L’algorithme de classification hybride améliore la reconnaissance de l’activité humaine

La recherche dans le Revue internationale des applications informatiques en technologie introduit un algorithme de classification hybride visant à améliorer la reconnaissance des activités humaines à l’aide des données des smartphones. Ces travaux pourraient avoir des implications dans divers domaines, notamment les soins de santé et le soutien personnel.

Ahmad Taher Azar, de l’Université Prince Sultan de Riyad, en Arabie Saoudite, et de l’Université Benha, en Égypte, espérait démontrer un outil permettant de catégoriser avec précision six activités humaines distinctes : s’allonger, s’asseoir, se tenir debout, marcher, monter et descendre les escaliers. Il a utilisé des techniques d’apprentissage automatique supervisé qui ont fusionné à cette fin les arbres de décision aléatoires en forêt (RFDT) et les réseaux de neurones (NN).

L’approche hybride a permis de classer six activités humaines avec un taux de précision de 96 %. Cela surpasse les performances des techniques d’apprentissage automatique individuelles telles que NN ou RFDT et est comparable aux méthodes de pointe actuelles. Cependant, ce qui distingue cet algorithme, c’est son efficacité de traitement. L’algorithme hybride peut déduire le comportement du smartphone en seulement 0,073 seconde, par rapport à la précision obtenue avec un réseau neuronal convolutif (CNN), qui peut prendre bien plus de 1,5 seconde pour faire le même travail et atteindre un niveau de précision similaire.

Les travaux d’Azar soulignent l’utilité d’une telle amélioration de l’efficacité dans la mesure où elle permettrait le traitement en temps réel des données des smartphones, même sur des appareils dépourvus d’une unité de traitement informatique dédiée intégrée pour faire face à de telles tâches. Cette capacité a des implications considérables, en particulier dans les scénarios où une reconnaissance immédiate et précise des activités est essentielle, comme dans les applications de soins de santé et de soutien personnel. Une application particulièrement opportune serait le soutien et le suivi des patients dans des « services virtuels » où le patient reste généralement à son domicile et est pris en charge à distance par des professionnels de la santé utilisant des outils de télémédecine pour le suivi et le conseil.

Il convient de noter que plusieurs défis subsistent pour ce type de recherche. L’identification de mouvements de base comme monter les escaliers ou s’allonger est réalisable à condition que la personne ait à tout moment son smartphone sur elle. Cependant, il est nécessaire de reconnaître plus profondément l’état émotionnel et d’autres facteurs importants pour la santé et le bien-être de la personne.