Abstract:
La chute chez les personnes âgées est un enjeu majeur de la santé publique. Dans ce travail, nous proposons une approche d’apprentissage automatique basée sur l’analyse de la marche pour résoudre cette problématique. Les signaux issus de la base de données Physionet ”Long Term Movement Monitoring” ont été exploités, ceux-ci sont collectés avec une seule unité de mesure inertielle située dans le bas du dos. De plus, des algorithmes de segmentation pour l’extraction des caractéristiques spatio-temporelles et statistiques, ainsi que différents algorithmes de classification ont été utilisés. Des résultats prometteurs ont été obtenus pour le classifieur KNN, avec une exactitude de 89.7% et un F1-score de 90%, et pour le SVM avec une exactitude de 87.6% et un F1-score de 90%. Ces résultats ont pu être obtenus tout en assurant la faisabilité de futures implémentations.
