregistrement peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens, de sorte que le programme d'ordinateur qu'il contient est exécutable à distance. Le programme selon l'invention peut être en particulier téléchargé sur un réseau par exemple le réseau Internet.
Alternativement, le support d'enregistrement peut être un circuit intégré dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé de localisation précité.
L'invention concerne également un dispositif de localisation d'un individu ou d'un animal dans un bâtiment comprenant une pluralité de pièces, comprenant les modules suivants :
- Obtention à un premier instant temporel d'un ensemble de premières données d'observations, une dite première donnée d'observation étant représentative d'un signal de vibration capté sur une première période temporelle correspondant à au moins une durée d'un pas par un capteur disposé dans une pièce de ladite pluralité de pièces ;
- Classification dudit au moins un ensemble de premières données d'observation obtenu dans une classe parmi une pluralité de classes correspondant respectivement à la pluralité de pièces par un système de classification automatique préalablement entraîné sur un premier ensemble de données d'apprentissage comprenant une pluralité d'ensembles de premières données d'observations, undit ensemble étant étiqueté par une classe de pièce, un résultat de localisation de l'individu comprenant au moins un identifiant de pièce associé à ladite classe.
Plus généralement, un tel dispositif est apte à mettre en oeuvre un procédé de localisation d'un individu ou d'un animal tel que décrit précédemment.
Avantageusement, ledit dispositif est intégré dans un système de localisation d'un individu dans un bâtiment comprenant une pluralité de pièces, ledit système comprenant ledit dispositif de localisation selon l'invention et une pluralité de capteurs agencée dans ladite pluralité de pièces, undit capteur comprenant au moins une première interface de connexion locale à un autre capteur de la pluralité de capteurs et/ou une deuxième interface de connexion audit dispositif de localisation et ledit dispositif de localisation étant apte à se connecter localement à au moins undit capteur de la pluralité de capteurs via unedite deuxième interface de connexion. Avec l'invention, les capteurs transmettent les données qu'ils ont observées au dispositif de localisation, par exemple via une liaison sans fil, pour traitement. Avantageusement, pour plus de précision, des capteurs supplémentaires peuvent être placés au niveau des seuils entre deux pièces.
Selon un aspect de l'invention, dans ledit système, le dispositif de localisation est configuré pour recevoir les données d'observations de chaque capteur via lesdites deuxièmes interfaces et pour former au moins le premier ensemble de données d'observation à partir des données d'observations reçues.
Les capteurs forment un réseau étoilé centré sur le dispositif de localisation. Un avantage est que le dispositif de localisation peut communiquer individuellement avec chaque capteur et ainsi vérifier par exemple qu'il fonctionne correctement.
Selon un autre aspect de l'invention le dispositif de localisation est configuré pour recevoir les données d'observation via unedite deuxième interface avec au moins un capteur maître apte à collecter les données d'observation de la pluralité de capteurs via lesdites premières interfaces, à former un premier ensemble de données d'observations et à le transmettre au dispositif de localisation via unedite deuxième interface.
Les capteurs forment ainsi un réseau maillé. Un avantage est que le dispositif de localisation n'a pas besoin d'atteindre tous les capteurs, ce qui permet de limiter les contraintes qui lui sont imposées en termes de localisation (centrale) ou puissance d'émission (dans le cas d'une connexion sans fil) puisqu'il suffit qu'il puisse se connecter au capteur maître.
Le système de localisation, le dispositif de localisation et le programme d'ordinateur correspondants précités présentent au moins les mêmes avantages que ceux conférés par le procédé de localisation selon la présente invention.
Corrélativement l'invention concerne aussi un procédé de contrôle d'une pluralité d'objets communicants dans un bâtiment comprenant une pluralité de pièces, ledit objet communicant étant apte à être connecté à un équipement d'accès à un réseau de communication local dudit bâtiment, comprenant les étapes suivantes, destinées à être mises en oeuvre par ledit équipement d'accès :
- localisation d'un individu ou d'un animal dans une pièce dudit bâtiment par le procédé de localisation selon l'invention, destinée à fournir un résultat de localisation comprenant au moins un identifiant de pièce ;
- décision d'au moins une action de contrôle d'au moins un objet communicant de ladite pluralité d'objets communicants, au moins en fonction dudit résultat de localisation et d'au moins une règle prédéterminée ; et - émission d'un message de commande de l'action de contrôle à destination dudit objet via le réseau de communication local.
A partir de l'information de localisation de l'individu, plusieurs actions de contrôle d'objets communicants peuvent être avantageusement envisagées, telles que par exemple :
- mettre en marche un objet communicant présent dans la pièce ;
- éteindre un objet communicant présent dans une autre pièce, par exemple celle que l'individu vient de quitter.
Selon un aspect de l'invention, le procédé comprend une étape d'obtention d'un profil associé audit identifiant et l'action décidée est en outre fonction du profil obtenu.
Avantageusement, l'identification de l'individu ou de l'animal permet d'envisager encore d'autres applications plus personnalisées, telles que :
- la désactivation d'un système d'alarme/caméra ;
- le chargement des préférences de cet utilisateur dans le décodeur TV et l'affichage d'un menu personnalisé sur l'écran du téléviseur.
Si un individu inconnu a été détecté :
- l'activation d'une caméra de surveillance dans la pièce ou
- le signalement de présence d'un individu inconnu par émission d'un message d'alerte à un numéro de téléphone prédéterminé.
Avantageusement la règle peut être décrite sous la forme d'une chronique comprenant une succession d'événements datés, certains étant optionnels et des contraintes temporelles associées. Par exemple, lorsque le père de famille se lève le matin, la détection de ses pas dans la chambre déclenche la mise sous tension de la cafetière et l'ouverture des volets roulants dans la cuisine. Son passage par la salle de bain peut se faire avant la cuisine ou après.
L'invention concerne également un produit programme d'ordinateur comprenant des instructions de code de programme pour la mise en oeuvre d'un procédé de contrôle d'au moins un objet communicant dans un bâtiment tel que décrit précédemment, lorsqu'il est exécuté par un processeur.
L'invention vise également un support d'enregistrement lisible par un ordinateur sur lequel est enregistré un programme d'ordinateur comprenant des instructions de code de programme pour l'exécution des étapes du procédé de contrôle selon l'invention tel que décrit ci-dessus.
Un tel support d'enregistrement peut être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une clé USB ou un disque dur.
D'autre part, un tel support d'enregistrement peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens, de sorte que le programme d'ordinateur qu'il contient est exécutable à distance. Le programme selon l'invention peut être en particulier téléchargé sur un réseau par exemple le réseau Internet.
Alternativement, le support d'enregistrement peut être un circuit intégré dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé de contrôle précité.
Corrélativement, l'invention concerne également un équipement d'accès à un réseau de communication local d'un bâtiment comprenant une pluralité de pièces, comprenant un dispositif de localisation d'un individu selon l'invention et les modules suivants :
- décision d'au moins une action de contrôle d'au moins un objet communicant de ladite pluralité d'objets communicants, au moins en fonction dudit résultat de localisation et d'au moins une règle prédéterminée ; et
- émission d'un message de commande de l'action de contrôle à destination dudit objet via le réseau de communication local.
Plus généralement, un tel équipement d'accès est apte à mettre en oeuvre un procédé de contrôle d'au moins un objet communicant tel que décrit précédemment.
Il s'agit par exemple d'une passerelle résidentielle ou d'entreprise, ou encore d'une passerelle domotique.
L'équipement d'accès et le programme d'ordinateur correspondants précités présentent au moins les mêmes avantages que ceux conférés par le procédé de contrôle selon la présente invention.
Liste des figures
D'autres buts, caractéristiques et avantages de l'invention apparaîtront plus clairement à la lecture de la description suivante, donnée à titre de simple exemple illustratif, et non limitatif, en relation avec les figures, parmi lesquelles :
[Fig. 1] Cette figure représente de façon schématique un premier exemple de système de localisation d'un individu ou d'un animal comprenant un réseau de capteurs de vibration disposés dans un bâtiment équipé d'un équipement d'accès à un réseau de communication local, selon un mode de réalisation de l'invention;
