The development of system architectures and applications for smart homes and ambient assisted living has been the main activity of a number of academic and industrial research projects around the world. Existing system architectures for smart environments usually employ different architectural styles in a multi-layer logical architecture to support the integration and interoperation of heterogeneous hardware and software technologies, which are subsequently used to provide two major functionalities: monitoring and assistance. It is also usual among existing architectures that the database management system is the most common but the least exploited architectural component, existing in the periphery of the system and devoted exclusively for data storage and retrieval. However, database technology has advanced and matured considerably over the years, and, as a result, current database management systems can be and do more. This thesis considers the hypothesis of several features of modern database management systems being employed to address functional (e.g. well-being and security monitoring, automated control, data processing) and non-functional (e.g. interoperability, extensibility, data security and privacy) requirements of smart environments, i.e. the database management system serves as a platform for smart environments. The scope of this thesis is therefore to investigate the possibility of using different features supported by database management systems to create a database-centric system architecture for the development of smart home environments and ambient assisted living. The thesis also investigates the development of applications for health monitoring and assistance: 1) a serious game for fall prevention that assists people in practicing Tai Chi at home, and 2) a non-intrusive home-based method for sleep assessment. These features are explored in this thesis to address general functional aspects of smart environments, such as monitoring, processing, coordination and control of various types of events in a given environment. Extensibility and security features and cross-platform capabilities of database management systems are employed to accommodate non-functional, but still technical, properties of smart environments, including interoperability, extensibility, portability, scalability, security and privacy. Heterogeneous technologies are integrated into the system using programming language and platform independent software resource adapters. Interoperation among integrated technologies is mediated in an active database. The feasibility of the proposed database-centric system architecture was pragmatically investigated with the development of a "smart bedroom'' demonstrator and with the implementation of a number of short-term and long-term types of services to support active aging, aging in place and ambient assisted living. In the proposed architecture, active in-database processing maintains sensitive data within the database. This increases data security and independence from external software applications for data analysis. Changes in the system are managed during runtime, which improves flexibility and avoids system downtime. The proposed system architecture was evaluated taking into account different application scenarios and heterogeneous computing platforms. As a conclusion, modern database management systems support features that can be successfully employed in a database-centric system architecture to effectively and efficiently address functional and non-functional requirements of smart environments.

In partnership with iMonSys - an emerging company in the passive care field - a new system, 'Verity', is being developed to fulfil the role of a passive behaviour monitoring and alert detection device, providing an unobtrusive level of care and assessing an individual's changing behaviour and health status whilst still allowing for independence of its elderly user. In this research, a Hidden Markov Model incorporating Fuzzy Logic-based sensor fusion is created for the behaviour detection within Verity, with a method of Fuzzy-Rule induction designed for the system's adaptation to a user during operation. A dimension reduction and classification scheme utilising Curvilinear Distance Analysis is further developed to deal with the recognition task presented by increasingly nonlinear and high dimension sensor readings, and anomaly detection methods situated within the Hidden Markov Model provide possible solutions to identification of health concerns arising from independent living. Real-time implementation is proposed through development of an Instance Based Learning approach in combination with a Bloom Filter, speeding up the classification operation and reducing the storage requirements for the considerable amount of observation data obtained during operation. Finally, evaluation of all algorithms is completed using a simulation of the Verity system with which the behaviour monitoring task is to be achieved.

