Video - based fall detection in elderly’s houses

Abstract

NORSK: Automatisk oppdagellse av en fallende person som blir basert påvideoanalyse er et viktig problem med anvendelse i sikkerhetsområder samt støttende hjemmiljøer og gamlehjem. Bruken av datavisjonssystemer byr en god løsning til åanalysere menneskeppfrsel og til åoppdage noen uvanlige hendelser. Sammenliknet med klassisk metoder som bruker sensorløsninger, video-basert metodene forbedret prestasjonen med lave kostnader og gir mer funkjsonalitet. I dette prosjektet utviklet vi en metode til åobservere mennesket som faller i et gamlehjem. Den foreslåtte metoden er video-basert og det inkluderer hovedsakelig et nettverkswebbkamera (axis 207w), avbildeprosess, lyd-analyse og anerkjennelsesalgoritmer. Bare et kamera er brukt og et ferskt klassifikasjonskjennetegn er trukket ut fra kamerabilder, den tilknyttete anerkjennelsen algoritme for fallende hendelsesoppdagelse er implementert. Vår metode er basert påen kombinasjon av mange trekte ut (ekstakt) kjennetegn fra forgrunnene segmenteringene avbilder. De trekte ut (ekstrakt) kjennetegnene er : aspektforhold etter X - Y projeksjoner, høyde av midtpunktet av massen, bevegelse kvantitet, bevegelse historieavbilde, orientering, hastighet, major og minor akse. I tillegg blir audiosporet av videoen ogsåbrukt til åskille mellom fallbegivenhet fra andre begivenheter. De ekstrakt funksjoner fra lydsporet er det variasjon og null-krysset rate. Vår metode kombinerer alt for ågi bedre avgjørelse i riktig tid. Systemet er implantert i MATLAB, og gir gode resultater påden eksperimentale datasets. Den eksperimetale datasett er laget individuelt og resultatet er til stede ved slutten av denne raport.

ENGELSK: Automatic detection of a falling person based on video analysis is an important problem with application in safety areas including supportive home environments and elderly’s houses. The use of computer vision systems offers a good solution to analyze people behavior and detect unusual events. Compared to classical methods that use sensorsbased solutions, the video-based methods improve the performance with lower costs and give more functionality. In this project we have developed a method to detect a human falling event in elderly’s houses. The proposed method is video-based and its mainly includes a network web camera (axis 207w), image processing, audio analysis and recognition algorithms. Only one camera is used and novel classification features are extracted from the camera images. Our method is based on a combination of several features extracted from the foreground segmentation images. The extracted features are: aspect ratio after X-Y projections, height of the center of mass, motion quantity, motion history image (MHI), orientation, speed, major axis and minor axis. In addition, the audio track of the video is also used to distinguish a fall event from other events. The extracted features from audio track are the variation and zero-crossing rate. Our method combines all these features to get better decision in real time. The system is implanted in MATLAB, and gives good results on the experimental datasets. The experimental datasets was made individually and the results are presented at the end of the report.