CARE Biztonságos otthonok idős embereknek
CARE Biztonságos otthonok idős embereknek
Dr. Vajda Ferenc Egyetemi docens
2010-09-02
3D Érzékelés és Mobilrobotika kutatócsoport Budapesti Műszaki és Gazdaságtudományi Egyetem
Cél
Probléma
Elöregedő társadalom Felügyelet egyre kevésbé megoldható
Feladatok
Biztonság növelése (Biztonságérzet!) Szokatlan, veszélyes helyzetek felismerése személyzet értesítése Segítségnyújtás Életminőség növelése ...
Németország
! Férfiak
ezer
Dr. Vajda Ferenc, BME, 3D&MR
2060
Nők
ezer
2/15
Humán kérdések (BME ERG)
Szükségesség
Milyen kritikus szituációk voltak eddig Mi volt ezek kimenetele Milyen tevékenységekhez lenne szükség segítségre Milyen mértékű segítségre van szükség
Etikai és egyéb kérdések
Mennyire lehet látható az eszköz a szobában Mennyire tartja elfogadhatónak új kábelezés kiépítését Elfogadhatónak tartanak-e egy kamerát a lakótérben Mekkora költséget tudnak áldozni a rendszerre (egyszeri, rendszeres)
Dr. Vajda Ferenc, BME, 3D&MR
3/15
Esésdetektálás (BME IIT)
Az esésdetektálás problémái
Mit az esés?
Nem triviális → nem adható egzakt definíció Gyakorlatilag lehetetlen algoritmust adni a felismerésére
Mi az érzékelés módszere?
Testre helyezett mérőrendszerek
Külső érzékelési megoldások
Odometrikus méréstechnológia Inerciális méréstechnológia Akusztikai mérési elvek (pl. ultrahang) Látó rendszerek
Emberi esésérzékelés?
Tanult folyamat, látvány alapján
Dr. Vajda Ferenc, BME, 3D&MR
CARE 5/15
Látás
Kamera
Nagy adatmennyiség → sok felesleges Sokszor kevés időbeli felbontás
Nagy sebességű optikai érzékelő
Speciális kialakítás
Tulajdonságok
Dr. Vajda Ferenc, BME, 3D&MR
CMOS integrált áramkör Pixelenként fotodetektor és kiegészítő áramkör A nem változó részekről nem érkezik információ A változás lehet sötétedés/világosodás Változás pozíciója és időpontja 6/15
ATC érzékelő
Dr. Vajda Ferenc, BME, 3D&MR
7/15
„Kép”-feldolgozás
Kiindulási adathalmaz
Eredmény
Kép → TAE (időbélyeggel és címmel ellátott események) Hagyományos képfeldolgozás módszereit el kell felejteni Tulajdonságvektorok (megtanulható értékek és változások)
Jelfeldolgozás menete Érzékelő Érzékelő
3D 3D Előfeldolgozás Előfeldolgozás
Dr. Vajda Ferenc, BME, 3D&MR
2D 2D Előfeldolgozás Előfeldolgozás
Szegmentálás Szegmentálás
3D 3D rekonstrukció rekonstrukció
Tulajdonságkiemelés Tulajdonságkiemelés
8/15
Előfeldolgozás – szűrés
μs
μs
px
px Nyers adat
Dr. Vajda Ferenc, BME, 3D&MR
Medián
Eseménytér szűrő
9/15
Tulajdonságtér
Legmagasabb Legmagasabb pont pont Sebesség Sebesség Gyorsulás Gyorsulás TömegközépTömegközéppont pont Pontfelhő
Szűrés
Sebesség Sebesség Gyorsulás Gyorsulás
Határoló Határoló téglatest téglatest Arány Arány Határoló Határoló henger henger Arány Arány
Dr. Vajda Ferenc, BME, 3D&MR
10/15
Tulajdonságtér
Dr. Vajda Ferenc, BME, 3D&MR
11/15
Tanuló rendszerek
Döntési fa Asszociációs szabályok elvére épülő tanulás Mesterséges neurális hálózatok Genetikus programozás Induktív logikai programozás SVM (Support Vector Machine) Klaszterezési technikák Bayes hálózatok Megerősítéses tanulás ...
Dr. Vajda Ferenc, BME, 3D&MR
12/15
Mesterséges Neurális hálózatok Rejtett Bemeneti
Kimeneti
Dr. Vajda Ferenc, BME, 3D&MR
13/15
Esésfelismerés
Legmagasabb Legmagasabb pont pont Sebesség Sebesség Gyorsulás Gyorsulás TömegközépTömegközéppont pont Pontfelhő
Esés Szűrés
Sebesség Sebesség Gyorsulás Gyorsulás
Határoló Határoló téglatest téglatest Arány Arány
Nem esés
Határoló Határoló henger henger Arány Arány
Dr. Vajda Ferenc, BME, 3D&MR
14/15
Megoldandó, megoldott problémák
Pára, köd (fürdőszobai alkalmazás)
Látószög – mélységérzékelés
Speciális dobozkialakítás Felületkezelés Aktív nedvességmentesítés Sztereo érzékelők megfelelő bázistávolsága Optika kiválasztása
Hibás riasztások (pl. szobában állatok)
Hitelesség-ellenőrzés (pl. szabályos aktivitás van utána) Felhasználó érvényteleníti a riasztást (pl. karján egy gombbal)
Dr. Vajda Ferenc, BME, 3D&MR
15/15