[Fig. 2] Cette figure représente de façon schématique un deuxième exemple de système de localisation d'un individu ou d'un animal comprenant un réseau de capteurs de vibration disposés dans un bâtiment équipé d'un équipement d'accès à un réseau de communication local, selon un mode de réalisation de l'invention ; [Fig. 3] Cette figure représente sous forme de logigramme les différentes étapes du procédé de localisation d'un individu ou d'un animal selon un mode de réalisation de l'invention;
[Fig. 4] Cette figure représente de façon schématique un exemple de cycle de marche humaine et de signal capté par un capteur de vibration pendant ce cycle de marche;
[Fig. 5] Cette figure représente de façon schématique un exemple d'arbre de décision minimal construit dans une phase d'apprentissage d'un système de classification automatique de données d'observations captées par la pluralité de capteurs dans une classe de pièces selon un mode de réalisation de l'invention ;
[Fig. 6] Cette figure représente de façon schématique un exemple de tableau de valeurs de tensions relevées par des capteurs disposés dans le bâtiment pendant le déplacement d'un individu et une classe de pièce affectée par le système de classification automatique pour plusieurs exemples d'observations ;
[Fig. 7] cette figure représente de façon schématique un exemple de seuil de décision flou mis en oeuvre par le système de classification automatique au niveau d'un nœud d'un arbre de décision selon un mode de réalisation de l'invention ;
[Fig. 8] Cette figure représente de façon schématique un exemple d'architecture de système de localisation d'un individu ou d'un animal et de contrôle d'une pluralité d'objets communicants dans un bâtiment, selon un mode de réalisation de l'invention ;
[Fig. 9] Cette figure représente sous forme de logigramme les différentes étapes du procédé de contrôle d'au moins un objet communicant connecté à un réseau de communication local d'un bâtiment dans lequel une pluralité de capteurs de vibration ont été disposés, selon un mode de réalisation de l'invention ;
[Fig. 10] Cette figure propose un schéma synoptique d'un dispositif de localisation d'un individu ou d'un animal mettant en œuvre le procédé de localisation de la Fig. 3 ; et
[Fig. 11] Cette figure propose un schéma synoptique d'un équipement d'accès à un réseau de communication local d'un bâtiment, mettant en œuvre le procédé de contrôle d'au moins un objet communicant de la Fig. 9.
Description détaillée de modes de réalisation de l'invention
Le principe général de l'invention repose sur l'analyse de données d'observations extraites de signaux vibratoires captés par une pluralité de capteurs disposés dans un bâtiment comprenant une pluralité de pièces, sur la localisation d'une présence dans une des pièces du bâtiment sur la base de cette analyse et/ou l'identification d'un individu ou d'un animal correspondant à cette présence. L'invention offre de nombreuses applications pratiques, en particulier le contrôle d'objets communicants connectés à un réseau de communication du bâtiment à partir de la localisation et/ou de l'identification obtenues.
Dans la suite de la description, on s'attache à présenter en détails le cas d'un logement résidentiel BT. Bien sûr, l'invention n'est pas limitée à cet exemple et concerne également tout autre type de bâtiment, tel qu'un local professionnel.
En relation avec la Fig. 1, le logement résidentiel BT comprend N pièces RI à RN, avec N = 4 et il est équipé d'un système de localisation 1 comprenant un réseau de M = 3 capteurs de vibration Cl à CM disposés de la façon suivante :
- Le capteur Cl est dans la pièce RI ou « chambre »,
- C2 dans R2 ou « Salle de bains »,
- C3 est dans R3 ou « cuisine»,
- R4 ou « entrée » n'est pas équipée de capteur.
Le logement BT présenté ici comprend plusieurs pièces séparées par des cloisons, mais l'invention s'appliquerait également à un local comprenant un unique espace ouvert (pour « open space » en anglais), dans lequel on pourrait segmenter des sous-espaces. Dans le cas d'une maison, on pourrait désigner ces sous-espaces comme des coins-repas, -salon, -entrée, etc.
On désigne par capteur de vibration, un dispositif apte à capter les vibrations engendrées dans le sol ou dans les murs du logement par le déplacement d'un individu ou d'un animal, à les transformer en données d'observations exploitables et à les transmettre dans un réseau de communication. En général, un tel capteur est équipé de moyens de communication sans fil (Wi- Fi®, Bluetooth®, ZigBee, Z-Wave®, etc) en vue d'un échange de données avec un autre capteur ou un équipement d'un autre type, par exemple la passerelle domestique EA, 10 placée dans le salon R5. Il peut comprendre également les applications logicielles associées à certains objets connectés non IP (« Internet Protocol »), fonctionnant sur des technologies sans fil tels que BLE (pour « Bluetooth® Low Energy »), Z-wave®, Thread®, etc.
On considère en particulier un capteur piézo-électrique, connu de l'homme de métier, c'est-à- dire un capteur comprenant en partie un matériau ayant la propriété de se polariser sous l'action d'une contrainte mécanique et apte à enregistrer une tension électrique générée par cette polarisation. Dans ce cas, les données d'observation transmises à d'autres équipements sont représentatives des tensions électriques enregistrées par le capteur piézo-électrique sur une période temporelle donnée.
Bien sûr, l'invention n'est pas limitée à cet exemple de capteur et concerne tout autre capteur apte à détecter une vibration et à la convertir en un signal de données exploitable numériquement, comme par exemple un capteur de signaux infra-sons. Dans l'exemple de la Fig. 1, les M capteurs Cl à C3 sont organisés en un réseau étoilé, centré sur la passerelle domestique EA, 10, c'est-à-dire que chacun d'entre eux est connecté directement à cette passerelle, par exemple selon une liaison sans fil. Un avantage de cette configuration est de favoriser une remontée plus rapide des observations de chaque capteur à la passerelle EA, à condition que celle-ci soit à portée de tous les capteurs.
Bien sûr, l'invention ne se limite pas à cet exemple de configuration des capteurs. Comme illustré par la Fig. 2, une autre option est d'organiser les capteurs du système 1 en réseau maillé (pour « mesh », en anglais), c'est-à-dire de telle sorte que chaque capteur joue le rôle de relais pour les autres, au moins un d'entre eux étant connecté directement à la passerelle domestique EA, 10.
On suppose que les capteurs ne transmettent pas des données d'observation en permanence à la passerelle EA, mais seulement quand les vibrations qu'ils captent sont jugées suffisantes pour être distinguées d'un bruit de fond et pour constituer un événement de vibration exploitable, par exemple lorsque les vibrations enregistrées sont converties en données d'observation d'intensité supérieure à un seuil prédéterminé.
Dans la suite, on désigne par passerelle domestique une passerelle résidentielle (pour « home gateway », en anglais), qui sert d'équipement d'accès à un réseau de communication local RL, généralement de type wifi pour tout objet communicant ou équipement terminal présent dans le bâtiment ou à proximité de celui-ci, et dispose d'une connexion de type ADSL, fibre, ou radio cellulaire avec un réseau de communication étendu, tel que le réseau Internet. Bien sûr, l'invention s'applique aussi à une passerelle domotique, qui est davantage dédiée à la gestion d'objets communicants de la maison, comme par exemple des actuateurs, caméras, station météo etc. Une telle passerelle domotique peut disposer de sa propre connexion à un réseau étendu ou bien y accéder par l'intermédiaire de la passerelle résidentielle installée dans le bâtiment.
Dans la suite de la description, on considère que la passerelle domestique EA, 10 embarque un dispositif 100 de localisation d'un individu ou d'un animal (non représenté sur les Fig. 1 et 2) apte à mettre en oeuvre un procédé de localisation d'un individu ou d'un animal selon un mode de réalisation de l'invention, qui va maintenant être décrit en relation avec la Fig. 3. Ce dispositif 100 collecte des données d'observation qui lui sont transmises par chaque capteur Cm lorsque que ce dernier détecte un événement de vibration.
Au cours d'une étape 31, un ensemble VOL(tl) de premières données d'observation est obtenu à un premier instant tl. Cet ensemble comprend au moins une donnée d'observation Om par capteur Cm. Cette ou ces données d'observation Om sont représentatives d'un événement de vibration capté sur une période TP.- par le capteur Cm. On suppose que la période TP est au moins égale à la durée moyenne d'un pas droit ou gauche, c'est-à-dire de l'ordre de 100 ms. Dans le cas du réseau étoilé de la Fig. 1, les capteurs Cm transmettent directement leurs données d'observation au dispositif de localisation 100, qui forme lui-même l'ensemble VOL(tl) à partir des données collectées. Par exemple, cet ensemble prend la forme d'un vecteur VOL(tl) = {Ol(tl), 02(tl)...0m(tl)}. Si un des capteurs n'a pas envoyé de données par ce qu'il n'a pas déclenché son seuil de détection d'un événement, la donnée d'observation correspondante sera mise à zéro.
Dans le cas du réseau maillé de la Fig. 2, un capteur qui joue le rôle de relais pour d'autres capteurs peut aussi organiser les données d'observation reçues des autres capteurs en un vecteur de données et le transmettre au dispositif 100 en un seul message.
Avantageusement, la première donnée d'observation obtenue est une caractéristique extraite du signal de vibration capté et représentative de ce signal sur la période TP
