Soutenance de thèse – Claire Béranger

Claire Béranger, doctorante dans l’équipe CELL, soutient sa thèse intitulée “Reconnaissance de la marche et prédiction de chute par apprentissage profond sur des signatures micro-Doppler” le 12 janvier 2026 dans l’auditorium de la Maison de la Recherche Annie-Ernaux (CY Cergy Paris Université).

Résumé

Reconnaissance de la marche et prédiction de chute par apprentissage profond sur des signatures micro-Doppler

Les chutes chez les personnes âgées constituent un enjeu majeur de santé publique, entraînant chaque année en France un nombre significatif de décès et d’hospitalisations.
Bien que des systèmes de téléassistance aient été déployés pour réduire ces risques, leur efficacité reste limitée en raison d’un taux élevé de fausses alertes.

Cette thèse propose des méthodes de reconnaissance d’activités à partir de données radar non conventionnelles, permettant un suivi précis des mouvements des personnes âgées tout en préservant leur intimité.
Les travaux portent sur l’extraction de caractéristiques pertinentes à partir de spectrogrammes radar et sur le développement de modèles de classification performants pour l’identification de l’activité quotidienne.

Un jeu de données multimodal expérimental a été constitué afin de soutenir l’analyse et l’évaluation des modèles. L’optimisation des approches et la fusion des résultats des modèles ont permis d’atteindre un taux de reconnaissance des activités proche de 95%,
démontrant la robustesse et l’efficacité des méthodes développées. Ces résultats ouvrent des perspectives concrètes pour l’amélioration des systèmes de téléassistance et la prévention des chutes.

Au-delà de ces applications, ce travail illustre le potentiel des technologies radar pour l’étude des activités humaines et ouvre de nouvelles pistes pour la recherche en suivi comportemental et analyse biomécanique.

Abstract

Gait Recognition and Fall Prediction with Deep-Learning on Micro-Doppler Signatures

Falls among elderly people represent a major public health challenge, resulting each year in France in a substantial number of deaths and hospitalisations.
Although teleassistance systems have been deployed to mitigate these risks, their effectiveness remains limited due to a high rate of false alarms.

This thesis presents methods for activity recognition using unconventional radar data, enabling precise monitoring of elderly people’s movements while preserving their privacy.
The work focuses on the extraction of relevant features from radar spectrograms and the development of robust classification models for identifying daily activities.

An experimental multimodal dataset was created to support the analysis and evaluation of the models.
Optimisation of the approaches and fusion of model outputs achieved an activity recognition rate of approximately 95%, demonstrating the robustness and effectiveness of the proposed methods.
These results provide concrete prospects for improving teleassistance systems and preventing falls.

Beyond these applications, this work highlights the potential of radar technologies for the study of human activities and opens new avenues for research in behavioural monitoring and biomechanical analysis.

Composition du jury

Rapporteurs :

• Mme Iness AHRIZ Maîtresse de conférences, HDR, Conservatoire National des Arts et Métiers Paris, CEDRIC
• Mme Catherine DEZAN Maîtresse de conférences, HDR, Université de Bretagne Occidentale, Lab-STICC

Examinateurs :

• Mr Hedi TABIA Professeur, Université Paris-Saclay, IBISC
• Mr Rémi DUBOIS Professeur, Université de Bordeaux, IHU LIRYC
• Mr Thanh Phuong NGUYEN Professeur, Université of Côte d’Azur, I3S

Encadrant :

• Mr Petr DOBIÁŠ Maître de conférences, CY Cergy Paris Université, ETIS

Co-directeur :

• Mr Ngoc-Son VU Maître de conférences, HDR, ENSEA, ETIS

Directeur :

• Mr Olivier ROMAIN Professeur, CY Cergy Paris Université, ETIS

Invités :

• Mr David GUYARD CEO, BlueLinea
• Mr Julien LE KERNEC Maître de conférences, HDR, University of Glasgow, ETIS

Date et lieu de soutenance

• 12 janvier 2026, 14h
• CY Cergy Paris Université, Auditorium de la Maison de la Recherche Annie-Ernaux