転倒検出システムの目標は、人間の転倒とそれに伴う負傷の可能性を自動的に検出することです。このようなシステムの自然な応用例として、病人や高齢者の家庭監視があり、転倒による傷害が発生した場合に自動的に親族や当局に通報することができます。我々は、Kinectをベースとした統計的手法を提案します。この手法は、人が転倒するフレーム数、転倒の幅度、転倒時の最大速度、および転倒過程でのフレームごとの速度低下を考慮し、最後の数フレームに基づいて判断を行います。深度センサーの範囲は0.5メートルから4メートルであるため、1台のKinectでは全体の空間をカバーすることができません。我々は家庭環境に2台のKinectを設置しました。ユーザーやカメラに依存しないテストにより、我々の手法が現実生活でも適用可能であることが示されました。

実験シナリオ

本文の実験データは、テキサス大学アーリントン校のHeracleia人間中心コンピューティング研究所の実験から得られたものです。この研究所では、模擬アパートが設置されています。2台のKinectがアパートの2つの隅に設置され、アパートを監視するように設定されています。2台のKinectを設置する理由は、深度センサーの範囲が0.5メートルから4メートルであり、1台のKinectではアパート全体をカバーできないためです。下の図で、1行目はビュー1、2行目はビュー2で、左側が深度画像、右側がカラー画像です。

実験シナリオ

本文の実験データは、テキサス大学アーリントン校のHeracleia人間中心コンピューティング研究所の実験から得られたものです。

この研究所では、模擬アパートが設置されています。アパートの2つの隅に2台のKinectが設置され、アパートを監視するように設定されています。2台のKinectを設置する理由は、深度センサーの範囲が0.5メートルから4メートルであり、1台のKinectではアパート全体をカバーできないためです。

左側が深度画像、右側がカラー画像です。

実験データ

6人の被験者が2つのシナリオでそれぞれいくつかの動作を行いました。

これらの動作には、実際の転倒と、転倒に似た動作、例えば床からコインを拾う、床に座る、靴ひもを結ぶなどが含まれます。シナリオ1には10400フレームと12回の実際の転倒があり、シナリオ2には21214フレームと14回の実際の転倒があります。下表は、我々の実験での転倒に似た動作を示しています。

上表で、pfは床から物を拾うこと、tsは靴ひもを結ぶこと、sbはベッドで寝ること、sifは床に座ること、pdは床に近い下の引き出しを開けること、jbは床に飛び降りること、sfは床で寝ることを表します。下の数字は転倒の過程を示しています。

転倒の過程

注釈ファイルの形式は、Alexis view1 202 215のようになっています。Alexisはユーザー名、view1はシナリオ1を表し、202は開始フレーム、215は終了フレームです。下の数字は、典型的な転倒に似た動作である床に座る動作を示しています。

床に座る