En la actualidad, la cámara de vídeo se ha convertido en un dispositivo omnipresente. Debido a su miniaturización, estas se pueden encontrar integradas en multitud de dispositivos de uso diario, desde teléfonos móviles o tabletas, hasta ordenadores portátiles. Aunque estos dispositivos son empleados por millones de personas diariamente de forma inofensiva, capturando vídeo, realizando fotografías que luego son compartidas, etc.; el empleo de videocámaras para tareas de videovigilancia levanta cierta preocupación entre la población, sobre todo cuando estas forman parte de sistemas inteligentes de monitorización. Esto supone una amenaza para la privacidad debido a que las grabaciones realizadas por estos sistemas contienen una gran cantidad de información que puede ser extraída de forma automática mediante técnicas de visión artificial. Sin embargo, la aplicación de esta tecnología en diversas áreas puede suponer un impacto muy positivo para las personas. Por otro lado, la población mundial está envejeciendo rápidamente. Este cambio demográfico provocará que un mayor número de personas en situación de dependencia, o que requieren apoyo en su vida diaria, vivan solas. Por lo que se hace necesario encontrar una solución que permita extender su autonomía. La vida asistida por el entorno (AAL por sus siglas en inglés) ofrece una solución aportando inteligencia al entorno donde residen la personas de modo que este les asista en sus actividades diarias. Estos entornos requieren la instalación de sensores para la captura de datos. La utilización de videocámaras, con la riqueza en los datos que ofrecen, en entornos privados haría posible la creación de servicios AAL orientados hacia el cuidado de las personas como, por ejemplo, la detección de accidentes en el hogar, detección temprana de problemas cognitivos y muchos otros. Sin embargo, dada la sencilla interpretación de imágenes por las personas, esto plantea problemas éticos que afectan a la privacidad. En este trabajo se propone una solución para poder hacer uso de videocámaras en entornos privados con el objetivo de dar soporte a las personas y habilitar así el desarrollo de servicios de la vida asistida por el entorno en un hogar inteligente. En concreto, se propone la protección de la privacidad en aquellos servicios AAL de monitorización que requieren acceso al vídeo por parte de un cuidador, ya sea profesional o informal. Esto sucede, por ejemplo, cuando se detecta un accidente en un sistema de monitorización y ese evento requiere la confirmación visual de lo ocurrido. Igualmente, en servicios AAL de telerehabilitación puede ser requerida la supervisión por parte de un humano. En este tipo de escenarios es fundamental proteger la privacidad en el momento en que se esté accediendo u observando el vídeo. Como parte de este trabajo se ha llevado a cabo el estudio del estado de la cuestión en la cual se han revisado los métodos de protección de la privacidad visual presentes en la literatura. Esta revisión es la primera en realizar un análisis exhaustivo de este tema centrándose, principalmente, en los métodos de protección. Como resultado, se ha desarrollado un esquema de protección de la privacidad visual basado en el reconocimiento del contexto que permite adecuar el nivel de privacidad durante la observación cuando las preferencias del usuario coinciden con el contexto. La detección del contexto es necesaria para poder detectar en la escena las circunstancias en que el usuario demanda determinado nivel de privacidad. Mediante la utilización de este esquema, cada uno de los fotogramas que componen un flujo de vídeo en directo es modificado antes de su transmisión teniendo en cuenta los requisitos de privacidad del usuario. El esquema propuesto hace uso de diversas técnicas de modificación de imágenes para proteger la privacidad, así como de visión artificial para reconocer dicho contexto. Por tanto, en esta tesis doctoral se realizan diversas contribuciones en distintas áreas con el objetivo de llevar a cabo el desarrollo del esquema propuesto de protección de la privacidad visual. De este modo, se espera que los resultados obtenidos nos sitúen un paso más cerca de la utilización de videocámaras en entornos privados, incrementando su aceptación y haciendo posible la implantación de servicios AAL basados en visión artificial que permitan aumentar la autonomía de las personas en situación de dependencia.

