使用深度學習物件辨識與動作識別進行居家跌倒偵測之研究

Abstract

近幾十年來，隨著人口老齡化，台灣已進入高齡社會。根據衛生福利部資料指出，跌倒意外已成為長者意外傷害死亡的第二大原因，且跌傷後就醫比例僅8%，長者發生跌倒意外事件已成為不可忽視的議題。因此為了改善低就醫比例之問題，本論文提出一種監控式影像居家跌倒偵測系統，其透過重新訓練後之物件辨識模型偵測畫面中人物，之後進行動作判斷，並且依照判斷的方式分為二種演算法，分別為使用SVM進行動作特徵分類的SVM跌倒偵測演算法(SVMFDA)，以及使用深度學習法的SlowFast跌倒偵測演算法(SFFDA)，並且二種演算法皆可辨識出除跌倒外其他四種日常行為動作。經由多種跌倒資料集之實驗結果，此二種跌倒偵測方法皆能成功辨識出長者的跌倒事件，其正確率分別達到93% 與95%。