Système de surveillance pour malades semi-alités

Abstract

Ce travail s’inscrit dans le domaine du génie biomédical et porte sur le développement d’un système intelligent de surveillance des patients semi‑alités, basé sur la vision par ordinateur et l’intelligence artificielle. L’objectif principal est d’assurer une surveillance automatique, continue et non intrusive, tout en détectant rapidement les situations à risque telles que les chutes ou les sorties de lit. Le système proposé repose sur une approche hybride combinant plusieurs techniques. La détection de la présence du patient est réalisée à l’aide du modèle YOLOv8, tandis que l’extraction des points clés du corps humain est assurée via MediaPipe. Les caractéristiques extraites sont ensuite traitées par un modèle d’apprentissage automatique basé sur l’algorithme Random Forest pour classifier les différentes postures. Une base de données personnalisée a été construite afin de pallier l’absence de datasets adaptés à notre problématique, nécessitant un processus de collecte, d’annotation et de structuration des données. Le système est intégré dans un pipeline temps réel avec une interface de monitoring et un système d’alertes. Les résultats obtenus montrent une performance satisfaisante, malgré certains défis tels que le problème d’occlusion lié aux couvertures, les contraintes des systèmes embarqués et l’optimisation de la base de données. Ce travail ouvre des perspectives intéressantes pour le développement de systèmes de surveillance médicaux intelligents.