Cette thèse s'inscrit dans le domaine de l'intelligence ambiante (Ambient Intelligence - AMI). Les systèmes d'intelligence ambiante sont des systèmes interactifs composés de plusieurs éléments hétérogènes. D'un point de vue matériel, les composants de ces systèmes peuvent être divisés en deux catégories principales : les capteurs, que le système utilise pour observer son environnement, et les effecteurs, à travers lesquels le système agit sur son environnement afin d'exécuter des tâches spécifiques. D'un point de vue fonctionnel, l'objectif des systèmes d'intelligence ambiante est d'activer certains effecteurs, sur la base des mesures réalisées par des capteurs. Toutefois, les capteurs et les effecteurs peuvent subir des défaillances. Notre motivation dans cette thèse est de munir les systèmes ambiants de capacités d'auto-détection des pannes, pour leur permettre de vérifier de manière autonome si les actions prévues ont été effectuées correctement par les effecteurs. Pour résoudre ce problème, on pourrait appliquer des techniques classiques en automatique, et ainsi prédéterminer des boucles de régulation ad-hoc utilisant les capteurs disponibles. Cependant, une particularité des systèmes ambiants est leur ouverture : les ressources physiques (principalement les capteurs et effecteurs) ne sont pas nécessairement connues au moment de la conception, mais elles sont plutôt découvertes dynamiquement lors de l'exécution. En conséquence, ces boucles de régulation ne peuvent pas être établies à l'avance. Nous proposons une nouvelle approche dans laquelle la stratégie de détection de défaillances dans un système ambiant est déterminée dynamiquement lors de l'exécution. Pour cela, les couplages entre capteurs et effecteurs ne sont pas déterminés par le concepteur du système, mais déduits automatiquement lors de l'exécution. Ceci est rendu possible par la modélisation des caractéristiques des capteurs, des effecteurs, ainsi que des phénomènes physiques (que nous appelons effets) qui sont attendus dans l'environnement ambiant quand une action donnée est effectuée par un effecteur. Ces effets sont utilisés lors du fonctionnement du système pour lier les effecteurs (produisant les effets) avec les capteurs correspondants (détectant les effets). Nous introduisons une plateforme de détection des pannes qui génère à l'exécution un modèle de prédiction des valeurs attendues sur les capteurs. Ce modèle, de nature hétérogène (il mêle flots de données et automates finis) est exécuté par un outil adapté (ModHel'X) de façon à fournir les valeurs attendues à chaque instant. Notre plateforme compare alors ces valeurs avec les valeurs réellement mesurées de façon à détecter les défaillances.

Forschungsfragen: Wie können aktuelle Entwicklungsdynamiken im Bereich assistiver Technologien zur häuslichen Unterstützung und Pflege älterer Menschen in Bezug auf das innovatorische Handeln erklärt werden? Welche Auswirkungen ergeben sich durch den zunehmenden Einsatz von AAL-Technologien auf die Zielgruppe? Anhand dieser beiden Forschungsfragen wurde mithilfe qualitativer Methoden empirischer Sozialforschung untersucht, wie sich Ambient Assisted Living (AAL) im Freistaat Sachsen entwickelt. Dafür wurden forschungsleitende Hypothesen ausgearbeitet, die mit Expert*innen aus Politik, Wirtschaft und Wissenschaft diskutiert und anschließend inhaltsanalytisch ausgewertet wurden. Als Ausblick auf die Untersuchungsergebnisse sind insbesondere die charakteristischen Handlungslogiken der Akteursfelder zu nennen, die bewusst oder unbewusst in die Entwicklungspraxis transportiert werden. Durch wechselseitige Erwartungsdynamiken in der AAL-Entwicklung hat sich ein stabiles Innovationssystem etabliert, das versucht auf die Auswirkungen des demografischen Wandels durch Technologie zu reagieren. Assistive Systeme sollen die Autonomie älterer Menschen erhalten, indem sie den längeren Verbleib in der Wohnung ermöglichen – so wie es dem Wunsch der meisten Menschen entspricht.:1. Einführung 1.1 Ambient Assisted Living (AAL) 1.2 Forschungsregion Sachsen 1.3 Aufbau der Arbeit Theoretischer Teil 2. Dimensionen der AAL-Entwicklung 2.1 Techniksoziologische Innovationsforschung 2.2 Innovationsnetzwerke 2.3 Modernisierungstheorie: Sozialer Wandel und Haushaltstechnik 2.4 Technikakzeptanz 2.5 Der AAL-Markt 2.5.1 Forschungsmarkt 2.5.2 Absatzmarkt 2.6 Forschungsfragen und Hypothesen Empirischer Teil 3. Forschungsdesign 3.1 Methodik 3.2 Forschungsfeld 3.3 Zugang zum Feld 3.4 Interviewleitfaden 4. Präsentation der Ergebnisse 4.1 Expert/innen 4.2 Interviewsituation 4.3 Datenaufbereitung 4.4 Strukturierende Inhaltsanalyse nach Mayring 4.4.1 Typisierungsdimensionen 4.4.2 Kategoriensystem 4.5 Interpretation der Daten 4.5.1 Innovatorisches Handeln 4.5.2 Staatliche Förderung 4.5.3 Marktdynamiken 4.5.4 Auswirkungen auf die Zielgruppe 4.6 Zusammenfassung der Auswertungsergebnisse Diskussionsteil 5. Diskussion 5.1 Rückbezug auf Theorieansätze und Hypothesen 5.2 Methodologische Diskussion Schlussfolgerungen 6. Fazit 7. Ausblick 8. Literatur Anhang Anhang 1) Förderschwerpunkte der EU-Strukturfonds EFRE und ESF Anhang 2) Leitfäden für Interviews mit Expert/innen Anhang 3) Ergebnisse der Interviewauswertung

