Utilisation de la vision numérique pour l'estimation d'un coefficient de friction afin d'évaluer un risque de chute dans une application d'assistance aux personnes

Ce mémoire présente une solution basée sur un téléphone intelligent pour aider les personnes atteintes d’une perte de l’acuité visuelle (PAPAV) à se déplacer d’une manière autonome dans les environnements urbains. Contrairement aux travaux de recherche précédents, le nouveau système proposé dans ce projet de recherche vise à déterminer le coefficient de friction (COF) d’un sol pour aider à la sécurité des déplacements des PAPAV. Grâce à des réseaux de neurones convolutifs (CNN) entrainés pour estimer le coefficient de friction, les travaux de recherche offrent ensuite la possibilité de prévoir un risque de chute pour le prochain pas du cycle de marche en déterminant la force de friction statique du sol en avant de la personne. En effet, la caméra d’un téléphone intelligent commercial capture la vidéo du sol et envoie l’image comme entrée au modèle CNN pour la segmentation de l’image et le calcul COF. Nous avons validé notre modèle proposé dans des expériences réelles réalisées sur 8 types de sols, tout en expérimentant différents modèles de réseaux de neurones et différents optimisateurs. Le système proposé offre une grande précision (96,04 %) pour guider les personnes ayant une déficience visuelle plus efficacement que les approches de navigation traditionnelles. Les résultats rapportés montrent comment la méthode étudiée dépasse les travaux existants, ce qui rend le système de navigation d’assistance proposé relativement simple et convivial. Aussi, notre travail a été focalisé sur l’évaluation d’un risque de chute suite à l’estimation du COF du sol et l’évaluation des paramètres de la marche de la personne acquis avec une semelle intelligente qui a été développée au laboratoire LAR.i de l’Université du Québec à Chicoutimi (UQAC). De ce fait, nous avons conçu un modèle biomécanique modélisant le coup de talon (heel strike) et la propulsion avant le décollage des orteils (heel off). Enfin, afin de déterminer le risque de chute, nous avons combiné toutes ces données dans une simulation du modèle biomécanique, permettant d’estimer un risque de chute qui traduit la capacité d’une personne à maintenir son équilibre au prochain coup de talon. En conclusion, l’originalité de ce projet réside dans l’utilisation d’un système de vision numérique combiné avec une semelle intelligente pour ajouter une fonctionnalité importante dans les systèmes d’assistance des PAPAV et de réduire les risques de chutes. Ce modèle permet l’analyse du maintien de l’équilibre d’une pers