선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 기존 센서 기반 시스템에서 응급상황 판단시 48시간 이상 걸리는 문제를 좀 더 빨리 해결하기 위해서 영상에서 추출한 가중치 차영상과 움직임 벡터를 활용하여 낙상을 감지하는 알고리즘을 제안하고자 한다.
- 본 논문에서는 영상에서 추출한 가중치 차영상과 움직임 벡터를 이용하여 낙상을 감지하는 시스템을 제안하였다. 두드러진 움직임이 발생하는 블랍(사람)을 검출하고, 행동 분석을 위해 움직임 벡터와 Θ값을 추출하였다.
제안 방법
- 실험에 사용된 영상은 1280 ｘ 720 사이즈로 초당 24프레임의 AVI(Audio Video Interleaved)파일 포맷을 이용하였다. 낙상 판단 실험에 사용된 프로그램은 마이크로소프트사의 Visual Studio 2010과 OpenCV 2.4.3 버전을 이용하여 제작하였다. 실험은 Intel Core i5 2.
- 영상을 이용한 낙상 검출 알고리즘의 성공률을 확인하기 위해 먼저 낙상 시 발생하는 움직임 벡터와 Θ, Ar 값의 평균을 구하기 위해 다양한 각도에서 낙상을 임의로 발생시켜 낙상 판단에 필요한 데이터를 수집하였다. 낙상 판단을 위해 수집된 데이터를 적용하여 프로그램을 구성한 뒤 다양한 연령대의 피 실험자를 선발하여 다양한 각도에서 낙상 상황을 연출 하여 실험을 진행하였다. 실험에는 총 10명이 참석하였으며 10명의 실험 참가자가 일상생활을 하던 중 낙상사고를 당했다고 가정하고 150회의 낙상 상황을 연출하였다.
- 다양한 행동을 취할 때 출력되는 움직임 벡터와 Θ 값의 특징을 분석하고 이 특징을 적용한 프로그램을 제작하여 최종 낙상 여부를 판단하였다.
- 두드러진 움직임이 발생하는 블랍(사람)을 검출하고, 행동 분석을 위해 움직임 벡터와 Θ값을 추출하였다.
- 본 논문에서는 MPEG-4에서 주로 사용되는 움직임 추정 알고리즘인 EPZS 알고리즘을 이용하여 움직임을 추정한다. 입력 영상에서 EPZS 알고리즘을 이용하여 이동하는 객체의 움직임 벡터 값을 추출하고, 배경과 구별되는 객체의 흐름을 검출한다.
- 영상에서 두드러진 움직임을 갖는 객체를 검출 하기 위하여, EPZS(Enhanced Predictive Zonal Search)를 이용한 움직임 벡터로부터 추출된 흑백의 블록 영상과 시간 차영상의 결합을 통해 두드러진 움직임을 검출한다. 두드러진 움직임 검출은 다음 4단계를 통해 이루어진다.
- 그림 2는 제안 시스템 구성도이다. 영상에서 추출한 두드러진 움직임과 움직임 벡터를 이용하여 낙상을 판단한다. 먼저 두드러진 움직임이 발생하는 움직임 블랍(사람)을 검출한다.
- 영상을 이용한 낙상 검출 알고리즘의 성공률을 확인하기 위해 먼저 낙상 시 발생하는 움직임 벡터와 Θ, Ar 값의 평균을 구하기 위해 다양한 각도에서 낙상을 임의로 발생시켜 낙상 판단에 필요한 데이터를 수집하였다.
- 실험을 위해서 첫 번째로 필요한 사항이 움직이는 물체(블랍)를 찾아내는 것이다. 이를 위해서 본 논문에서는 움직이는 물체(블랍)을 추출하기 위해서 가중치 차영상과 움직임 벡터를 이용하여 두드러진 움직임을 검출하는 기법을 이용하였다.[5]
- 본 논문에서는 MPEG-4에서 주로 사용되는 움직임 추정 알고리즘인 EPZS 알고리즘을 이용하여 움직임을 추정한다. 입력 영상에서 EPZS 알고리즘을 이용하여 이동하는 객체의 움직임 벡터 값을 추출하고, 배경과 구별되는 객체의 흐름을 검출한다. 움직임 벡터란 움직임을 추정하였을 때 이동된 거리를 벡터로 나타낸 것으로 본 시스템의 경우 해상도가 1280 x 720 이고 16 x 16 블록에 대한 움직임 벡터 값을 추출하기 때문에 X와 Y의 움직임 벡터는 80(X축), 45(Y축) 개의 곱인 총 3600개의 움직임 벡터 값이 나온다.
대상 데이터
- 카메라의 위치는 지상에서 약 2M 정도의 높이에 설치하였으며 카메라와 실험 대상자의 거리는 약 4M 이다. 실험에 사용된 영상은 1280 ｘ 720 사이즈로 초당 24프레임의 AVI(Audio Video Interleaved)파일 포맷을 이용하였다. 낙상 판단 실험에 사용된 프로그램은 마이크로소프트사의 Visual Studio 2010과 OpenCV 2.
- 낙상 판단을 위해 수집된 데이터를 적용하여 프로그램을 구성한 뒤 다양한 연령대의 피 실험자를 선발하여 다양한 각도에서 낙상 상황을 연출 하여 실험을 진행하였다. 실험에는 총 10명이 참석하였으며 10명의 실험 참가자가 일상생활을 하던 중 낙상사고를 당했다고 가정하고 150회의 낙상 상황을 연출하였다. 카메라의 위치는 지상에서 약 2M 정도의 높이에 설치하였으며 카메라와 실험 대상자의 거리는 약 4M 이다.