Chaque année, près de 9000 personnes âgées de plus de 65 ans décèdent des suites d'une chute en France. Les chutes constituent plus de 80% des accidents de la vie courante chez les plus de 65 ans. Ce chiffre devrait s’accroître considérablement du fait de l’évolution démographique, avec l’augmentation programmée de la population gériatrique. Les séquelles d'une chute sont d'autant plus graves que la personne reste longtemps au sol sans pouvoir se relever. Pour limiter les effets des chutes des personnes âgées, il est nécessaire de développer une offre de services et de technologies permettant aux personnes seules de rester en contact avec l'extérieur. Dans cette thèse, deux systèmes de détection de chutes de personne constitués de capteurs capacitifs intégrés dans le sol sont présentés. Les capteurs sont totalement invisibles par les occupants de la pièce, de manière à déranger le moins possible la tranquillité de l'utilisateur. Dans le premier système, les capteurs sont disposés parallèlement entre eux selon une dimension de la salle. Un capteur est constitué de plusieurs électrodes, dont l'écartement relatif a été déterminé pour favoriser la reconnaissance d'une personne allongée sur le sol. Le deuxième système est constitué de deux couches de capteurs perpendiculaires entre elles. Plusieurs pièces ont été instrumentées avec les capteurs capacitifs. Un changement d'environnement a une influence sur le signal capacitif mesuré, en raison de la configuration du sol propre à chaque installation. Des méthodes de pré-traitement des mesures sont proposées pour conférer aux classifieurs sélectionnés une capacité de performance équivalente sur tous les environnements. / Almost 9000 people aged over 65 die each year in France, as consequences of a fall. Falls represent over 80% of all domestic accidents in this part of the population. This number should substantially increase, as the average age of the population is expected to constantly grow up in the next decades. The longest the fallen person stay on the floor without being rescued, the worst are the consequences of the fall. In order to decrease negative effects of falls in older people, it is decisive to develop a technological way to keep isolated people in contact with outside world. In this thesis two fall detection systems are presented, made up with capacitive sensors integrated into the floor. Sensors are totally hidden to the view of people living in the room, in a way that their privacy is most respected. In the first system, parallel sensors are laid out in one direction of the room. One sensor is composed of four electrodes, whose relative spaces have been chosen to favor the detection of a person laying down on the floor. The second system consists of two perpendicular layers of capacitive sensors. Several rooms have been equipped with such sensors. Installing sensors in a new environment has an influence on the measured capacitive signal, due to the own floor configuration in each room. Methods of data preprocessing are proposed, in order to give equivalent detection performances in each environment.

In partnership with iMonSys - an emerging company in the passive care field - a new system, 'Verity', is being developed to fulfil the role of a passive behaviour monitoring and alert detection device, providing an unobtrusive level of care and assessing an individual's changing behaviour and health status whilst still allowing for independence of its elderly user. In this research, a Hidden Markov Model incorporating Fuzzy Logic-based sensor fusion is created for the behaviour detection within Verity, with a method of Fuzzy-Rule induction designed for the system's adaptation to a user during operation. A dimension reduction and classification scheme utilising Curvilinear Distance Analysis is further developed to deal with the recognition task presented by increasingly nonlinear and high dimension sensor readings, and anomaly detection methods situated within the Hidden Markov Model provide possible solutions to identification of health concerns arising from independent living. Real-time implementation is proposed through development of an Instance Based Learning approach in combination with a Bloom Filter, speeding up the classification operation and reducing the storage requirements for the considerable amount of observation data obtained during operation. Finally, evaluation of all algorithms is completed using a simulation of the Verity system with which the behaviour monitoring task is to be achieved.

