An indoor fall detection system for patients and elders
Jesús Darío Romero Ávila · 2015
En los ultimos anos, la poblacion de los paises desarrollados esta sufriendo un envejecimiento continuado. De hecho, los mayores de 60 anos representan ya el 11% de la poblacion mundial, y se estima que este grupo de edad crecera hasta el 18% en el ano 2050. La poblacion de edades avanzadas necesitara, en el futuro, mayor atencion medica, lo cual se traducira en un mayor gasto sanitario. Los costes medicos crecientes se pueden reducir disminuyendo el numero de visitas medicas a hospitales y centros de salud; esto se puede lograr empleando nuevas tecnologias que permitan realizar, por ejemplo, monitorizacion de personas mayores y pacientes en el hogar, evitando de esta forma tanto que los pacientes acudan a los hospitales, como la visita medica a domicilio. Este tipo de atencion sanitaria se puede considerar util en determinadas ocasiones, por ejemplo cuando existe una alta probabilidad de caidas y lesiones, como puede suceder con ancianos o pacientes con enfermedades neurologicas, como el Parkinson, la polineuropatia o la epilepsia, dado que la monitorizacion alertara al personal especializado de la ocurrencia de una caida, que podra actuar justo en ese momento y acudir al domicilio del paciente. En la actualidad, la tecnologia de telecomunicaciones se emplea ya en el ambito medico para el diagnostico y tratamiento de enfermedades, y para el cuidado general del paciente (telemedicina). Existen en el presente numerosas companias comerciales que ofrecen sistemas de monitorizacion, asi como dispositivos que posibilitan el continuo desarrollo de la telemedicina, y que permiten una comunicacion inalambrica con el centro de salud u hospital correspondiente. El objetivo de este trabajo es detectar caidas de pacientes o ancianos en sus domicilios utilizando videos de camara simple (sin informacion estereo). Los objetivos especificos son: Encontrar el fondo de la escena Detectar los objetos de la escena Hacer seguimiento a la persona en la escena Detectar caidas de la persona Emitir una alerta si se detecto una caida El hardware utilizado fue una computadora portatil Core 2 Duo de 2.4 Ghz, una computadora de escritorio Core i5 de 3.1 Ghz, y una camara Sony SR-67. Ademas se utilizo un tripode grande de 82? y un tripode pequeno de 10?. Las librerias de software utilizadas fueron la libreria OpenCV de procesamiento de imagenes y la libreria FFmpeg para lectura/escritura de video. Los lenguajes de programacion utilizados fueron C#, C++ y C++/CLI. Para la interfaz de usuario se utilizo .NET Framework. Para el trabajo se utilizaron las imagenes clasicas Lena, Baboon, Peppers, Jelly Beans, House obtenidas de http://sipi.usc.edu/database/. Se utilizaron tambien las imagenes de entrenamiento de la coleccion de imagenes BSDS500. Las colecciones de video utilizadas son la coleccion Wallflower, una coleccion de tres videos de deteccion de caidas grabada por el autor, y una coleccion de 24 videos de caidas obtenida de http://www.iro.umontreal.ca/~labimage/Dataset/. El sistema de deteccion de caidas tiene cuatro capas: capa de interfaz de usuario, capa proxy, capa de dominio y capa tecnica. El sistema esta formado por dos aplicaciones: un detector de caidas y un programa supervisor que se encarga de recibir notificaciones sobre las mismas. El detector de caidas esta formado por la capa de interfaz de usuario compuesta por la aplicacion escrita en C# y una libreria con un control de reproduccion de video en la capa con librerias proxy escritas en C++/CLI, utilizadas para conectar el codigo en C# al codigo en C++; la capa de dominio con librerias escritas en C++ para gestion de archivos multimedia, umbralizacion y deteccion de caidas; y la capa tecnica con las librerias externas de codigo abierto FFmpeg (que se encarga de leer/escribir video) y OpenCV (que ofrece objetos para procesamiento de imagenes digitales). El programa supervisor esta escrito en C#; utiliza el mismo control de reproduccion de video en C# y las librerias de lectura/escritura de video del programa detector de caidas; puede mostrar la actividad del paciente si es necesario; y presenta videos de las caidas cuando estas son detectadas, emitiendo ademas una senal audible indicando el nivel de alerta (alto o muy alto) de la caida. Para construir el sistema, se definio el Espacio de Color LRGB y se desarrollaron algoritmos de Umbralizacion de Color Multinivel, Deteccion de Caidas, y Deteccion del Paciente utilizando su ropa. El espacio de color LRGB puede ser utilizado para efectuar transformaciones de imagenes. Es posible mejorar la luminosidad y la intensidad de los colores por separado. Este espacio de color ademas podria ser utilizado para eliminar el ruido de la imagen debido a que generalmente los componentes de diferencia de color tienen mas ruido que la luminosidad. Para esta tarea podria disminuirse el ruido de los componentes de color en el espacio LRGB a traves de tecnicas como suavizado Gaussiano, suavizado utilizando la mediana u otras. La umbralizacion de color multinivel permite clasificar los colores de una imagen considerando como parametro el numero de niveles a umbralizar. La clasificacion de colores de una imagen puede tener multiples aplicaciones. La informacion que proporciona el color de una imagen debe ser tomada en cuenta ya que permite lograr una mejor umbralizacion. El algoritmo HAMCOT-2 logro buenos resultados en terminos de menor numero de componentes conectados con alta uniformidad. Este algoritmo podria ser mejorado investigando como seleccionar automaticamente un numero adecuado de niveles para la umbralizacion. Los algoritmos de deteccion de fondo y deteccion de objetos pueden ser aplicados en otros trabajos de investigacion que requieran encontrar los objetos de la escena. Estos algoritmos consideran cambios en la iluminacion, sombras y funcionan adecuadamente cuando el fondo es estable. Estos algoritmos podrian mejorarse para manejar casos como arboles que se mueven y escenas con lluvia. El algoritmo de deteccion de caidas alcanzo una sensibilidad de 84.7% y una especificidad de 91.4%. Este algoritmo puede ser complementado utilizando informacion en tres dimensiones obtenida con varias camaras o camaras 3D. El paso de Deteccion del Paciente usando su ropa podria extenderse detectando dos o mas prendas diferentes. Tambien podria utilizarse una base de datos con colores de prendas a buscar y considerar la textura. Con la implementacion de la deteccion de caidas, los objetivos planteados en la tesis fueron alcanzados. Adicionalmente al objetivo de la tesis de utilizar el sistema en los domicilios de los pacientes y ancianos, el sistema puede ser utilizado en hospitales cuando el paciente se encuentra solo en una habitacion. En este caso, el paso opcional de deteccion del paciente puede ser utilizado debido a que las batas de hospital son de color uniforme. Los algoritmos fueron probados y validados, alcanzando los resultados antes descritos. Los principales aportes de la tesis son la definicion del espacio de color LRGB, la umbralizacion de color multinivel, el modelado del fondo, la deteccion de objetos, y el algoritmo de deteccion de caidas.