Modelado de Datos para la Detección de Caídas en Sistemas Basados en Visión

Abstract

[spa] Este trabajo propone la elaboración de un sistema capaz de detectar caídas, el cual será utilizado en las residencias de la empresa Fundación Amadip Esment para monitorizar personas que, por diferentes motivos (discapacidad física, sensorial o intelectual), requieren de un apoyo constante. La finalidad de este sistema es la de otorgar una cierta autonomía a las personas que cuidan a los residentes, pero también proporcionar esta autonomía al residente. Esto permite que dicho interno se sienta con menor dependencia y, además, con una mayor seguridad ya que si cae, el sistema lanzará una señal de aviso al sanitario responsable del área; todo esto con una monitorización no intrusiva para el paciente. Para ello, se analizaron diferentes sistemas de detección que existen actualmente, mostrando sus ventajas e inconvenientes, para así identificar qué características necesita el sistema. En este documento se describe el proceso de obtención de datos y el empleo de algoritmos para procesar las imágenes obtenidas mediante cámaras Intel de profundidad que se utilizarán para monitorizar a los residentes las 24 horas del día. Una vez que se capturan estas imágenes se aplican algoritmos para realizar tres acciones fundamentales en el sistema: pre-procesamiento y segmentación de imágenes, clasificación de estas en cuatro estados y, por último, el seguimiento de personas y detección de caídas. Se realizaron simulaciones de caída en un entorno controlado hasta conseguir un patrón de detección que se utilice como base para disminuir al máximo el número de falsos positivos. El sistema se ha entrenado con las caídas más frecuentes como son las frontales, traseras y laterales, lográndose un acierto superior al 90%. Además de llegar a aumentar el acierto del sistema, como trabajo futuro se pretende refinar el algoritmo de detección de caídas. Este sistema podría contribuir en el desarrollo de nuevas investigaciones sobre la detección de caídas, ya sea por la obtención de nuevos datos o por su publicación.

[eng] This work proposes the development of a fall detection system that will be used in the residences of the Amadip Esment Foundation to monitor people who, for different reasons (physical, sensorial or intellectual disability), require constant support. The purpose of this system is to grant a certain autonomy of people who cares for the residents, but also to provide this autonomy to the resident. This allows to the resident to feel less dependent and, moreover, with greater security since if he falls, the system will send a warning signal to the monitor responsible for the area; all this with a non-intrusive monitoring for the patient. For this, different detection systems that currently exist were analyzed, detecting their advantages and disadvantages, in order to identify what characteristics needs the system. It describes the data collection process and the use of algorithms to process the images obtained by Intel depth cameras that will be used to monitor residents 24 hours a day. Once these images are captured, algorithms are applied to perform three fundamental actions in the system: pre-processing and segmentation of images, classifying them into four states and, finally, tracking peo- ple and detecting falls. Drop simulations were performed in a controlled environment to achieve a detection pattern that is used as a basis to minimize the number of false positives. The system has been trained with the most frequent falls such as front, rear and side falls, achieving a hit of more than 90%. In addition to increasing the success of the system, as future work it is intended to refine the fall detection algorithm. This system could contribute in the field of automatic fall detection, both by publishing it and by gathering information