La population des personnes âgées en France est en train d'augmenter et pour 2050 plus de 30% de la population totale aura plus de 65 ans. Le nombre d'infrastructures dédiées pour la surveillance des personnes âgées ne sera donc pas suffisant et une de solutions qui permettra de soulager ces institutions est celle de surveiller ces personnes dans leur domicile. Dans un premier temps, afin de détecter de façon précoce une perte d'autonomie l'équipe AFIRM a équipé un appartement avec des exocapteurs. Cependant, pour assurer un suivi plus approfondi de l'état de la personne (suivi de l'activité et de l'état de santé) il est indispensable de réaliser ce suivi avec des dispositifs portables sur la personne. Les travaux de cette thèse consistent au développement d'un dispositif portable pour le suivi de l'activité du système nerveux autonome de façon ambulatoire. Dans la deuxième partie de ce manuscrit nous avons décrit le développement du dispositif portable à partir des principales contraintes d'ergonomie pour un suivi à long terme. De la même manière, dans cette partie nous avons présenté les algorithmes utilisés pour l'extraction des principales caractéristiques sur les signaux mesurés par l'instrumentation ambulatoire. Finalement, les bases théoriques de deux principales méthodes de classification sont présentées afin de détecter des possibles situations à risque (la chute) à partir des caractéristiques extraites. La troisième partie présente les expérimentations réalisées pour améliorer la détection de chute à partir de la mesure du SNA , dans un premier temps, et ensuite étudier l'activité du SNA chez des personnes âgées atteintes de troubles orthostatique.

Ce travail se situe dans le cadre de la surveillance de systèmes homme-machine, où l'opérateur humain est un élément de décision dans la boucle. Ce type de systèmes nécessite une surveillance automatisée globale temps-réel, incluant la détection d'incidents techniques et de défaillances humaines. Partant de l'hypothèse que la partie technologique travaille " correctement " et/ou qu'elle est surveillée par un système de diagnostic, nous nous centrons sur la partie opérateur humain, la plus critique à surveiller. Nous présentons un système de diagnostic appliqué à la surveillance du conducteur automobile à partir d'informations fournies par des capteurs embarqués dans le véhicule. Les travaux ont été développés dans le cadre du projet Européen AWAKE et le projet national " facteurs de dégradation de la vigilance et de la sécurité dans les transports " de PREDIT.<br />Nous proposons une stratégie générale de système temps-réel pour la surveillance du niveau de vigilance du conducteur (dynamique lente) et la surveillance du niveau de risque lié à la situation actuelle de conduite (dynamique instantanée), à travers :<br />* L'analyse temporelle et fréquentielle des signaux mécaniques (mesures de performance) par ondelettes et filtres, pour en extraire des caractéristiques dynamiques, statistiques et fréquentielles sur la dégradation de la conduite,<br />* L'apprentissage par SVM, méthode pour laquelle nous avons développé des stratégies d'implémentation adaptées pour un apprentissage en ligne et pour des problèmes de grande taille,<br />* La fusion par FIS, afin de profiter de l'expertise humaine et produire un diagnostic sur le niveau de risque lié à la sortie de la voie de circulation.<br />* La validation d'une telle approche à travers des EEG et EOG (mesures physiologiques) et des autoévaluations (mesures subjectives).<br />Nous appliquons cette méthodologie à diverses expériences des programmes AWAKE et PREDIT réalisées sur des simulateurs ou des démonstrateurs.