Les technologies d’assistance à la vie autonome est aujourd'hui nécessaire pour soutenir les personnes ayant des besoins spécifiques dans leurs activités de la vie quotidienne, mais leurs développements demeure limités malgré les enjeux liés à l’accompagnement des personnes âgées et dépendantes. Par ailleurs, l'élaboration de plateformes technologiques durant la dernière décennie s'est principalement concentrée sur la dimension technologique, en négligeant l'impact des facteurs humains et des besoins sociaux. Les nouvelles technologies, telles que le cloud et l’Internet des objets (IoT) pourraient apporter de nouvelles capacités dans ce domaine de recherche permettant aux systèmes de traiter les activités humaines selon des modèles orientés vers l'usage (ie. la fragilité) dans une approche non invasive.Cette thèse se propose d'envisager un nouveau paradigme dans les technologies d'assistance pour le vieillissement et le bien-être en introduisant (i) des métriques de la fragilité humaine et (ii) une dimension urbaine dans un cadre d'assistance ambiant (extension de l'espace de vie de l'intérieur vers l'extérieur). Elle propose une plateforme basée sur l’Informatique dans le cloud (cloud computing) pour une communication transparente avec les objets connectés, permettant au système intégré de calculer et de modéliser différents niveaux de fragilité humaine. Cette thèse propose d'utiliser des données hétérogènes en temps réel fournies par différents types de sources (capteurs intérieurs et extérieurs), ainsi que des données de référence, collectées sur un serveur de cloud de raisonnement central. La plateforme stocke les données brutes et les traite à travers un moteur de raisonnement hybride combinant à la fois l'approche basée sur les données (apprentissage automatique), et l'approche basée sur la connaissance (raisonnement sémantique) pour (i) déduire les activités de la vie quotidienne, (ii) détecter le changement du comportement humain, et enfin (iii) calibrer les valeurs de fragilité humaine. Les valeurs de fragilité peuvent permettre au système de détecter automatiquement tout changement de comportement, ou toute situation anormale, qui pourrait entraîner un risque à la maison ou à l'extérieur. L'ambition à long terme est de détecter et d'intervenir pour éviter un risque avant même qu'un médecin ne le détecte lors d'une consultation. L'objectif ultime est de promouvoir le paradigme de la prévention pour la santé et du bien-être.Cette thèse vise à concevoir et développer une plateforme intégrée, personnalisée, basée sur le cloud, capable de communiquer avec des capteurs intérieurs non invasifs (par ex. mouvement, contact, fibre optique) et à l'extérieur (par ex. BLE Beacons, smartphone, bracelet..). La plateforme développée comprend également un classificateur de mobilité du comportement humain qui utilise les capteurs internes du Smart Phone pour calibrer le type de mouvement effectué par l'individu (p. ex. marche, vélo, tram, bus, et voiture). Les données recueillies dans ce contexte servent à construire un modèle multidimensionnel de fragilité basé sur plusieurs éléments standardisés de fragilité, à partir d'une littérature abondante et d'un examen approfondi d’autres plateformes. La plateforme et les modèles associés ont été évalués dans des conditions réelles de vie impliquant les utilisateurs et les aidants par le biais de différents sites pilotes à Singapour et en France. Les données obtenues ont été analysées et publiées dans de nombreuses conférences et revues internationales.La plateforme développée est actuellement déployée en situation écologique dans 24 habitats individuels. Cela comprend cinq chambres en EHPAD, et neuf maisons sont situées en France, en collaboration avec une maison de retraite (Argentan-Normandie) et à Montpellier en collaboration avec Montpellier Métropole. Entre autre dix appartements privés sont situés à Singapour en collaboration avec un Senior Activity Center. / Ambient Assisted Living is nowadays necessary to support people with special needs in performing their activities of daily living, but it remains unaltered in front of the necessity to accompany aging and dependent people in their outdoors activities. Moreover, the development of multiple frameworks during the last decade has mainly focused on the engineering dimension neglecting impact of human factors and social needs in the design process. New technologies, such as cloud computing and Internet of Things (IoT) could bring new capabilities to this field of research allowing systems to process human condition following usage oriented models (e.g. frailty) in a non-invasive approach. This thesis proposes to consider a new paradigm in assistive technologies for aging and wellbeing by introducing (i) human frailty metrics, and (ii) urban dimension in an ambient assistive framework (extending the living space from indoors to outdoors). It proposes a cloud-based framework for seamless communication with connected