Abstract:
L'un des aspects clés des environnements intelligents et de l'Internet des Objets est la localisation.
En effet, de nombreuses applications de ces technologies reposent sur la connaissance des
coordonnées spatiales de l'utilisateur. Même si le système GPS atteint des performances très élevées
en environnement extérieur, la localisation reste un thème d'actualité pour les environnements confinés
où les signaux des satellites sont souvent affaiblis par les obstacles. Des systèmes de localisation à
base des technologies wifi ou Bluetooth sont utilisés en indoor, mais sont limités dans le cas des
piétons à cause de la contrainte de distance et de la couverture d'une zone. Une alternative intéressante
adoptée récemment par les systèmes de la localisation pédestre en indoor est l'utilisation de la
technologie des capteurs inertiels, surtout que ces deniers sont intégrés dans plusieurs dispositifs du
quotidien comme les Smartphones et tablettes.
Les systèmes de localisation pédestre arrivent à localiser un piéton par la détection de pas,
l'estimation de leurs longueurs et de l'angle de marche. C'est dans ce contexte que nous avons proposé
une nouvelle approche de détection de pas à partir de données inertielles en utilisant la théorie de
Demspter-Shafer. Cette théorie permet de modéliser les imperfections des informations telles que
l'incertitude et l'imprécision, et de mieux gérer les conflits entre les sources d'information. Ainsi, la
théorie de Dempster-Shafer nous a permis de représenter et de prendre en compte les imperfections
des données inertielles et de combiner ces dernières qui sont issues de différents types de capteurs
comme les accéléromètres et les gyroscopes. Les résultats obtenus à partir d'un dataset expérimental
montrent que l'approche proposée donne des performances acceptables en termes de nombre de pas
détectés et surpasse généralement certaines méthodes proposées dans la littérature prises comme
références dans ce domaine.