W ostatnich latach obserwuje się wzrost zainteresowania zagadnieniem rozpoznawania akcji oraz jedną z jego dziedzin jaką jest detekcja upadku. Wzrost średniej długości życia stanowi wyzwanie dla społeczeństwa do adaptacji pod kątem potrzeb osób starszych. Trudności związane z popularyzacją obecnych systemów detekcji upadku wiążą się z niedoskonałością istniejącej technologii, a w szczególności z dużą liczbą fałszywych alarmów.
W ramach niniejszej pracy opracowano, przebadano oraz zaimplementowano algorytmy umożliwiające detekcję upadku na podstawie sekwencji obrazów oraz bezprzewodowego sensora inercyjnego noszonego przez użytkownika. Przebadano i wybrano zestaw cech pozwalający na klasyfikację pozy w jakiej znajduje się osoba, jak i akcji, która jest przez nią wykonywana. Zaproponowano też algorytmy detekcji i śledzenia postaci oraz rozmyty system detekcji upadku, będący hierarchią układów wnioskujących, umożliwiający łatwą analizę bazy wiedzy przez eksperta.
Przeprowadzone eksperymenty oraz zaprezentowane wyniki, dowodzą, że opracowane algorytmy detekcji upadku wykorzystujące obrazy głębi pozwalają na uzyskanie wskaźników jakościowych świadczących o wysokiej czułości i swoistości. Wykorzystanie informacji o kontekście poprawia skuteczność detekcji upadku.
Fall detection and selected action recognition using image sequences
Recently, more and more researches focus on the action recognition task, especially on the detection of fall accident for the elderly. Due to significant increase of life expectancy in developed countries, adaptation to elderly needs has become a major challenge that society must take up. However, despite many efforts undertaken the existing technology has not become widely used among the elderly, mainly because of its flaws: low precision, large number of false alarms, inadequate privacy preservation during the data acquisition and processing.
This thesis demonstrates how to accomplish reliable fall detection using sequences of depth maps and inertial measurement units. A set of features that allows to classify human pose and action performed was selected and evaluated. Algorithms for person detection and tracking were proposed. A fuzzy inference system for fall detection was proposed, which allows to achieve high performance of detection. The fuzzy system consists of two input Mamdani engines and a triggering alert Sugeno engine, providing great reduction in the number of fuzzy rules.
The experimental results indicate high sensitivity and specificity of fall detection. Proposed methods were designed with consideration of low computational cost, which allows to implement the system on ARM based embedded platform.