A surveillance algorithm for fall detection and initiation of an e-mail

Abstract

Nüfus ile ilgili örüntüler göz önünde bulundurulduğunda dünyanın yaşlanan bir topluluk olduğu görülmektedir. Bireyler özgürlüklerini yitirmeden ve özel alanlarının ihlali olmadan kendi yaşam alanlarında yaşlılık dönemlerini geçirmek istemekteler. Yaşın ilerlemesi sonucu bireyler kaslarında, yürüyüşlerinde ve dengelerindeki kontrolü yitirmekteler. İstatistiki olarak 65 yaşını geçen her üç bireyden biri beklenmedik biçimde düşmektedir. Bu proje yaşlı bireylerin evde düşme sorununa odaklanmaktadır. İhtiyaç anında destekli yaşam çok önemli bir gereksinimdir. Uyku sırasında destek karmaşık bir konu olduğu için bu proje otururken ya da ayaktayken, düşme meydana gelirse ihtiyaç duydukları yardıma kavuşmalarını kapsamaktadır. Bu proje görüntü işleme yöntemi yoluyla bireylerin özel alanlarında yaşlanmalarına destek olmayı amaçlamaktadır. Gösterilen yaklaşım, ürün çıkarılabilmesi için düşme algoritması alanında bir veri analizi ve programlama olarak tanımlanabilir. Sistem hareket eden cismin asgari sınırlayan dikdörtgenini, en-boy oranını, ağırlık merkezini ve köşegen açısını analiz etmektedir. Literatürde bulunan düşme algoritmaları çözümünde yüksek hafıza kullanımına ihtiyaç duyan yöntemler ile odaktaki kişiyi seçme çalışması yapmaktadır. Bu çalışmada düşmenin kesinlikle bir hareket içermesi göz önünde bulundurularak hareketsiz kişilerin ayrıştırılması algoritmaya eklenmemiştir. Odaktaki kişi resim farkı alınarak bulunmuştur. Ancak bu teknikle, ikili resimdeki gürültü oranı artmıştır. Bu yeni durum fark resmine Gaussian filtresi uygulanarak aşılmıştır. Deney kısıtları olması sebebiyle yeterli derecede istatistiksel sonuç sunulamamaktadır. Literatürden alınan düşme ile ilgili senaryolar bölüm 2.7.4'te sunulmuş ve her kategori için bir video kaydedilmiştir. Senaryolar 4 toparlanma ve 5 düşme benzeri durum ile birlikte toplamda 20 adettir. Videolar içerisinde sadece 11 tanesi gerçek düşme içermektedir ve onu için sonuç doğru pozitiftir. Geriye kalan kategoriler 9 tanedir ve sadece bir tanesi yanlış pozitif sonucu vermektedir. Sonuç olarak doğru pozitif oranı yüzde 91 ve yanlış pozitif oranı yüzde 11,1dir.

Demographic patterns are demonstrating that the world is a maturing society. Advances in medical treatments extend people's life spans. Elderly care is a burden on families' and states' budget. Moreover, elder people want to age in their place without the breach of their privacy and losing independency. Statistically unexpected falls happen to one third of individuals in excess of 65. This thesis focuses on fall problem on elderly, who age at their place. Smart assisting for elderly is an essential need for health care and emergency response when needed. Since sleep assistance is a complex subject, this project covers only the part that, if they fall while standing or sitting they would get help. Thus this thesis aims to help people age in their place by providing fall detection via image processing. The approach can be described as data analysis and programming an algorithm in the area of fall detection. The system analyzes minimum bounding rectangle of a moving object, considers aspect ratio, centroid and diagonal angle. In the literature fall algorithms use computationally expensive algorithms to distinguish the focused person in the image. In this study distinguishing an inactive person is not included considering that a fall necessarily contains motion. The person of interest is distinguished with image differencing. However this technique amplifies the noise in the binarized image. This issue is eliminated using Gaussian filtering on differenced image. Due to experiment constraints an adequate amount of statistics was not possible to collect. However human movements can be imitated with computer software literally. For academic purposes open access to this software can make statistics available for fall algorithms. A series of scenarios of fall is presented in section 2.7.4 and for each category a sample was recorded. Scenarios are a total of 20 with 4 recoveries and 5 fall-like cases. Among them only 11 are real fall cases and they are all detected as true positives besides one. The rest 9 cases are either with recovery or fall like cases and only one of them gives a false positive alarm. Hence the true positive percentage is 91 per cent while the false positive ratio is 11, 1 per cent.