A ce stade, deux modes de réalisation sont envisagés :
- selon un premier mode, les capteurs transmettent de façon brute le signal de vibration qu'ils ont mesuré. Par exemple, un capteur piézo-électrique transmet un signal de tension électrique sur la période d'observation. Le dispositif de localisation extrait lui même les premières données d'observation de chaque signal reçu. Un avantage est que les ressources de calcul sont concentrées au niveau du dispositif de localisation et que les capteurs ont besoin de ressources limitées, ce qui peut être intéressant s'ils sont alimentés par une pile ;
- selon un deuxième mode, chaque capteur extrait lui même la première donnée d'observation du signal qu'il a mesuré et la transmet au dispositif de localisation. Un avantage est que les messages transmis entre ce capteur et le dispositif de localisation sont courts et ne nécessitent qu'une bande passante limitée.
En relation avec la Fig. 4, on décrit maintenant un exemple typique de cycle de marche d'un être humain. On désigne par cycle de marche (pour « stride », en anglais), la période temporelle et la succession des événements compris entre deux contacts successifs d'un même membre, inférieur pour un être humain, au sol. On appelle pas la période temporelle et la succession d'événements entre l'appui d'un talon au sol et l'appui du talon controlatéral. Pendant le cycle, chaque membre inférieur a une phase d'appui (pour « stance phase », en anglais) pendant laquelle le pied est au sol et une phase d'oscillation (pour « swing phase », en anglais) pendant laquelle le pied est en l'air. La durée d'un cycle correspond donc à la somme de la durée de la phase d'appui et de celle de la phase oscillante.
On notera que la phase d'appui commence généralement par l'attaque du sol par le talon (pour « heel strike », en anglais), continue avec le poser de la balle du pied et se termine par le décollage du gros orteil ou hallux (pour « toe off » en anglais), tandis que la phase d'oscillation débute à l'inverse par le décollage du gros orteil et finit par l'attaque du talon. Toutefois, dans certaines pathologies, comme par exemple la marche digitigrade, ce sont d'autres parties du pied, tels que les orteils peuvent entrer en contact avec le sol en premier.
Sur la Fig. 4, on a représenté de façon très schématique un exemple de courbe représentant un signal vibratoire relevé par un capteur Cm lorsqu'un individu se déplace en marchant dans le bâtiment pour un cycle de marche de durée DC. On remarque que cette courbe comprend plusieurs pics :
- pour le pas droit PD, un premier pic TD d'amplitude ATD correspondant à l'attaque du talon droit sur le sol ;
- optionnellement, un pic TRG d'amplitude ATRG correspondant à la traînée du pied gauche pendant sa phase d'oscillation ;
- un deuxième pic BD d'amplitude ABD correspondant à la pression exercée par la balle du pied droit sur le sol ;
- ensuite, pour le pas gauche PG, un premier pic TG d'amplitude ATG correspondant à l'attaque du du talon gauche sur le sol ;
- optionnellement, un pic TRD d'amplitude ATRD correspondant à la traînée du pied droit pendant sa phase d'oscillation;
- un deuxième pic BG d'amplitude ABG correspondant à la pression exercée par la balle du pied gauche sur le sol .
On désigne par DD la durée d'un pas droit et DG la durée d'un pas gauche et on suppose que la période d'observation TP est supérieure ou égale à la plus grande de ces deux valeurs.
On comprend que le cycle d'un animal, du fait qu'il marche sur quatre pattes, comprend un plus grand nombre d'événements. Dans la suite de la description, on considère que les données d'observation concernent une présence humaine. Bien sûr, les exemples décrits peuvent être adaptés au cas spécifique d'un animal, tel qu'un chat ou un chien.
On comprend que de même que pour un électrocardiogramme, les signaux captés par les différents capteurs pour un même pas vont être décalés dans le temps de sorte à former un train d'ondes.
Pour un capteur piézoélectrique, le signal mesuré est un signal de tensions électriques.
On considère par exemple que le vecteur d'observations obtenu sur la période TP représente la vibration enregistrée par un capteur Cm pour le premier pas droit PD de la Fig. 4.
Par exemple, la première donnée d'observation Om est l'amplitude maximale du signal de tension électrique relevé sur la période TP par le capteur Cm. Elle indique la valeur du premier pic de tension TD correspondant à la pression du talon droit sur le sol.
Ainsi le vecteur de premières données d'observations est de la forme suivante : VOL(tl) = {01, 02..., OM}. Dans notre exemple, on obtient le vecteur VOL(tl) = {104 mV, 28 mV, 407 mV} pour les trois capteurs des fig. 1 et 2.
En 32, on normalise les valeurs de données d'observation par exemple en prenant comme référence la valeur la plus faible enregistrée, ce qui correspond à 28 mV dans le cas précédent. On obtient ainsi le vecteur normalisé VOLn(tl) = {3.7, 1, 14.5}. Un intérêt de cette normalisation est de rendre les valeurs de caractéristiques indépendantes des chaussures que l'individu porte. En effet, on comprend que la vibration générée par des talons aiguilles aura une amplitude nécessairement plus élevée que celle d'une paire de charentaises.
Au cours d'une étape 33, on affecte au vecteur normalisé VOLn (tl) obtenu un identifiant de pièce ID-Ri parmi les N identifiants de pièces disponibles, à l'aide d'un système de classification automatique entraîné pendant une phase d'apprentissage préalable supervisée. Un tel système fait appel à une technique d'intelligence artificielle (pour « machine learning », en anglais), connue de l'homme de métier, basée par exemple sur l'application d'un arbre de décision comprenant des noeuds auxquels on associe des tests sur les valeurs des composantes du vecteur normalisé VOLn (tl) et des feuilles auxquelles on associe des identifiants de pièces ID-Ri.
La phase d'apprentissage nécessite l'acquisition de données d'observation dans des conditions particulières. Lors d'une initialisation du dispositif de localisation 100, on dispose les capteurs dans le bâtiment, puis on déclare les pièces du bâtiment auprès du dispositif afin qu'il leur associe des identifiants de pièces et enfin on constitue un ensemble de données d'apprentissage pour faire apprendre le système de classification automatique et construire l'arbre de décision. Pour ce faire, une option est de demander aux individus qui occupent habituellement le bâtiment d'en arpenter consécutivement chacune des pièces, chacun leur tour et d'enregistrer plusieurs vecteurs de données d'observation à des instants distincts pour chacun des individus. Chaque vecteur enregistré est étiqueté avec l'identifiant de pièce correspondant à la vérité terrain.
Avantageusement, on pourra recourir à une méthode de dichotomie itérative de type ID3, par exemple décrite dans le document de Quinlan et AL., intitulé « Induction of decision trees » et publié par Kluwer Academies Publisher dans la revue « Machine Learning », page 81-106, en 1986. Elle consiste, au cours de la phase d'apprentissage, à ordonner les capteurs de façon pertinente en fonction d'une capacité de discrimination des pièces du bâtiment et à associer chaque capteur à un nœud de l'arbre selon l'ordre établi entre eux. De la sorte, le premier nœud teste la valeur de caractéristique obtenue par le capteur le plus discriminant et on relance l'algorithme de dichotomie itérative pour établir quel capteur permet la plus grande discrimination et l'associer à un sous-noeud du premier nœud etc. On construit ainsi un arbre de décision comprenant un nombre Kde nœuds minimal, avec K entier non nul, inférieur ou égal au nombre de capteurs, avec un pouvoir de généralisation augmenté par rapport à un arbre complet. En effet l'arbre complet présente le risque de générer un sur-apprentissage au détriment de la généralisation.
Un autre avantage de cette construction dichotomique itérative est qu'en d'identifiant les capteurs qui sont les moins discriminants, elle donne l'opportunité de les repositionner dans le bâtiment ou même de les supprimer s'ils ne sont pas du tout exploités par l'arbre de décision. Ainsi, un test est associé à chaque nœud Nk. Il consiste par exemple en une comparaison de la valeur d'amplitude maximale relevée par le capteur avec une valeur de seuil Sk calculée pendant la phase d'apprentissage pour discriminer au mieux les données d'observation.
Un exemple d'arbre de décision minimal est illustré par la Fig. 5. Le capteur Cl placé dans la pièce RI (chambre) est sélectionné comme étant le plus discriminant. Il est donc associé au nœud NI de l'arbre de décision. On teste la valeur de caractéristique relevée par le capteur Cl en la comparant au seuil SI, par exemple, fixé à 4.9. Si la caractéristique est supérieure à SI alors on décide que le résultat de localisation est la pièce RI (chambre).
Sinon, on teste la valeur de caractéristique relevée par le capteur C2 sélectionné comme le deuxième plus discriminant et associé au nœud N2. Si la caractéristique est supérieure à S2 par exemple fixé à 7.2, alors on décide que le résultat de localisation est la pièce R2 (salle de bain), sinon on décide que c'est la pièce R3 (cuisine). On constate que dans cet exemple, on n'exploite pas les mesures du capteur C3.
En relation avec la Fig. 6, on présente des exemples de valeurs de caractéristiques relevées par les capteurs Cl à C3. Les valeurs discriminantes qui ont déclenché la décision indiquée dans la colonne DEC ont été mises en gras.