objects, allowing the integrated system to compute and to model different levels of human frailty based on several frailty standardized items, and leveraged from an extensive literature and frameworks reviews.This thesis aims at designing and developing an integrated cloud-based framework, which would be able to communicate with heterogeneous real-time non-invasive indoor sensors (e.g. motion, contact, fiber optic) and outdoors (e.g. BLE Beacons, smartphone). The framework stores the raw data and processes it through a designed hybrid reasoning engine combining both approaches, data driven (machine learning), and knowledge driven (semantic reasoning) algorithms, to (i) infer the activities of the daily living (ADL), (ii) detect changes of human behavior, and ultimately (iii) calibrate human frailty values. It also includes a human behavior mobility classifier that uses the inner smartphone sensors to classify the type of movement performed by the individual (e.g. Walk, Cycling, MRT, Bus, Car). The frailty values might allow the system to automatically detect any change of behaviors, or abnormal situations, which might lead to a risk at home or outside.The proposed models and framework have been developed in close collaboration with IPAL and LIRMM research teams. They also have been assessed in real conditions involving end-users and caregivers through different pilots sites in Singapore and in France. Nowadays, the proposed framework, is currently deployed in a real world deployment in 24 individual homes. 14 spaces are located in France (5 privates rooms in nursing home and 9 private houses) in collaboration with a nursing home (Argentan-Normandie and Montpellier). 10 individual homes are located in Singapore in collaboration with a Senior Activity Center (non-profit organization).The long-term ambition is to detect and intervene to avoid a risk even before a medical doctor detects it during a consultation. The ultimate goal is to promote prevention paradigm for health and wellbeing. The obtained data has been analyzed and published in multiple international conferences and journals.

Leveraging our experience with the traditional approach to ambient assisted living (AAL) which relies on a large spread of heterogeneous technologies in deployments, this thesis studies the possibility of a more "stripped down" and complementary approach, where only a reduced hardware subset is deployed, probing a transfer of complexity towards the software side, and enhancing the large scale deployability of the solution. Focused on the reasoning aspects in AAL systems, this work has allowed the finding of a suitable semantic inference engine for the peculiar use in these systems, responding to a need in this scientific community. Considering the coarse granularity of situational data available, dedicated rule-sets with adapted inference strategies are proposed, implemented, and validated using this engine. A novel semantic reasoning mechanism is proposed based on a cognitively inspired reasoning architecture. Finally, the whole reasoning system is integrated in a fully featured context-aware service framework, powering its context awareness by performing live event processing through complex ontological manipulation. the overall system is validated through in-situ deployments in a nursing home as well as private homes over a few months period, which itself is noticeable in a mainly laboratory-bound research domain

Yes / Human activity recognition from sensor data is a critical research topic to achieve remote health monitoring and ambient assisted living (AAL). In AAL, sensors are integrated into conventional objects aimed to support targets capabilities through digital environments that are sensitive, responsive and adaptive to human activities. Emerging technological paradigms to support AAL within the home or community setting offers people the prospect of a more individually focused care and improved quality of living. In the present work, an ambient human activity classification framework that augments information from the received signal strength indicator (RSSI) of passive RFID tags to obtain detailed activity profiling is proposed. Key indices of position, orientation, mobility, and degree of activities which are critical to guide reliable clinical management decisions using 4 volunteers are employed to simulate the research objective. A two-layer, fully connected sequence long short-term memory recurrent neural network model (LSTM RNN) is employed. The LSTM RNN model extracts the feature of RSS from the sensor data and classifies the sampled activities using SoftMax. The performance of the LSTM model is evaluated for different data size and the hyper-parameters of the RNN are adjusted to optimal states, which results in an accuracy of 98.18%. The proposed framework suits well for smart health and smart homes which offers pervasive sensing environment for the elderly, persons with disability and chronic illness.