Système de Soins de Santé, Personnes âgées, Analyse, Modélisation, Vérification Formelle, Détection des Chutes, Kinect

Tous les pays sont confrontés à des changements démographiques importants à une échelle sans précédents. Les seniors constituent le segment de la population mondiale qui augmente le plus rapidement. Ceci entraine une augmentation des personnes âgées dépendantes et vulnérables marquées par une perte d'autonomie et maladie chronique. Ces complications augmentent les taux de mortalité et morbidité dans nos sociétés. Ces dernières années, les conséquences socio-économiques sur les seniors et sa famille, et le fait des tarifs élevées dans les établissements spécialisés d'hébergement ont attiré l'attention sur le maintien à domicile en servant des nouvelles technologies fiables et pas cher. Mais développer un système de soins de santé critique pour les personnes âgées est un véritable défi qui ne peut être relevé qu'en garantissant la fiabilité et la haute performance. Dans le cadre du futur système de soins de santé nommée Family Heroes, nous sommes intéressées dans cette thèse à sa fiabilité et sa sécurité. Ainsi, Nous avons étudié la détection automatique des chutes à l'aide de la caméra Kinect. Plus précisément, nous avons proposé une méthodologie combinant la méthode CATWOE et des notions UML pour analyser et modéliser notre système. Nous avons montré les étapes à suivre pour prendre en compte efficacement les exigences et les contraintes du système dans le processus de développement. Ainsi, nous avons utilisé les concepts MARTE pour faire face aux contraintes de temps dans la phase de modélisation. Ensuite, pour assurer la fiabilité de notre système, nous avons proposé une approche de vérification formelle basée sur les modèles UML/MARTE présentés dans l'étape de modélisation. Nous les avons modélisés avec des automates temporisés et déployé le vérificateur de modèles UPPAAL pour spécifier et vérifier les propriétés. Pour assurer la sécurité de notre système, nous avons présenté une approche formelle pour traiter les problèmes de cyber-attaques qui peuvent survenir dans le système Family Heroes. Ainsi, nous avons adopté un scénario de cyberattaques liés à ce contexte et proposé de reconfigurer notre système pour faire face aux cyberattaques. De plus, une vérification formelle a été proposée pour s'assurer de la fiabilité de la reconfiguration proposée du système. Les résultats ont montré le respect des propriétés (L'absence de deadlock, l'accessibilité, la sécurité et la vivacité) dans Family Heroes.Pour la détection automatique des chutes, nous avons utilisé le capteur multimédia de la technologie Kinect. Nous avons proposé une nouvelle approche basée sur des seuils qui analyse la variation de hauteur, les angles du haut du corps au cours du cycle de mouvement, et l'inactivité de la personne au sol. De plus, nous avons proposé un nouveau modèle léger basé sur Deep Learning LSTM utilisant des caractéristiques géométriques. Ce modèle léger est conçu pour fonctionner sur des appareils limités comme ceux de Raspberry Pi. Les résultats sont très prometteurs.