Un inconvénient d'utiliser une unique valeur de seuil Sk est la génération d'effets de seuils.
Avantageusement, on a recours à une technique de logique floue (pour « fuzzy logic », en anglais), connue de l'homme du métier, afin de supprimer les effets de seuils et de rendre interprétables les règles appliquées par l'arbre de décision.
Cette technique consiste à définir des modalités dites « floues », comme « proche » et « éloigné » et à leur associer une valeur de confiance ou fonction d'appartenant, telle que par exemple une probabilité. Un algorithme d'optimisation aléatoire permet d'optimiser ces fonctions d'appartenance en les déplaçant aléatoirement et en observant l'impact de ce déplacement sur les performances de classification des données d'entrée. Comme illustré par la Fig. 7, on décidera par exemple au niveau du nœud NI que pour une valeur d'amplitude maximale égale à 5, l'individu ou l'animal détecté est « proche » (close_l) à 75% et « éloigné » (far_l) à 25%.
L'étape 33 utilise donc le classifieur automatique qui vient d'être décrit, en phase de test, pour affecter au vecteur VOLn(tl) l'identifiant de pièce ID-Ri associé à la plus grande probabilité d'appartenance. L'invention permet ainsi de localiser l'individu ou l'animal à l'origine des vibrations captées par le réseau de capteurs dans une pièce du logement BT.
On décrit maintenant, toujours en relation avec la Fig. 3, un deuxième mode de réalisation de l'invention selon lequel la localisation de la présence détectée est complétée par une identification d'un individu ou d'un animal correspondant à cette présence. Cette phase d'identification correspond aux étapes numérotées 34 à 36 sur le schéma de la Fig. 3.
On note que si, dans cet exemple de réalisation de l'invention, l'identification d'un individu est consécutive à la localisation de cet individu, l'invention ne se limite pas à cet enchaînement temporel, l'identification d'un individu pouvant, à l'inverse, précéder sa localisation. Il est aussi envisageable de réaliser seulement l'identification d'un individu sur la base des données d'observation collectées, sans le localiser, si l'information de localisation n'est pas jugée pertinente pour l'application visée.
Dans ce but, de nouvelles données d'observation sont obtenues au cours d'une étape 34. Il s'agit d'un vecteurs de données d'observation VOI(t2) acquises sur une période d'observation T2 au moins égale à la durée DC d'un cycle de marche et reçues à un instant t2 postérieur à t^ A ce stade, plusieurs options sont envisagées :
- le vecteur VOI(t2) vient compléter le vecteur EO(tl) précédemment reçu, au sens où il comprend des données d'observation correspondant à un pas droit, par exemple mais non limitativement le pas droit qui suit le pas gauche correspondant au vecteur EO(tl). Selon cette première option, le vecteur EO(tl) va être exploité de nouveau. Autrement dit, les deux vecteurs EO(tl) et EO(t2) constitueront l'ensemble de données d'observation disponible ;
- le vecteur VOI(t2) comprend les observations d'une période T2. Selon cette deuxième option, seul le vecteur VOI(t2) sera utilisé au cours des étapes suivantes. On comprend qu'il apporte plus d'informations sur la démarche de l'individu à identifier, du fait qu'il renseigne aussi sur l'intervalle entre deux pas consécutifs.
Dans la suite de la description, on considère un vecteur d'observations VOI(t2) selon la deuxième option.
Les deuxièmes données d'observation comprennent une pluralité de caractéristiques extraites du signal de vibration mesuré par un capteur. Comme précédemment, le capteur peut envoyer ses mesures brutes ou bien extraire lui-même les caractéristiques du signal mesuré.
En relation avec la Fig. 4 déjà décrite, on considère notamment les caractéristiques suivantes :
- la durée d'un pas droit, respectivement gauche DD/DG ;
- la durée d'un intervalle IDG entre pas droit et gauche,
- l'amplitude ATD/ATG du signal au niveau du pic correspondant à l'attaque du talon droit respectivement gauche; - l'amplitude ABD/ABG du signal au niveau du pic correspondant à la pression de la balle du pied droit respectivement gauche sur le sol ;
- l'amplitude ATRG/ATRD du signal au niveau du pic correspondant, le cas échéant, à la traînée de l'autre pied au sol pendant le pas droit/gauche;
- une différence d'amplitude, représentative d'une dissymétrie entre pas gauche et pas droit, au niveau du pic « talon » entre les deux pas, au niveau du pic « balle » entre les deux pas , au niveau du pic « traînée » entre les deux pas ;
- un intervalle de temps entre deux pics d'un même pas (talon-balle, traînée talon, traînée-balle) ;
- un intervalle de temps entre deux pics d'un pas gauche et d'un pas droit consécutif (talon-talon, balle-balle) ;
- une différence de durée entre intervalles du même type d'un pas gauche et d'un pas droit (talon-balle, traînée talon, traînée-balle) ;
Avantageusement, on peut y inclure d'autres données (non représentées) telles que :
- une forme d'un train d'ondes généré par un pas gauche et/ou droit (gaussienne, multi- exponentielle) ;
- un nombre d'ondes dans le train d'ondes généré par un pas gauche et droit (un pic suivi de plusieurs répliques) ;
- etc.
Le vecteur VOI(t2) comprenant tout ou partie de ces caractéristiques est représentatif d'un train d'ondes vibratoires particulier généré par le déplacement d'un individu dans le bâtiment.
On notera que les caractéristiques obtenues pourront ou non être normalisées. En effet, comme il s'agit ici de reconnaître la démarche d'un individu, il est envisageable de normaliser certaines valeurs comme celles qui caractérisent le train d'ondes, mais de conserver l'amplitude brute des pics, afin de reconnaître une même personne aussi bien quand elle marche en talons aiguille qu'en charentaises (le même train d'ondes sera généré avec une différence d'amplitude de quelques mV), tout en gardant la capacité de différencier un enfant d'un adulte (basée sur la différence d'amplitude, l'enfant étant souvent plus bruyant que l'adulte).
Au cours d'une étape 35, on identifie un individu ou un animal en affectant au vecteur de caractéristique VFI(t2) un identifiant d'individu ID-I ou d'animal parmi un ensemble d'identifiants prédéterminés. On utilise pour ce faire un deuxième système de classification automatique, basé lui aussi sur une technique d'intelligence artificielle et configuré au cours d'une phase d'apprentissage supervisée, par exemple à l'aide d'une méthode de programmation inductive multi-sources ou PLI. Une telle méthode est connue de l'homme de métier et par exemple décrite dans le document par Van Lear et AL., intitulé « On multi-class Problems and Discretization in Inductive Logic Programming » et publié dans les proceedings de la conférence ISM IS qui s'est tenue à Charlotte, Caroline du Nord, USA, en octobre 1997. Elle consiste à utiliser des connaissances préalables, ainsi qu'en ensemble d'exemples positifs et négatifs pour exprimer des hypothèses. Des travaux menés sur la base de cette méthode de PLI et décrits dans le document par Fromont et AL., intitulé « Learning Rules from Multisource Data for Cardiac Monitoring », publié par Inderscience, dans la revue International Journal of Biomédical Engineering and Technology (IJBET) en 2010, Vol. 3, pages 133-155, ont permis de reconnaître automatiquement des arythmies cardiaques à partir d'un motif ou signature de bon fonctionnement du cœur, puis de distinguer ces arythmies entre elles. On comprend que cette méthode est basée sur une notion d'induction, c'est-à-dire de suggestion d'une théorie pour expliquer des faits observés, et notamment la succession d'événements clés dans le signal cardiaque.
Selon l'invention, il s'agit d'appliquer cette méthode à la différenciation des individus occupant un bâtiment à partir de l'observation de leurs déplacements à l'intérieur de ce bâtiment. En l'espèce, nous disposons d'une pluralité de sources, correspondant aux observations fournies par les différents capteurs disposés dans le bâtiment. Un même individu va générer des signatures très différentes selon sa distance à chacun des capteurs, le type de sol, sa démarche, les chaussures qu'il porte, etc.
L'approche de PLI consiste ainsi à générer, à partir d'exemples issus d'un deuxième ensemble de données d'apprentissage, une base de chroniques correspondant aux démarches des individus occupant le bâtiment, un individu pouvant être associé à une ou plusieurs chroniques.
On désigne par chronique un ensemble d'événements temporellement datés et des règles ou contraintes associées. Par exemple, on considère un événement A associé à un instant TA, un événement B associé à un instant TB et un événement C associé à un instant Tc. On a par exemple défini une chronique qui démarre avec une occurrence de l'événement A et termine par une occurrence de l'événement C. Lorsqu'on reconnaît l'événement A, alors on ouvre une occurrence de cette chronique. Tant qu'on ne détecte pas un événement contraire à une contrainte associée à cette chronique, cette occurrence reste ouverte, sinon on la ferme. Lorsqu'on détecte l'événement C final, on décide que la chronique s'est déroulée intégralement et que l'individu associé à cette chronique a été identifié. Un avantage d'une chronique par rapport à la gestion d'un automate à états est la souplesse qu'elle procure, certains enchaînements d'événements au sein de la chronique pouvant être décrits comme optionnels, c'est-à-dire être associés à une incertitude d'occurrence temporelle entre deux événements obligatoires. En l'espèce, un cycle de marche humaine peut être représenté de façon minimale par la succession d'événements suivants :
