ระบบตรวจจับการล้มและเคลื่อนไหวที่ไม่มั่นคงอัตโนมัติของผู้สูงอายุโดยอุปกรณ์ประมวลผลวิดีโอ
คำสำคัญ:
การดูแลผู้สูงอายุ, การจัดทำโปรไฟล์กิจกรรม, การแจ้งเตือนการล้ม, การเคลื่อนไหวที่ไม่มั่นคงบทคัดย่อ
ทีมวิจัยนำเสนออุปกรณ์ประมวลผลแบบ edge และกรอบการประมวลผลแบบคลาวด์ที่สามารถทำโปรไฟล์กิจกรรม การแจ้งเตือนการเคลื่อนไหวที่ไม่มั่นคง และการเตือนการล้มสำหรับผู้สูงอายุที่ใช้ชีวิตอยู่ที่บ้านภายใต้การดูแลของครอบครัว ระบบได้รับการออกแบบให้มีความแม่นยำในการทำงาน ใช้งานได้ง่าย และราคาไม่แพง การทดสอบแต่ละโมดูลและการทดสอบภาคสนามกับครอบครัวอาสาสมัครแสดงให้เห็นว่าระบบต้นแบบพร้อมสำหรับการนำไปใช้ประโยชน์ในเชิงพาณิชย์ในขั้นต่อไป
เอกสารอ้างอิง
Al-Aama, T. (2011). Falls in the elderly: spectrum and prevention. Canadian Family Physician, 57(7), 771-776.
Anderson, D., Keller, J. M., Skubic, M., Chen, X., & He, Z. (2006). Recognizing falls from silhouettes. In 2006 International Conference of the IEEE Engineering in Medicine and Biology Society (pp. 6388-6391). IEEE.
Cao, Z., Hidalgo, G., Simon, T., Wei, S. E., & Sheikh, Y. (2019). OpenPose: realtime multi-person 2D pose estimation using Part Affinity Fields. IEEE Transactions on Pattern Analysis and Machine Intelligence, 43(1), 172-186.
Chung, J., Ozkaynak, M., & Demiris, G. (2017). Examining daily activity routines of older adults using workflow. Journal of Biomedical Informatics, 71, 82-90.
Chung, P. C., & Liu, C. D. (2008). A daily behavior enabled hidden Markov model for human behavior understanding. Pattern Recognition, 41(5), 1572-1580.
Ghorbani, S., Mahdaviani, K., Thaler, A., Kording, K., Cook, D. J., Blohm, G., & Troje, N. F. (2020). Movi: A large multipurpose motion and video dataset. arXiv preprint. https://arxiv.org/abs/2003.01888
Karim, N. T., Jain, S., Moonrinta, J., Dailey, M. N., & Ekpanyapong, M. (2018). Customer and target individual face analysis for retail analytics. In 2018 International Workshop on Advanced Image Technology (IWAIT) (pp. 1-4). IEEE.
Li, C., Zhong, Q., Xie, D., & Pu, S. (2017). Skeleton-based action recognition with convolutional neural networks. In 2017 IEEE International Conference on Multimedia & Expo Workshops (ICMEW) (pp. 597-600). IEEE.
Lin, T. H., Yang, C. Y., & Shih, W. P. (2017). Fall prevention shoes using camera-based line-laser obstacle detection system. Journal of Healthcare Engineering. Article 8264071.
Mubashir, M., Shao, L., & Seed, L. (2013). A survey on fall detection: Principles and approaches. Neurocomputing, 100, 144-152.
Pumpinyo, S., & Koocharoenprasit, S. (2020). A Survey of Leisure Activities that the Elderly Desire. Journal of Advanced Research in Social Sciences, 3(3), 14-19.
Stone, E. E., & Skubic, M. (2011). Evaluation of an inexpensive depth camera for passive in-home fall risk assessment. In 2011 5th International Conference on Pervasive Computing Technologies for Healthcare (PervasiveHealth) and Workshops (pp. 71-77). IEEE.
Wang, J., Liu, Z., Wu, Y., & Yuan, J. (2012). Mining actionlet ensemble for action recognition with depth cameras. In 2012 IEEE Conference on Computer Vision and Pattern Recognition (pp. 1290-1297). IEEE.
Wojke, N., Bewley, A., & Paulus, D. (2017). Simple online and realtime tracking with a deep association metric. In 2017 IEEE International Conference on Image Processing (ICIP) (pp. 3645-3649). IEEE.
Xiao, B., Wu, H., & Wei, Y. (2018). Simple baselines for human pose estimation and tracking. In Proceedings of the European Conference on Computer Vision (ECCV) (pp. 466-481).
Yen, H. Y., & Lin, L. J. (2018). Quality of life in older adults: Benefits from the productive engagement in physical activity. Journal of Exercise Science & Fitness, 16(2), 49-54.
Zhang, K., Zhang, Z., Li, Z., & Qiao, Y. (2016). Joint face detection and alignment using multitask cascaded convolutional networks. IEEE Signal Processing Letters, 23(10), 1499-1503.
Zhang, S., Liu, X., & Xiao, J. (2017). On geometric features for skeleton-based action recognition using multilayer lstm networks. In 2017 IEEE Winter Conference on Applications of Computer Vision (WACV) (pp. 148-157). IEEE.
Zhou, Z., Chen, X., Chung, Y. C., He, Z., Han, T. X., & Keller, J. M. (2008). Activity analysis, summarization, and visualization for indoor human activity monitoring. IEEE Transactions on Circuits and Systems for Video Technology, 18(11), 1489-1498.
Zhou, Z., Dai, W., Eggert, J., Giger, J. T., Keller, J., Rantz, M., & He, Z. (2009). A real-time system for in-home activity monitoring of elders. In 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society (pp. 6115-6118). IEEE.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
บทความที่ปรากฏในวารสารกิจการสื่อสารดิจิทัล เป็นลิขสิทธิ์ของสำนักงาน กสทช. ซึ่งสำนักงาน กสทช. เปิดโอกาสให้สาธารณะหรือบุคคลทั่วไปสามารถนำผลงานไปเผยแพร่ คัดลอก หรือตีพิมพ์ซ้ำได้ ภายใต้สัญญาอนุญาตแบบเปิด (Creative Commons: CC) โดยมีเงื่อนไขสำหรับผู้ที่นำผลงานไปใช้ต้องระบุอ้างอิงแหล่งที่มา (Attribution: BY) ห้ามดัดแปลง (NoDerivatives: ND) และต้องไม่ใช้เพื่อการค้า (NonCommercial: NC) เว้นแต่ได้รับอนุญาตเป็นลายลักษณ์อักษรจากสำนักงาน กสทช.
อนึ่ง ข้อความ ตาราง และภาพที่ปรากฏในบทความซึ่งได้รับการตอบรับให้ตีพิมพ์และเผยแพร่ในวารสารนี้เป็นความคิดเห็นของผู้นิพนธ์ โดยไม่ผูกพันต่อ กสทช. และสำนักงาน กสทช. หากมีความผิดพลาดใด ๆ ผู้นิพนธ์แต่ละท่านต้องรับผิดชอบบทความของตนเองแต่เพียงผู้เดียว ไม่เกี่ยวข้องกับ กสทช. และสำนักงาน กสทช. แต่ประการใด
