Détecter les occupants d'un bâtiment grâce aux vibrations du sol

Bâtiments industriels, espaces publics, centres commerciaux, de nombreux lieux s’équipent d’un système de détection de personne. Habituellement, ces systèmes reposent sur l’utilisation de téléphones portables ou des caméras. Ces technologies portent atteinte à la vie privée et peuvent ne pas fonctionner dans des situations d'urgence telles que les incendies. À l’EPFL, des chercheurs du Laboratoire d'informatique et de mécanique appliquées à la construction (IMAC) dirigé par le professeur Ian Smith au sein de la Faculté ENAC travaillent sur une alternative. «Grâce à des capteurs repartis sur les planchers, nous pouvons enregistrer les vibrations du sol provoquées par les pas. À partir de là, il est possible de déduire le nombre de personnes présentes dans le bâtiment, leur localisation ou leur trajectoire», déclare Slah Drira qui a récemment défendu sa thèse sur le sujet.

À chacun sa marche

À partir des données enregistrées par les capteurs, le challenge est surtout d’arriver à repérer les événements parasites tels que la fermeture d'une porte ou la chute d'objets qui peuvent produire des vibrations similaires à celles provoquées par les pas. La grande variabilité des vibrations induites par la marche d’une personne à l’autre, mais aussi pour une même personne s’est également révélée être un défi. «Les signaux enregistrés ne seront pas les mêmes selon l’anatomie de la personne, sa vitesse de marche, le type de chaussures utilisées, sa santé ou son humeur», assure le doctorant.

La méthode développée par Slah Drira s’appuie notamment sur des algorithmes d'apprentissage automatique supervisé. Plus précisément, des machines à vecteurs de support (support vector machine SVM) qui permettent de classifier les signaux. Il s’est en outre inspiré des réseaux de neurones convolutifs (convolutional neural networks CNN) habituellement utilisés pour la reconnaissance d'images (pixels) pour reconnaître les caractéristiques des pas des différents occupants.

Études grandeur nature

Quatre études de cas en grandeur nature ont été réalisées. Une salle de séminaire et un couloir du Laboratoire IMAC, le hall d’entrée du bâtiment MED de l’EPFL et une halle à Singapour ont successivement servi de lieu d’étude pour tester les différentes hypothèses du chercheur. «Ces quatre études de cas m’ont permis d’élargir le champ de validation de mes méthodes de détection, de localisation et de suivi des occupants, explique-t-il. Contrairement aux méthodes déjà décrites, mon approche a l’avantage de nécessiter un nombre moins élevé de capteurs. Un pour 15 à 75 m²contreun capteur pour 2 m² auparavant. Elles étaient également limitées à un plancher à rigidité uniforme et la localisation n’avait été expérimentée qu’avec des personnes isolées.»

Les utilisations potentielles de cette nouvelle méthode de détection de personnes sont nombreuses. Tout en préservant la vie privée, elle permettrait par exemple d'optimiser la gestion énergétique des bureaux. Elle peut être utilisée pour renforcer les systèmes de sécurité des bâtiments tels que les banques et les centres de données, ainsi que pour aider à localiser les occupants en cas d'urgence comme un incendie ou dans les EMS ou hôpitaux.

Ce travail fait partie du programme Future Cities Laboratory (FCL) mené par le professeur Ian Smith pour le Singapore-ETH Centre. Créé par l'ETH et le Fonds national de recherche de Singapour, dans le cadre de son Campus for Research Excellence And Technological Enterprise (CREATE) , ce centre vise à apporter des solutions pratiques à certains des défis les plus urgents en matière de durabilité, de résilience et de santé urbaines.