D'après les statistiques, près du tiers des personnes de 65 ans et plus tombent au moins une fois par année, causant ainsi 60 % des blessures dans ce groupe d'âge. En plus des dommages physiques, ces chutes peuvent causer un impact psychologique dû à la peur de tomber à nouveau. En conséquence, même sans blessure, une chute peut entrainer une perte de confiance et une réduction de la mobilité. Ainsi, ce constat souligne le besoin de fournir des moyens de prévention des chutes.

Aux meilleures de notre connaissance, bien qu'il existe de nombreux programmes de prévention de chute, il semble qu'aucun d'entre eux ne fournisse une assistance en temps réel aux personnes à risque de chute. Dans cette optique, deux chercheurs de l'UQAC ont développé une chaussure instrumentée qui permet la détection des risques et l'avertissement à l'utilisateur. Ainsi, ce mémoire s'intéresse à la capacité de ce système pour la détection et l'avertissement. Plus particulièrement, la problématique abordée est de prévenir une chute lors de la marche d'une personne âgée. Elle est abordée sous trois volets :​ la détection, l'avertissement, et l'apprentissage.

Dans le premier volet de ce mémoire, différents facteurs affectant le risque de chutes sont exposés, incluant le type de sol, l'angle du sol, la température extérieure, le taux d'humidité, la fatigue, la médication, la peur de tomber et l'équilibre. Néanmoins, un intérêt particulier est porté sur la démarche, l'un des principaux facteurs de chutes. Ainsi, pour définir le niveau de risque de chute associé à la démarche de l'utilisateur, trois algorithmes sont présentés et évalués. Dans le premier, soit le modèle STAT, certains paramètres de la démarche sont comparés avec leur moyenne statistique respective. Ainsi, plus le pas est différent de la démarche normale de l'utilisateur, plus l'indice de risque augmente. Les deux autres algorithmes, les modèles ANN-RT et ANN-S, utilisent un réseau de neurones pour traiter quatre paramètres de la démarche. La différence entre ces deux modèles réside dans la sélection des paramètres :​ alors que le modèle ANN-RT utilise des paramètres calculés sur une courte période (dix millisecondes), le modèle ANN-S calcule les paramètres à partir d'une enjambée complète. Par deux évaluations, les trois algorithmes ont démontrés leur capacité à déceler de grands changements dans la démarche ainsi que leur habileté à détecter des variations de la démarche induites par une diminution de l'acuité visuelle. Les résultats préliminaires confirment ainsi l'utilisation des trois algorithmes.

Le deuxième volet de ce mémoire s'intéresse à l'avertissement du niveau de risque via des stimuli tactiles sous les pieds, déchargeant ainsi les canaux visuels et auditifs. Plus particulièrement, les travaux sont orientés vers une étude de la perception tactile sous les pieds afin de sélectionner un ensemble de messages tactiles facilement différentiables. Pour ce faire, une carte perceptuelle est d'abord obtenue par une analyse par échelonnement multidimensionnel (Multidimensional scaling), de laquelle six messages tactiles les plus différentiables sont extraits. Le test de validation effectué sur cet ensemble montre un taux de reconnaissance des messages supérieur à 50 % pour un temps d'apprentissage moyen de moins de quatre minutes, ce qui démontre l'utilité de la technique pour la sélection de messages tactiles différentiables.

Le troisième volet s'attaque à l'apprentissage et la reconnaissance des messages tactiles. Pour ce faire, il est proposé de dissimuler à l'intérieur d'un jeu sérieux un programme d'entrainement journalier destiné à l'apprentissage d'un grand nombre de messages tactiles et à l'amélioration de la vitesse de reconnaissance de ces derniers. Le jeu est composé en trois parties :​ les activités, la récompense, et l'association des messages. Ainsi, par les différentes activités journalières planifiées, le joueur est invité à reconnaître la signification des messages tactiles présentés. De plus, pour augmenter l'engagement de l'utilisateur, une récompense sous forme de mots croisés est donnée en fonction du taux de succès et de la constance du joueur. Une version simplifiée du jeu a été testée auprès de quatre participants pendant huit jours. Durant cette période, une augmentation de la vitesse de reconnaissance des tactons a été observée.

En résumé, les travaux présentés dans ce mémoire présentent les bases pour l'utilisation d'une chaussure intelligente visant à fournir une assistance immédiate aux personnes à risque de chute. Il a été démontré, par trois algorithmes, qu'un niveau de risque de chute peut être obtenu par l'analyse des anomalies de la démarche. De même, l'étude perceptuelle a validé l'emploi de messages tactiles pour la communication du niveau de risque de chutes. Elle a également approuvé l'utilisation d'une carte perceptuelle pour la sélection de messages tactiles différentiables. Pour finir, le jeu sérieux présenté propose un programme d'entrainement complet pour l'apprentissage de messages tactiles, une étape essentielle avant l'utilisation d'une telle chaussure dans un environnement non contrôlé. De ce fait, les travaux futurs pourront se concentrer sur l'amélioration du système, notamment par l'ajout de différents capteurs et actionneurs ainsi que par l'étude et la détection des différents facteurs de risques énoncés dans ce mémoire.