- attaque du talon droit à un instant tTD;
- appui de la balle droite à un instant tBD;
- attaque du talon gauche sur le sol à un instant ÎTG;
- appui de la balle gauche à un instant tBG.
Une contrainte associée est tTD<tBD<tTG<TBG·
Bien sûr, on peut y ajouter les événements optionnels de traînée du talon droit entre l'événement d'attaque du talon droit et d'appui de la balle droite et de traînée du talon gauche entre l'événement d'attaque du talon gauche et d'appui de la balle gauche.
On comprend qu'il convient de créer une chronique similaire pour une paire de pas débutant par le pas gauche.
Pour obtenir ce deuxième ensemble de données d'apprentissage, on demande donc aux individus qui occupent le bâtiment de l'arpenter chacun leur tour pendant une période temporelle suffisamment longue pour permettre l'acquisition de signaux représentatifs d'au moins un cycle de marche, préférentiellement plusieurs cycles. Pour plus de généralité, on peut demander aux individus d'arpenter le bâtiment pieds nus, avec différentes chaussures et avec des degrés d'empressement divers. On étiquette les vecteurs de données d'observation obtenus avec l'identifiant de l'individu ID-I correspondant.
Cette fois-ci, l'arpentage n'a pas à être complet. Il ne s'agit plus en effet de distinguer une mesure de pic de tension entre plusieurs capteurs, mais de reconnaître un train d'ondes caractéristique de la démarche d'un individu. Les caractéristiques extraites ne sont plus des valeurs instantanées, mais des valeurs représentatives d'un train d'ondes correspondant à un motif complet de démarche, tel qu'une succession d'un pas gauche et d'un pas droit par exemple.
Ce deuxième ensemble fournit donc des exemples positifs de la démarche d'un individu particulier et des exemples négatifs de cette démarche (les observations des démarches de tous les autres individus). On peut éventuellement le compléter en introduisant des règles ou contraintes représentatives de connaissances générales sur les événements caractéristiques d'un cycle de marche humaine ou encore de spécificités d'un individu particulier, du type pas lourd, démarche rapide, boitillement, etc.
A partir de ces données d'apprentissage, la méthode PLI construit un ou plusieurs modèles ou motifs ou signatures de démarche pour chaque individu correspondant chacun à une chronique. On note qu'il pourrait être pertinent de discrétiser les valeurs de caractéristiques, par exemple en remplaçant la valeur numérique d'un intervalle, par exemple 24 ou 82 ms, par une valeur symbolique « intervalle court » ou « intervalle long » , de sorte à favoriser une généralisation. Un inconvénient de cette discrétisation est qu'elle peut conduire à l'apparition d'effets de seuils.
Par exemple une telle chronique est basée sur les événements suivants :
- durée symbolique d'un pas (court, moyen ou long) ;
- présence/absence et durée symbolique d'une traînée de semelle ;
- amplitude symbolique (faible, moyen ou fort) du signal en des points clés (talon, balle, traînée) ;
- durées d'intervalles symboliques au sein d'un pas (traînée-talon, traînée-balle, talon-balle) ;
- durées d'intervalles symboliques entre deux pas (talon-talon, balle-balle) ;
- assymétries entre pas gauche et pas droit (en amplitude et en durée).
Une fois la phase d'apprentissage achevée, le deuxième système de classification automatique est configuré pour produire en sortie un identifiant d'individu ID-I à partir d'un vecteur de caractéristiques VO|(t2) produit en entrée.
Bien sûr, il peut arriver qu'un individu n'ayant pas participé à la constitution du deuxième ensemble d'apprentissage pénètre dans le bâtiment et déclenche la mise en oeuvre du procédé selon l'invention. Dans ce cas, la démarche de cet individu ne sera pas reconnue et on pourra prévoir une classe d'individu inconnu ou un identifiant DIJNC.
Enfin, en 36, le résultat de l'étape de localisation 35 est corrélé avec celui de l'étape d'identification 37 de sorte à obtenir un résultat de localisation enrichi, comprenant l'identifiant de pièce ID-R et l'identifiant d'individu ID-I, qu'on pourrait interpréter comme « j'ai localisé l'individu ID-I dans la pièce ID-R ».
On comprend en outre que plusieurs résultats de localisation ont pu être obtenus à des instants ti précédents. L'étape de corrélation a donc pour but d'associer un identifiant d'individu à un identifiant de pièce. Elle s'appuie par exemple sur une technique de suivi de la présence localisée en 33 basée sur des règles prédéterminées basées sur une connaissance de la topologie du bâtiment et donc des transitions relatives à des parcours possibles des entre les différentes pièces du bâtiment. De façon alternative, la corrélation peut se faire par « feedback », une fois toutes les présences identifiées, en relançant la localisation de chaque individu identifié à partir des seules données d'observation associées à cet individu. Encore une autre option est d'identifier un individu avant de le localiser, ce qui permet de n'utiliser que les données d'observation correspondant à cet individu.
Plus généralement, l'invention qui vient d'être décrite consiste à collecter des données d'observation représentatives de vibrations mesurées par la pluralité de capteurs disposés dans le bâtiment, à décider d'une présence humaine ou animale par classification/reconnaissance automatique, le résultat de cette décision comprenant un identifiant de pièce et/ou un identifiant d'individu. Comme précédemment décrit, l'identification d'un individu selon l'invention nécessite l'extraction d'une pluralité de données d'observation représentatives du signal de vibration mesuré par chaque capteur sur un cycle de marche tandis que la localisation peut être réalisée à partir d'une seule donnée d'observation représentative du signal de vibration acquis par chaque capteur sur une période temporelle plus courte, de l'ordre de la durée d'un pas droit ou d'un pas gauche.
Le procédé de localisation d'un individu ou d'un animal selon l'invention peut trouver plusieurs applications, notamment pour proposer des services d'automatisation de certaines tâches de gestion/maintenance du bâtiment, et en particulier des services de domotique dans les logements résidentiels.
Sur la Fig. 8, on a représenté de façon schématique un système de contrôle 2 d'au moins un objet communicant connecté au réseau de communication local RL du bâtiment. Un individu I est présent dans la cuisine R3. On suppose qu'il a été localisé et identifié par le procédé de localisation selon l'invention qui vient d'être décrit et qui est exécuté par l'équipement d'accès EA, 10, par exemple au sein d'un dispositif 100 (non représenté) et que le résultat de localisation est la paire (ID-12, ID-R3).
En relation avec la Fig. 9, on décrit maintenant un procédé de contrôle d'objets communicants connectés à un réseau de communication local RL du bâtiment selon un mode de réalisation de l'invention.
Un résultat de localisation est obtenu au cours d'une étape 91. Il comprend au moins un identifiant de pièce ID-R où une présence a été localisée et optionnellement un identifiant d'individu ID-I.
Une étape 92 de décision d'une action AC à déclencher sur au moins un objet communicant OC est mise en oeuvre. Elle comprend une consultation 921 de règles prédéterminées RP qui peuvent être simples ou complexes. Un exemple de règles simples est par exemple que lorsque un individu inconnu est localisé dans le bâtiment, une première action associée est d'activer une ou plusieurs caméras de surveillance OCi et une deuxième action associée est de transmettre via l'équipement d'accès EA un message d'alerte à un occupant référencé du bâtiment sur son terminal utilisateur TU ou à une centrale d'alarme, accessibles via un réseau étendu RE. Un autre exemple de règle simple est que lorsque la présence d'un enfant est localisée dans le salon, parce qu'un enfant a été identifié, elle peut comprendre aussi l'obtention 922 d'un profil enfant pour qu'il soit chargé sur un décodeur TV connecté au téléviseur OC2. De la sorte, l'enfant n'accédera qu'à des contenus audiovisuels adaptés à son âge. Encore un autre exemple de règle simple est d'allumer automatiquement la lumière dans une pièce occupée et de l'éteindre automatiquement dans celles qui sont inoccupées. Un exemple de règle complexe serait un scénario d'usage domotique permettant de suivre un individu identifié dans la maison. En détectant qu'il a quitté une pièce pour une autre, un tel scénario pourrait prévoir de charger/décharger en 922 le profil de cet individu sur le décodeur TV du salon, d'ouvrir /fermer une session sur l'ordinateur de la chambre, de faire en sorte que sa musique le suive d'une pièce à l'autre.
Avantageusement, un tel scénario pourrait être exprimé sous la forme d'une chronique domotique comme précédemment évoqué pour les signatures de démarches, ce qui permet de laisser une marge d'incertitude temporelle, que ce soit sur la durée entre deux événements, tels que (« l'individu est dans la salle de bain », puis « l'individu ID-I est dans la cuisine ») ou bien sur les possibilités d'enchaînements de ces événements (« l'individu ID-I est dans la cuisine », puis « l'individu ID-I est dans la salle de bains ») ou sur l'occurrence d'un événement optionnel (de passage par le salon) entre les événements de localisation dans la salle de bain puis dans la cuisine ou vice-versa.
