Kamel, FadhelSalem, Adaika2022-07-072022-07-072022university of el ouedhttps://dspace.univ-eloued.dz/handle/123456789/12147mémoire master informatiqueFalls are one of the biggest threats to older adults, and they have significant psychological, physical, and financial implications. It is the leading cause of serious injuries, disabilities, hospitalizations and even death, especially if they do not receive urgent medical assistance. Response time greatly affects the effectiveness of medical interven- tion and reduces harm to the injured. As part of helping the elderly to lead their normal lives at home, smart monitoring systems have been proposed that detect falls and give alerts to health care providers. In this work, we present an instance of this system, which attempts to address the problem of fall detection through Vision-Based Deep Learning (DL) techniques. The proposed methodology uses Motion History Image (MHI) algorithm to de- termine the movement of a person through a set of frames in a (RGB) video clip. Using a Convolutional Neural Network (CNN) we will create an image classification model to detect the state of falling and not falling. The goal of the work is to correctly detect falls and reduce the number of false alarms for the system. Whereas, the accuracy rate of our model reached 95.61%.Les chutes sont l’une des plus grandes menaces pour les personnes âgées et elles ont d’importantes répercussions psy- chologiques, physiques et financières. C’est la principale cause de blessures graves, d’invalidités, d’hospitalisations et même de décès, surtout s’ils ne reçoivent pas d’assistance médicale d’urgence. Le temps de réponse affecte grandement l’efficacité de l’intervention médicale et réduit les dommages causés aux blessés. Afin d’aider les per- sonnes âgées à mener une vie normale à domicile, des systèmes de surveillance intelligents ont été proposés qui détectent les chutes et alertent les prestataires de soins de santé. Dans ce travail, nous présentons une instance de ce système, qui tente de résoudre le problème de la détection des chutes grâce à des techniques d’apprentissage en profondeur basé sur la vision. La méthodologie proposée utilise l’algorithme photos de l’historique des mouvements pour déterminer le mouvement d’une personne à travers un ensemble d’images dans un clip vidéo (RVB). À l’aide d’un réseau de neurones convolutifs , Nous avons créé un modèle de classification d’images pour détecter les chutes et les non-chutes. Le but des travaux est de détecter correctement les chutes et de réduire le nombre de fausses alarmes pour le système. Alors que le taux de précision de notre modèle a atteint 95,61frDétection de chutes, Classification, Apprentissage approfondu, basé sur la vision.Fall Detection, Classification, Deep Learning, Vision-Based.Master