Since fall detection is a major challenge in the public health care industry, the number of systems to detect falls has increased dramatically over recent years. It has become very important to develop intelligent surveillance systems, especially vision-based systems, which can automatically monitor and detect falls. Various algorithms have been proposed for this task, but they still have several limitations, such as narrow f ield of view and weak performance due to illumination changes.
In this research, we focus on how to construct a fall detection system, which automatically detects patient's fall events under real-world conditions for rapid provision of assistance after a fall. We adopted thermal imaging camera which simply can extract the human silhouette from background. The use of thermal imaging camera offers a new promising solution to handle the usability, night surveillance, privacy concerns.
The contribution of this research is two-fold. First, we extracted robust and discriminative features in order to learn patient's fall patterns. Our approach is based on a combination of shape-based feature, motion-based feature and intensity-based feature. Shape represents human body pose information which allows to recognize human activity. Motion gives a crucial information about fall, because no serious fall occurs without a large movement. In thermal images, intensity values involve internal patterns of human activity compared with other background regions. The methodology of support vector machine(SVM) is used in posture estimation step.
Second, we designed pan-tilt camera with two actuators in order to extend the range of view. Many
different situations occur simultaneously in real-world, and it is essential to handle multiple targets in order to detect fall events of all patients. Our system has a wide angle of view which ranges from $-55^\circ$ to $+55^\circ$ in horizontal direction and from $-32^\circ$ to $+32^\circ$ in vertical direction. It can achieve more powerful performance compared with static camera.
For qualitative analysis, we evaluated our system on two datasets with diff erent camera setting
using four performance measures(sensitivity, specifi city, accuracy and kappa coefficient). Our method outperforms the simple threshold-based system on all the measures.
공공 의료 서비스 산업에서 낙상 인식은 중요한 이슈로 여겨져, 최근 낙상을 인식하기 위한 시스템들의 수가 급격히 증가하고 있다. 지능적인 감시 시스템, 특히 자동적으로 낙상을 인식하고 감시할 수 있는 시각 기반 시스템을 개발하는 것은 매우 중요시되고 있다. 다양한 알고리즘들이 이 문제를 위해 제안되었지만 좁은 시야와 조명 변화로 인한 낮은 성능과 같은 여러 한계점들을 가지고 있다.
본 연구에서는 실제 병원 환경에서 자동적으로 환자의 낙상 사고를 감지하여 신속한 응급조치를 가능케 하는 낙상 인식 시스템을 어떻게 구축할 것인가에 대해 초점을 두었다. 배경 영역으로부터 환자의 실루엣을 추출하기 위해 열화상 카메라를 도입하였다. 열화상 카메라의 사용은 사용자 편의성, 야간 감시, 사생활 보호 문제를 처리하기 위한 새로운 해결책을 제시한다.
본 연구의 기여는 크게 두 부분이다. 첫 번째로, 환자의 낙상 행동 패턴을 학습하기 위해 강인하고 차별적인 특징들을 추출하였다. 제안하는 접근법은 외형 기반 특징, 모션 기반 특징, 열 영상 강도 기반 특징의 조합에 기반하고 있다. 외형 정보는 환자의 행동을 인지하게 해주는 신체 자세 정보를 나타내주며, 모션 정보는 어떠한 심각한 낙상도 큰 움직임 없이는 발생하지 않기 때문에 낙상에 관한 결정적인 정보를 제공한다. 열 영상에서, 강도 값은 다른 배경 영역과 비교하여 환자 영역 내부의 행동 패턴에 관한 정보를 담고 있다. 환자 자세 추정을 위해 서포트 벡터 머신(SVM) 방법이 사용되었다.
두 번째로, 보다 넓은 시야를 확보하기 위해 두 개의 액추에이터를 사용하여 팬-틸트 카메라를 설계하였다. 실제 환경에서는 많은 다양한 상황이 동시다발적으로 발생하며, 모든 환자들에 대한 낙상을 인식하기 위한 다중 대상을 고려하는 것이 필수적이다. 본 시스템은 수평 방향에 대해 $-55^\circ$ 에서 $+55^\circ$ 와 수직 방향에 대해 $-32^\circ$ 에서 $+32^\circ$ 의 범위를 가지고 있다. 이를 통해 고정형 카메라에 비해 더욱 강력한 성능을 달성할 수 있다.
질적인 결과 분석을 위해, 네 가지 성능 척도(민감도, 특이도, 정확도, Kappa 계수)를 사용하여 다른 카메라 세팅과 함께 두 가지 데이터셋에 대해 평가하였다. 제안하는 방법은 간단한 임계값 기반 시스템과 비교하여 모든 성능 척도에 대해 월등히 높은 성능을 보임을 확인하였다.