L'étape 92 ferait alors appel à un système de reconnaissance automatique de chroniques domotiques, préalablement entraîné au cours d'une phase d'apprentissage supervisée mettant en oeuvre la méthode de PLI précédemment décrite et basée sur un troisième ensemble d'apprentissage comprenant des observations des individus de la maison à différents moments du jour et de la nuit. En prenant en compte d'autres sources d'information, telles que des connaissances générales sur les habitudes humaines au quotidien et des modèles de scénarios prédéterminés, tels que le suivi de musique par exemple, il serait alors possible d'apprendre les habitudes particulières des habitants de la maison et générer des scenarii adaptés.
En 93, un message de commande de l'action de contrôle AC décidée en 92 est transmis par l'équipement d'accès EA, 10 à l'objet communicant OC1, OC2 via le réseau de communication local RL.
Ainsi l'invention qui vient d'être décrite dans ses différents modes de réalisation permet de localiser une présence dans un bâtiment à partir des vibrations captées dans le sol ou dans les murs du bâtiment par une pluralité de capteurs, optionnellement d'identifier un individu ou un animal et propose d'utiliser le résultat de localisation/identification obtenu pour le contrôle d'objets communicants connectés au réseau de communication local RL du bâtiment. On comprend que l'invention trouve de nombreuses applications domotiques dans un logement résidentiel ou plus généralement des applications de gestion/surveillance d'un local professionnel, aussi bien à des fins récréatives qu'écologiques ou sécuritaires.
On présente maintenant, en relation avec la Fig. 10, la structure matérielle d'un dispositif 100 de localisation d'un individu ou d'un animal dans un bâtiment comprenant une pluralité de pièces selon un mode de réalisation de l'invention, dans lequel ce dispositif intègre au moins un module d'obtention de premières données d'observation et un module de classification desdites données dans une classe parmi une pluralité de classes correspondant à la pluralité de pièces, un résultat de localisation comprenant au moins un identifiant de pièce associé à ladite classe.
Avantageusement, le dispositif de localisation 100 comprend en outre un module d'identification d'un individu à partir de deuxièmes données d'observation obtenues par le module d'obtention par reconnaissance d'un modèle de signature de démarche stocké en mémoire à partir desdites deuxième données d'observations et un module de de corrélation entre l'identifiant de pièce et un identifiant d'individu ou d'animal associé audit modèle.
Le terme « module » peut correspondre aussi bien à un composant logiciel qu'à un composant matériel ou un ensemble de composants matériels et logiciels, un composant logiciel correspondant lui-même à un ou plusieurs programmes ou sous-programmes d'ordinateur ou de manière plus générale à tout élément d'un programme apte à mettre en oeuvre une fonction ou un ensemble de fonctions.
Plus généralement, un tel dispositif de localisation 100 comprend une mémoire vive 103 (par exemple une mémoire RAM), une unité de traitement 102 équipée par exemple d'un processeur, et pilotée par un programme d'ordinateur Pgl, représentatif du module d'obtention de données d'observation et du module de classification desdites données, stocké dans une mémoire morte 101 (par exemple une mémoire ROM ou un disque dur). A l'initialisation, les instructions de code du programme d'ordinateur sont par exemple chargées dans la mémoire vive 103 avant d'être exécutées par le processeur de l'unité de traitement 102. La mémoire vive 103 contient notamment les valeurs des identifiants de pièces et les données d'observation obtenues. Le processeur de l'unité de traitement 102 pilote l'obtention des données d'observation et la classification des données obtenues dans une classe de pièce associée à un identifiant de pièce, conformément au logigramme de la Fig. 3.
La Fig. 10 illustre seulement une manière particulière, parmi plusieurs possibles, de réaliser le dispositif de localisation 100, afin qu'il effectue les étapes du procédé de localisation d'un individu ou d'un animal tel que détaillé ci-dessus, en relation avec la Fig. 3 dans ses différents modes de réalisation. En effet, ces étapes peuvent être réalisées indifféremment sur une machine de calcul reprogrammable (un ordinateur PC, un processeur DSP ou un microcontrôleur) exécutant un programme comprenant une séquence d'instructions, ou sur une machine de calcul dédiée (par exemple un ensemble de portes logiques comme un FPGA ou un ASIC, ou tout autre module matériel).
Dans le cas où le dispositif 100 est réalisé avec une machine de calcul reprogrammable, le programme correspondant (c'est-à-dire la séquence d'instructions) pourra être stocké dans un médium de stockage amovible (tel que par exemple une disquette, un CD-ROM ou un DVD-ROM) ou non, ce médium de stockage étant lisible partiellement ou totalement par un ordinateur ou un processeur.
Les différents modes de réalisation ont été décrits ci-avant en relation avec un dispositif de localisation 100 intégré à une passerelle résidentielle EA, 10, mais il peut plus généralement être embarqué dans n'importe quel équipement d'accès à un réseau local du bâtiment, tel qu'une passerelle domotique, pourvu qu'il dispose d'un accès à un réseau étendu, tel que par exemple le réseau internet.
On présente enfin, en relation avec la Fig. 11, la structure matérielle d'un équipement d'accès 200 à un réseau de communication local d'un bâtiment comprenant une pluralité de pièces, dans lequel cet équipement d'accès 200 intègre un module d'obtention d'un résultat de localisation d'un individu ou d'un animal dans le bâtiment, produit par le dispositif de localisation 100, un module de décision d'au moins une action de contrôle d'au moins un objet communicant connecté au réseau local en fonction d'au moins une règle prédéterminée et d'un module d'émission d'un message de commande à destination dudit objet via le réseau de communication local.
L'équipement d'accès est donc apte à se connecter audit dispositif de localisation 100 ou bien selon un mode de réalisation il embarque le dispositif 100.
Le terme « module » peut correspondre aussi bien à un composant logiciel qu'à un composant matériel ou un ensemble de composants matériels et logiciels, un composant logiciel correspondant lui-même à un ou plusieurs programmes ou sous-programmes d'ordinateur ou de manière plus générale à tout élément d'un programme apte à mettre en oeuvre une fonction ou un ensemble de fonctions.
Plus généralement, un tel équipement d'accès 200 comprend une mémoire vive 203 (par exemple une mémoire RAM), une unité de traitement 202 équipée par exemple d'un processeur, et pilotée par un programme d'ordinateur Pg2, représentatif du module d'obtention d'un résultat de localisation d'un individu ou d'un animal en provenance du dispositif de localisation 100, ledit résultat de localisation comprenant au moins un identifiant de pièce, du module de décision d'au moins une action de contrôle d'au moins un objet communicant de ladite pluralité d'objets communicants, au moins en fonction dudit résultat de localisation et d'au moins une règle prédéterminée et du module d'émission d'un message de commande à destination dudit objet via le réseau de communication local, stocké dans une mémoire morte 201 (par exemple une mémoire ROM ou un disque dur). A l'initialisation, les instructions de code du programme d'ordinateur sont par exemple chargées dans la mémoire vive 203 avant d'être exécutées par le processeur de l'unité de traitement 32. La mémoire vive 203 contient notamment le résultat de localisation obtenu et ladite au moins une règle prédéterminée. Le processeur de l'unité de traitement 202 pilote l'obtention du résultat de localisation, la décision d'au moins une action de contrôle d'au moins un objet communicant et le déclenchement de cette action par émission d'un message à destination dudit au moins un objet communicant via le réseau de communication local, conformément au logigramme de la Fig. 8.
La Fig. 11 illustre seulement une manière particulière, parmi plusieurs possibles, de réaliser l'équipement d'accès, afin qu'il effectue les étapes du procédé de contrôle d'au moins un objet communicant détaillé ci-dessus, en relation avec la Fig. 8. En effet, ces étapes peuvent être réalisées indifféremment sur une machine de calcul reprogrammable (un ordinateur PC, un processeur DSP ou un microcontrôleur) exécutant un programme comprenant une séquence d'instructions, ou sur une machine de calcul dédiée (par exemple un ensemble de portes logiques comme un FPGA ou un ASIC, ou tout autre module matériel).
Dans le cas où l'équipement d'accès est réalisé avec une machine de calcul reprogrammable, le programme correspondant (c'est-à-dire la séquence d'instructions) pourra être stocké dans un médium de stockage amovible (tel que par exemple une disquette, un CD-ROM ou un DVD-ROM) ou non, ce médium de stockage étant lisible partiellement ou totalement par un ordinateur ou un processeur.
Les différents modes de réalisation décrits ci-avant peuvent être mis en oeuvre dans tous les équipements d'accès à un réseau de communication local d'un bâtiment et situés en coupure entre l'objet communicant et le réseau de communication. Comme précédemment décrit, un tel équipement d'accès peut être intégré dans une passerelle résidentielle ou d'entreprise ou dans une passerelle domotique.

