跌倒偵測系統

 

智慧城市在物聯網技術的發展之下,將各種不同技術系統做資訊整合,達成環境輔助生活的目標,進而提升我們的生活品質,且鏡頭模組在居家的重要性逐漸增加中,行為控制與辨識更加符合智慧家庭需求的方案。近幾來年,隨著老年人口的增加,居家照護也在現代逐漸的受到重視,跌倒偵測已經成為了家庭護理的一個重要課題,本實驗室開發了三套基於傳統演算法與深度學習的跌倒偵測交互結合之設計,可解決跌倒事件的發生,詳細內容如下:

 

一、           基於SABM前景切割演算法的跌倒偵測系統

 

使用簡易背景更新模型、物件標籤、群組化、追蹤與阻塞情況的解決方案來構成一個追蹤物件開發平台如圖1所示,透過這個追蹤物件開發平台提供追蹤物件的前景區塊、物件邊緣、物件軌跡等等的資料給後續開發者進行各項開發,並針對阻塞情況進行修正,提出有效解決方案,達到更加理想的追蹤效果。

我們使用前景切割後的物件前景區塊、物件長寬資訊與物件的存在時間等資訊,利用物件長寬資訊可以算出物件的重心位子,並且擁有著物件的長寬比,這長寬比與重心的便動量將成為我們判斷跌倒的根據。

1、基於SABM前景切割演算法的跌倒偵測系統



影片展示:

 

二、           基於Kinect v23D骨架跌倒檢測系統

 

隨著深度學習技術的發展,透過神經網路來判別跌倒檢測比起透過傳統演算法來的更加可靠、準確,此方法透過Microsofts Kinect v2的骨架擷取SDK,利用隨機森林演算法,將骨架資訊節取出來,並使用NTURGB+D的資料集來對神經網路進行訓練,將一段序列的骨架資訊透過神經網路來進行跌倒偵測如圖2所示。

 



影片展示:

2、基於Kinect v23D骨架跌倒檢測系統

 

三、           基於3D骨架擷取演算法之深度學習跌倒偵測系統

 

由於Kinect V2的骨架擷取SDK,需支援Windows系統才能使用,不太便利,我們提出了一套將傳統擷取骨架資訊演算法與AI技術相互結合之跌倒偵測系統如圖3所示,此方法提出一套骨架資訊提取演算法,利用具有深度資訊的攝影機(此處使用Kinect V2來獲得深度資訊),將深度資訊轉化為高維的骨架資訊,透過神經網路來對此骨架資訊進行跌倒偵測,該方法在NTU RGB+D上具有高精度和棒性。此系統可以在NVIDIA Jetson Tx2上實現,且具有即時處理功能。

3、基於3D骨架擷取演算法之深度學習跌倒偵測系統



影片展示:

論文發表:

T. Tsai and C. Hsu, "Implementation of Fall Detection System Based on 3D Skeleton for Deep Learning Technique," in IEEE Access, vol. 7, pp. 153049-153059, 2019, doi: 10.1109/ACCESS.2019.2947518.