- 3 버전을 이용하여 제작하였다. 실험은 Intel Core i5 2.5GHz CPU, 8GB의 메모리, 윈도우 8.1 환경의 시스템에서 실험을 진행하였다. 실험 결과는 표 2와 같다.
- 기존 시설복지서비스에서 탈피 하여 일상생활 속에서 복지 서비스를 받을 수 있는 홀몸노인 응급 안전 돌보미 시스템의 연구가 활발하게 진행되고 있다. 현재 서비스 중인 홀몸 노인 응급 안전 돌보미 시스템(전북 김제시 청하면)은 센서를 이용하여 댁내 생활환경 데이터를 수집한다.[3] 센서를 이용하여 응급상황이 발생하였다고 판단하는 경우는 마지막 움직임 감지 후 48시간 이내에 움직임이 감지되지 않는 경우로 시스템 담당자가 해당 지역의 홀몸노인 생활 관리사에게 연락을 하게 되며, 홀몸노인 생활 관리사가 전화 또는 방문을 통해 거주자의 안전을 확인하게 된다.
성능/효과
- 현재 서비스 중인 홀몸 노인 응급 안전 돌보미 시스템(전북 김제시 청하면)은 센서를 이용하여 댁내 생활환경 데이터를 수집한다.[3] 센서를 이용하여 응급상황이 발생하였다고 판단하는 경우는 마지막 움직임 감지 후 48시간 이내에 움직임이 감지되지 않는 경우로 시스템 담당자가 해당 지역의 홀몸노인 생활 관리사에게 연락을 하게 되며, 홀몸노인 생활 관리사가 전화 또는 방문을 통해 거주자의 안전을 확인하게 된다. 만약 거주자가 낙상 사고 등으로 인해 부상을 당한 경우 적절한 조치를 받기 까지 오랜 시간이 걸리는 문제가 발생할 수 있다.
- 낙상 상황 판단에 실패 한 경우는 첫 번째는 거주자가 착용한 옷과 거주자 댁내 바닥의 색이 비슷한 경우로 정확한 움직임 벡터 값을 추출해 내지 못해서 상황 판단에 실패한 경우로 이 경우 정면 낙상시 3건, 측면 낙상시 1건, 후방 낙상시 4건이 발생하였다. 두 번째로 상황 판단에 실패한 이유는 낙상 발생 시 카메라가 촬영 가능한 영역을 벗어난 경우로 움직임 벡터의 발생 개수와 Ar 값이 프로그램에 적용한 값 보다 작게 출력되어 정확한 상황 판단에 실패한 경우로 정면 낙상시 2건, 측면 낙상시 1건, 후방 낙상시 2건이 발생하였다.
- 다양한 행동을 취할 때 출력되는 움직임 벡터와 Θ 값의 특징을 분석하고 이 특징을 적용한 프로그램을 제작하여 최종 낙상 여부를 판단하였다. 본 논문에서 제안한 낙상 검출 알고리즘을 검증하기 위해 총 150회의 낙상 상황을 연출하여 실험을 진행하였고, 정면 낙상의 경우 87.5% 측면 낙상의 경우 97.1% 후방 낙상의 경우 85%의 낙상 상황 판단 성공률을 보였다. 제안 시스템의 장점은 다양한 각도에서 낙상이 발생하여도 낙상 상황 판단이 가능하다는 것이다.
- 그림 5-b)는 그림 5-a) 영상에 대한 움직임 벡터이다. 정면 낙상 시 발생하는 움직임 벡터의 특징을 살펴보면 상체 부분에는 다수의 움직임 벡터 값이 분포하지만 하체 부분에는 움직임 벡터 값이 매우 드물게 분포하는 것을 확인 할 수 있다. 움직임 벡터가 발생한 영역의 Θ 값을 보면 대부분 210° ∼ 230° 와 310° ∼ 330° 사이에 분포를 보이는 것을 확인 할 수 있다.
- 정면, 측면, 후방 낙상 상황을 구분하여 실험을 진행하였지만 카메라로부터 취득한 영상을 기준으로 보면 모두 측면 낙상과 동일한 형태의 결과물에 나오게 된다. 제안 시스템의 경우 설치된 카메라를 기준으로 다양한 각도에서 실험을 진행하여 추출된 값을 기반으로 낙상 판단 알고리즘을 제작하여 다양한 각도에서 낙상이 발생하여도 낙상 상황 판단이 가능하다는 장점이 있다. 하지만 실험 대상자가 실내의 벽지, 바닥과 비슷한 색상의 옷을 입고 있는 경우 정확한 움직임 벡터 값을 추출해내지 못하는 문제가 발생하였다.
- 1% 후방 낙상의 경우 85%의 낙상 상황 판단 성공률을 보였다. 제안 시스템의 장점은 다양한 각도에서 낙상이 발생하여도 낙상 상황 판단이 가능하다는 것이다. 기존의 영상 기반 낙상상황 판단 알고리즘의 경우 대부분 카메라 정면에서 낙상 상황을 연출하여 실험을 진행하였다.
- 표 2의 실험 결과표를 보면 정면 낙상의 경우 87.5%, 측면 낙상의 경우 97.1%, 후방 낙상의 경우 85%의 낙상 상황 판단 성공률을 보였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.