Claims

REVENDICATIONS
1. Procédé de localisation d'un individu ou d'un animal dans un bâtiment comprenant une pluralité de pièces, caractérisé en ce que ledit procédé comprend les étapes suivantes :
- Obtention (31) à un premier instant temporel (ti) d'un ensemble de premières données d'observations (VOI(tl)), une dite première donnée d'observation étant représentative d'un signal de vibration capté sur une première période temporelle (TP) correspondant à une durée d'au moins un pas par un capteur disposé dans une pièce de ladite pluralité de pièces ;
- Classification (33) dudit au moins un ensemble de premières données d'observation obtenu dans une classe parmi une pluralité de classes correspondant respectivement à la pluralité de pièces par un système de classification automatique préalablement entraîné sur un premier ensemble de données d'apprentissage comprenant une pluralité d'ensembles de premières données d'observations, undit ensemble étant étiqueté par une classe de pièce, un résultat de localisation de l'individu comprenant au moins un identifiant de pièce associé à ladite classe.
2. Procédé de localisation selon la revendication 1, caractérisé en ce qu'une dite première donnée d'observation comprend une amplitude maximale du signal sur la première période temporelle (TP).
3. Procédé de localisation selon l'une quelconque des revendications 1 à 2, caractérisé en ce qu'il comprend une étape de normalisation (32) desdites premières données d'observation.
4. Procédé de localisation selon l'une quelconque des revendications 1 à 3, caractérisé en ce que la classification est réalisée par un arbre de décision dichotomique comprenant des noeuds (Nk), undit nœud étant associé à un capteur (Cm) distinct de la pluralité de capteurs, lesdits nœuds étant agencés selon un ordre de discrimination décroissant, une décision de classification dans une classe de pièce étant prise par undit nœud par comparaison de la première donnée d'observation captée par ledit capteur à un seuil prédéterminé (Sk).
5. Procédé de localisation selon l'une des revendications 1 à 4, caractérisé en ce qu'il comprend en outre une étape (34) d'obtention à un deuxième instant temporel (t2), d'un ensemble de pluralités de deuxièmes données d'observation, une dite pluralité de deuxièmes donnée d'observation étant représentative d'un signal de vibration capté sur une deuxième période temporelle (TPGD) correspondant à au moins un cycle de marche par un capteur disposé dans une pièce de ladite pluralité de pièces, une étape (35) d'identification d'un individu par reconnaissance automatique à partir dudit ensemble de deuxièmes données d'observations d'un modèle de signature de démarche associé à un identifiant d'individu, stocké en mémoire et préalablement appris à partir d'un deuxième ensemble de données d'apprentissage comprenant une pluralité d'ensembles de deuxièmes données d'observations et une étape (36) de corrélation de l'identifiant d'individu associé audit modèle avec un résultat de localisation précédemment obtenu.
6. Procédé de localisation selon la revendication 5, caractérisé en ce que le modèle de signature de démarche d'un individu est une chronique comprenant une succession d'événements datés et des contraintes temporelles entre lesdits événements, un événement appartenant à un groupe comprenant au moins :
- un pic d'amplitude correspondant à un appui de talon d'un pied gauche respectivement droit ;
- un pic d'amplitude correspondant à un appui de balle d'un pied gauche respectivement droit ;
- un pic d'amplitude correspondant à un appui de talon d'un pied droit respectivement gauche; et
- un pic d'amplitude correspondant à un appui de balle d'un pied droit respectivement gauche.
7. Procédé de localisation selon l'une quelconque des revendications 5 à 6, caractérisé en ce que l'étape d'identification produit un identifiant de présence inconnue lorsqu'aucun modèle n'a été reconnu.
8. Dispositif (100) de localisation d'un individu dans un bâtiment comprenant une pluralité de pièces, caractérisé en ce qu'il comprend les modules suivants :
- Obtention à un premier instant temporel (t^ d'un ensemble de premières données d'observations, une dite première donnée d'observation étant représentative d'un signal de vibration capté sur une première période temporelle (TP) correspondant à au moins une durée d'un pas par un capteur disposé dans une pièce de ladite pluralité de pièces ;
- Classification dudit au moins un ensemble de premières données d'observation obtenu dans une classe parmi une pluralité de classes correspondant respectivement à la pluralité de pièces par un système de classification automatique préalablement entraîné sur un premier ensemble de données d'apprentissage comprenant une pluralité d'ensembles de premières données d'observations, undit ensemble étant étiqueté par une classe de pièce, un résultat de localisation de l'individu comprenant au moins un identifiant de pièce associé à ladite classe.
9. Système (1) de localisation d'un individu dans un bâtiment (BT) comprenant une pluralité de pièces, caractérisé en ce qu'il comprend un dispositif (100) de localisation selon la revendication 8 et une pluralité de capteurs agencée dans ladite pluralité de pièces, undit capteur comprenant au moins une première interface de connexion locale à un autre capteur de la pluralité de capteurs et/ou une deuxième interface de connexion audit dispositif de localisation, ledit dispositif de localisation étant configuré pour se connecter localement à au moins undit capteur de la pluralité de capteurs via unedite deuxième interface de connexion.
10. Système de localisation (1) d'un individu dans un bâtiment selon la revendication 9, caractérisé en ce que le dispositif de localisation (100) est configuré pour recevoir les données d'observations de chaque capteur via lesdites deuxièmes interfaces et à former au moins le premier ensemble de données d'observation (VOL(tl)) à partir des données d'observations reçues.
11. Système de localisation (1) d'un individu dans un bâtiment selon la revendication 9, caractérisé en ce que le dispositif de localisation est configuré pour recevoir les données d'observation de la pluralité de capteurs via unedite deuxième interface avec au moins un capteur maître apte à collecter les données d'observation de la pluralité de capteurs via lesdites premières interfaces, à former un premier ensemble de données d'observations et à le transmettre au dispositif de localisation via unedite deuxième interface.
12. Procédé de contrôle d'au moins un objets communicant (OC1, OC2) dans un bâtiment (BT) comprenant une pluralité de pièces, ledit objet communicant étant apte à être connecté à un équipement d'accès (EA, 10) à un réseau de communication local (RL) dudit bâtiment, caractérisé en ce qu'il comprend les étapes suivantes, destinées à être mises en oeuvre par ledit équipement d'accès :
- Localisation (91) d'un individu ou d'un animal dans une pièce dudit bâtiment par le procédé de localisation selon l'une quelconque des revendications 1 à 7, destinée à fournir un résultat de localisation comprenant au moins un identifiant de pièce (ID-R) ;
- Décision (92) d'au moins une action de contrôle dudit au moins un objet communicant, au moins en fonction dudit résultat de localisation et d'au moins une règle prédéterminée ;
- Emission (93) d'un message de commande de ladite action de contrôle à destination dudit objet via le réseau de communication local (RL).
13. Procédé de contrôle d'au moins un objet communicant selon la revendication 12, caractérisé en ce que, lorsque le résultat de localisation comprend en outre un identifiant d'individu (ID-I), le procédé comprend une étape d'obtention (922) d'un profil associé audit identifiant et l'action (AC) décidée est en outre fonction du profil obtenu.
14. Equipement d'accès (EA, 10) à un réseau de communication local (RL) d'un bâtiment (BT) comprenant une pluralité de pièces, caractérisé en ce qu'il comprend un dispositif (100) de localisation d'un individu selon la revendication 8 apte à produire un résultat de localisation et en ce qu'il comprend en outre les modules suivants :
- Décision d'au moins une action de contrôle (AC) d'au moins un objet communicant (OC1, OC2) de ladite pluralité d'objets communicants, au moins en fonction dudit résultat de localisation et d'au moins une règle prédéterminée ; et
- Emission d'un message de commande de ladite action de contrôle à destination dudit objet via le réseau de communication local.
15. Produit programme d'ordinateur comprenant des instructions de code de programme pour la mise en oeuvre d'un procédé selon l'une quelconque des revendications 1 à 7 et 12 à 13, lorsqu'il est exécuté par un processeur.
PCT/EP2020/058535 2019-03-29 2020-03-26 Procede de localisation d'un individu ou d'un animal dans un batiment, procede de controle d'au moins un objet communicant dans un batiment, dispositif de localisation, systeme, equipement d'acces et programmes d'ordinateur correspondants domaine de l'invention Ceased WO2020201006A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1903342 2019-03-29
FR1903342A FR3094544A1 (fr) 2019-03-29 2019-03-29 Procédé de localisation d’un individu ou d’un animal dans un bâtiment, procédé de contrôle d’au moins un objet communicant dans un bâtiment, dispositif de localisation, système, équipement d’accès et programmes d’ordinateur correspondants

