Ανίχνευση πτώσης μέσω ανάλυσης βίντεο.

Abstract

Οι πτώσεις είναι μία από τις μεγαλύτερες αιτίες ατυχημάτων για τους ηλικιωμένους ανθρώπους που μπορεί να οδηγήσουν σε περιορισμένη κινητική δραστηριότητα ή ακόμη και θάνατο. Ο σκοπός αυτής της πτυχιακής είναι η ανάπτυξη ενός συστήματος ανίχνευσης πτώσης μέσω βίντεο. Για το σκοπό αυτό, χρησιμοποιήθηκε ένα ελεύθερα διαθέσιμο σύνολο δεδομένων βίντεο, το οποίο περιέχει καθημερινές δραστηριότητες διαβίωσης και προσομοιώσεις διαφορετικών ειδών πτώσεων (π.χ. πλάγια πτώση, εμπρόσθια πτώση, κλπ). Για το σκοπό της αποτελεσματικότερης χρήσης των χαρακτηριστικών γνωρισμάτων που εξάγαμε, τέσσερις από τις οκτώ κάμερες επιλέχθηκαν από το ελεύθερο σύνολο δεδομένων των βίντεο. Το πρώτο βήμα για την ανίχνευση πτώσεων αποτελεί την ανίχνευση του κινούμενου ατόμου μέσα στην ακολουθία του κάθε βίντεο. Έτσι θα πρέπει να γίνει διαχωρισμός του στατικού φόντου από το μη-στατικό. Για την επίτευξη αυτού του βήματος, μπορεί να χρησιμοποιηθεί μία απλή μέθοδος, η οποία θεωρεί ότι η πρώτη εικόνα του βίντεο είναι και το στατικό φόντο και έπειτα να γίνει μία απλή αφαίρεση των τιμών των εικονοστοιχείων των επόμενων εικόνων της ακολουθίας του βίντεο με την πρώτη εικόνα, όπου αν το αποτέλεσμα της αφαίρεσης μεταξύ των τιμών αυτών δεν είναι ίσο με το 0, τότε θεωρεί ότι το κινούμενο άτομο έχει ανιχνευθεί. Η συγκεκριμένη προσέγγιση έχει πολύ φτωχά αποτελέσματα στις δυναμικές σκηνές και για αυτό το λόγο στην πτυχιακή αυτή χρησιμοποιήθηκε μία πιο προηγμένη τεχνική που είναι βασισμένη σε μίγμα από Gaussians. Έπειτα, το επόμενο βήμα είναι η παρακολούθηση του εντοπισμένου πλέον κινούμενου αντικειμένου (δηλαδή του ατόμου), η οποία επιτυγχάνεται με την χρήση δύο διαφορετικών μεθόδων, με διαφορετικά αποτελέσματα η καθεμία. Η πρώτη μέθοδος που χρησιμοποιήθηκε ήταν το φίλτρο Kalman, για την παρακολούθηση του κέντρου μάζας του κινούμενου αντικειμένου και την εξαγωγή των διανυσμάτων ταχύτητας του. Η δεύτερη μέθοδος ήταν η dense optical flow, από την οποία υπολογίστηκαν τα διανύσματα ταχύτητας ολόκληρης της μάζας του κινούμενου αντικειμένου. Έπειτα από την επεξεργασία των επιλεγμένων βίντεο, ώστε να ταιριάζουν στις απαιτήσεις μας, χρησιμοποιήθηκε ένα εργαλείο επισήμανσης για την εποπτευόμενη, μη-αυτοματοποιημένη επισήμανση των καρέ του κάθε βίντεο, το οποίο αντιπροσωπεύει την πραγματικότητα, ώστε να μπορέσει να πραγματοποιηθεί η σωστή αξιολόγηση του συστήματος της πτυχιακής. Για την αξιολόγηση του συστήματος αυτού, χρησιμοποιήθηκε η τεχνική 10-Fold Cross Validation, καθώς και μία μέθοδος διάσπασης ποσοστού (percentage split). Η μέθοδος διάσπασης ποσοστού αποτελείται με την σειρά της από δύο σενάρια, το 33% σετ εκπαίδευσης και 66% σετ δοκιμής και το 66% σετ εκπαίδευσης και 33% σετ δοκιμής. Τα αποτελέσματα της πτυχιακής έδειξαν ότι η μέθοδος με Optical Flow αποδίδει καλύτερα αποτελέσματα από την μέθοδο με το φίλτρο Kalman. Επίσης, το σενάριο της διάσπασης ποσοστού με 66% σετ εκπαίδευσης και 33% σετ δοκιμής, παρουσιάζει πιο βέλτιστα αποτελέσματα και από την 10-Fold Cross Validation μέθοδο, καθώς και από την περίπτωση διάσπασης ποσοστού με 33% σετ εκπαίδευσης και 66% σετ δοκιμής. Ο αλγόριθμος κατηγοριοποίησης που παράγει αυτά τα βέλτιστα αποτελέσματα είναι ο Sequential Minimal Optimization (SMO).

Falls are one of the greatest causes of accidents for elderly people that can result in limited activity or even death. The purpose of this thesis is the development of a video-based fall detection system. For this purpose, videos of simulated falls from a freely available video dataset with everyday living activities and different kinds of falls were used. For the purpose of using effectively the features extracted, four of the eight cameras were selected from the dataset. A first step in fall detection concerns the detection of moving person within the video sequence, the so called background-foreground subtraction. For this a simple method is to assume that the first frame of the video is in fact the background and then perform a subtraction between the pixel values of that first frame with the following ones, but this approach has poor results in dynamic scenes, so in our approach the mixture of Gaussians subtraction algorithm, which is a more advanced technique, was used. Then, the moving object (i.e. the person) tracking occurs by using two different methods that result in different outputs. The first method used was the Kalman filter in order to compute the center of mass and the second method used was the dense optical flow velocity vectors. For the evaluation of our system the 10-Fold Cross Validation technique was used, as well as a percentage split method. The percentage split scenario consists of a 33% train and 66% test case and a 66% train and 33% test case. The results obtained showed that the Optical Flow method performs better than the Kalman filtering approach, as well as that the percentage split scenario of the 66% train and 33% test case presents better results than both the Cross Validation technique and the 33% train and 66% test case respectively. The classification algorithm that produces those best results is the Sequential Minimal Optimization (SMO) algorithm.