This research proposes sliding window fall detection match (SW-FDM), a rule-based fall detection method based on event pattern matching from the human body posture image streams. Fall and post-fall (long lie) rules are expressed as a pattern, and complex event processing (CEP) systems is required to process them in a temporal ordering relationship as well as in a large scale of streams. Those patterns can be detected with event selection strategies such as Skip Till Next Match, and Skip Till Any Match. However, existing strategies generate either duplicate or missing alarms. In addition, processing cost is a severe problem when the size of event streams is large. SW-FDM applies a concept of sliding window, so it is able to detect correct matches constantly, and it reduces processing cost without a duplicate computation. The experiment proved that SW-FDM results in a more accurate and efficient performance. Also, it was shown that the improvement of efficiency becomes greater as an increasingly larger size of data sources are sent to the implemented CEP systems.
본 연구는 사람의 자세 이미지 스트림으로부터 이벤트 패턴 매칭에 기반한 룰 기반 낙상 감지 방법인 sliding window fall detection match (SW-FDM)을 제안한다. 낙상과 낙상 후 바닥에 쓰러져 있는 기간(long lie)에 관한 룰은 패턴으로 표현이 가능하며 복합 이벤트 처리(Complex Event Processing) 시스템을 통해 순차적 패턴 감지와 대용량의 스트림 분석이 실시간으로 가능하다. 이러한 패턴은 Skip Till Next Match, Skip Till Any Match 등과 같은 이벤트 선택 전략(Event Selection Strategy)을 통해 감지가 가능하다. 하지만 기존의 이벤트 선택 전략을 사용하여 낙상감지를 수행할 경우 모든 낙상을 찾아주지 못하거나 혹은 중복적인 결과를 내어주면서 처리비용이 높아지는 문제가 있다. 본 연구에서 제안하는 방식은 슬라이딩 윈도우 개념을 적용하여 모든 결과를 내어주면서 중복 없이 처리 비용을 감소시키는 장점을 가진다. 실험적으로 제안하는 방식이 기존의 방식에 비해 높은 정확성과 효율성을 보임을 입증하였고, 데이터의 크기가 커질수록 효율성 향상의 정도도 따라 커짐을 보였다.