Publications (1)

Publication Number Publication Date
WO2020201006A1 true WO2020201006A1 (fr) 2020-10-08

Family

ID=66867550

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2020/058535 Ceased WO2020201006A1 (fr) 2019-03-29 2020-03-26 Procede de localisation d'un individu ou d'un animal dans un batiment, procede de controle d'au moins un objet communicant dans un batiment, dispositif de localisation, systeme, equipement d'acces et programmes d'ordinateur correspondants domaine de l'invention

Country Status (2)

Country Link
FR (1) FR3094544A1 (fr)
WO (1) WO2020201006A1 (fr)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180018509A1 (en) * 2015-02-09 2018-01-18 Carnegie Mellon University Indoor identification of individuals through footstep induced structural vibration
WO2018036281A1 (fr) * 2016-08-26 2018-03-01 深圳大学 Procédé et système de contrôle domotique sur la base de la détection de vibrations

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180018509A1 (en) * 2015-02-09 2018-01-18 Carnegie Mellon University Indoor identification of individuals through footstep induced structural vibration
WO2018036281A1 (fr) * 2016-08-26 2018-03-01 深圳大学 Procédé et système de contrôle domotique sur la base de la détection de vibrations

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
FROMONT ET AL.: "International Journal of Biomedical Engineering and Technology (IJBET", vol. 3, 2010, INDERSCIENCE, article "Learning Rules from Multisource Data for Cardiac Monitoring", pages: 133 - 155
QUINLAN ET AL.: "Machine Learning", 1986, KLUWER ACADEMICS PUBLISHER, article "Induction of décision trees", pages: 81 - 106
VAN LEAR ET AL.: "On multi-class Problems and Discretization in Inductive Logic Programming", PROCEEDINGS DE LA CONFÉRENCE ISMIS QUI S'EST TENUE À CHARLOTTE, CAROLINE DU NORD, USA, October 1997 (1997-10-01)

Also Published As

Publication number Publication date
FR3094544A1 (fr) 2020-10-02

Similar Documents

Publication Publication Date Title
Qin et al. Tagsense: Leveraging smartphones for automatic image tagging
EP3937071A1 (fr) Procédé d&#39;assistance au suivi en temps réel d&#39;au moins une personne sur des séquences d&#39;images
WO2020201006A1 (fr) Procede de localisation d&#39;un individu ou d&#39;un animal dans un batiment, procede de controle d&#39;au moins un objet communicant dans un batiment, dispositif de localisation, systeme, equipement d&#39;acces et programmes d&#39;ordinateur correspondants domaine de l&#39;invention
EP3799047A1 (fr) Dispositif, système et procédé d&#39;identification d&#39;une scène à partir d&#39;une séquence ordonnée de sons captés dans un environnement
Lapointe et al. A new device to track and identify people in a multi-residents context
WO2015049465A1 (fr) Procede de communication par un lecteur de radio-etiquettes passives fonctionnant en mode de retrodiffusion
Kapidis et al. Where Am I? comparing CNN and LSTM for location classification in egocentric videos
Ghannem et al. Fuzzy FCA-based elderly activity recognition
CN116915537A (zh) 智能中控设备的通信方法、装置和智能中控设备
WO2021240092A1 (fr) Prédiction d&#39;un état émotionnel d&#39;un utilisateur dans un environnement et déclenchement d&#39;un service numérique en fonction de l&#39;état émotionnel prédit
FR3130061A1 (fr) Procédé de localisation et cartographie simultanées intégrant un masquage temporel auto-supervisé et modèle d’apprentissage automatique pour générer un tel masquage.
FR3121832A1 (fr) Procédé d’encodage de données de capteur de mouvement, dispositif et système associés
Ghosh et al. HeteroSys: Heterogeneous and Collaborative Sensing in the Wild
FR3118235A1 (fr) Reconnaissance de mode de déplacement par capteur de mouvement
FR3055764A1 (fr) Procede de controle de la detection en temps reel d&#39;une scene par un appareil de communication sans fil, par exemple un telephone mobile cellulaire, et appareil correspondant.
EP3686858B1 (fr) Système de suivi des activités quotidiennes pour une ou plusieurs personnes dans un lieu de vie, et procédé d analyse
FR3083354A1 (fr) Procede de modelisation pour le controle des resultats fournis par un reseau de neurones artificiels et autres procedes associes
EP3370149B1 (fr) Procédé de contrôle de la détection en temps réel d&#39;une scène, permettant la détermination de contexte par un appareil de communication sans fil, et appareil correspondant
Santos et al. Mobile context provider for social networking
FR3066296A1 (fr) Procede de controle de detection, avec filtrage, de scenes par un appareil, par exemple un appareil de communication sans fil, et appareil correspondant
FR3147641A1 (fr) Procédé de génération d’une séquence temporelle d’évaluations d’une situation et dispositif associé
WO2023241896A1 (fr) Détection d&#39;anomalies pour la maintenance applicative de dispositifs
FR3141849A1 (fr) Procédé et dispositif de surveillance du niveau de stress d’un utilisateur
WO2024175425A1 (fr) Procédé de localisation en intérieur
FR3166995A1 (fr) Système et procédé de surveillance acoustique, programme d’ordinateur correspondant

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20712618

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20712618

Country of ref document: EP

Kind code of ref document: A1