ระบบตรวจจับการล้มสำหรับผู้สูงอายุโดยใช้โอเพ่นซีวีและมีเดียไปป์

ชลดา  ปานมาศ; พีรยช  หวังทอง; โซเฟีย  อับดุลหามะ; นิดา  แซ่จอง

ผู้แต่ง

ชลดา ปานมาศ สาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนราธิวาสราชนครินทร์ อำเภอเมือง จังหวัดนราธิวาส 96000
พีรยช หวังทอง สาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนราธิวาสราชนครินทร์ อำเภอเมือง จังหวัดนราธิวาส 96000
โซเฟีย อับดุลหามะ สาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนราธิวาสราชนครินทร์ อำเภอเมือง จังหวัดนราธิวาส
นิดา แซ่จอง สาขาวิชาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์ มหาวิทยาลัยนราธิวาสราชนครินทร์ อำเภอเมือง จังหวัดนราธิวาส

คำสำคัญ:

การตรวจจับการล้ม, ผู้สูงอายุ, มีเดียไปป์เฟรมเวิร์ค, ราสเบอรรี่พาย

บทคัดย่อ

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาการตรวจจับการล้มของผู้สูงอายุด้วยมีเดียไปป์เฟรมเวิร์ค โดยติดตั้งกล้องเว็บแคมบนเพดานและประมวลผลบนราสเบอรรี่พาย เพื่อที่จะลดการละเมิดความเป็นส่วนตัว ภาพที่ปรากฎจะมีลักษณะเป็นโครงกระดูกของมนุษย์ กระบวนการตรวจจับการล้มแบ่งออกเป็น 4 ขั้นตอน ได้แก่ (1) รับภาพจากกล้องเว็บแคม (2) ประมาณท่าทางด้วยมีเดียไปป์เฟรมเวิร์ค (3) เก็บข้อมูลภาพในฐานข้อมูล (4) สร้างเงื่อนไขสำหรับตรวจจับการล้มและแจ้งเตือนผู้ดูแลผ่าน Twilio ผลทดลองแบ่งออกเป็น 3 ส่วน คือ 1) ระบบสามารถจำแนกท่าทางการล้มได้อย่างแม่นยำในตำแหน่งต่าง ๆ ของพื้นที่ทดสอบ โดยมีความถูกต้องสูงสุดที่ 99.67% ในบริเวณกลางพื้นที่ทดสอบ 2) ระบบสามารถจำแนกท่าทางการล้มได้แม่นยำสำหรับท่าทางการล้มไปด้านข้างมากกว่าท่าล้มไปด้านหน้าเนื่องจากข้อจำกัดของมุมกล้อง และ 3) เปอร์เซนต์การแจ้งเตือนเมื่อเกิดการล้มมีความแม่นยำถึง 97% อย่างไรก็ตามความผิดพลาดในการจำแนกการล้มเกิดขึ้นในกรณีที่ท่านั่งคล้ายกับท่าล้ม

เอกสารอ้างอิง

นิพา ศรีช้าง และ ลวิตรา ก๋าวี, “การพยากรณ์การพลัดตกหกล้มของผู้สูงอายุ (อายุ 60 ปีขึ้นไป) ในประเทศไทย ปี พ.ศ. 2560-2564,” รายงาน สำนักโรคไม่ติดต่อ กรมควบคุมโรค กระทรวงสาธารณสุข, 2564, หน้า 1-8.

ชัยวุฒิ วุทธิสิทธิ์, “การตรวจจับการล้มสำหรับผู้สูงอายุและจำแนกข้อมูลกิจกรรมการเคลื่อนไหวด้วยอัลกอริทึม Weighted k-Nearest neighbor บนระบบฝังตัวแบบพกพาที่ใช้ IoT,” วารสารวิศวกรรมศาสตร์ ราชมงคลธัญบุรี, ปีที่ 18, ฉบับที่ 1, หน้า 45-46, 2563.

ภูสิต กุลเกษม, และคณะ, “การตรวจจับการหกล้มของผู้สูงอายุในห้องพักในบ้านพักคนชรา,” รายงานวิจัยฉบับสมบูรณ์ มหาวิทยาลัยบูรพา, 2559.

L. Zhixin, M. Yang, Y. Yuan, and K. Y. Chan, “Fall detection and personnel tracking system using infrared array Sensors,” IEEE Sensors Journal, vol. 20, no. 16, pp. 9558-9566, 2020.

N. Zerrouki, F. Harrou, Y. Sun, A. Z. A. Djafer, and H. Amrane, “A survey on recent advances in fall detection systems using machine learning formalisms,” In proceeding 7th International Conference on Frontiers of Signal Processing (ICFSP), Paris, France, 7-9 September 2022.

ศรัณญู ทิตพุฒ และคณะ, “ระบบตรวจจับการล้มบนพื้นฐานของการประมวลผลภาพถ่ายความร้อนด้วยวิธีอัตราส่วนความยาวแกน X ต่อแกน Y,” ปริญญานิพนธ์ สาขาวิศวกรรมไฟฟ้า คณะวิศวกรรมศาสตร์, มหาวิทยาลัยนราธิวาสราชนครินทร์, 2565.

ทินกร ชุณหภัทรกุล, “การวิจัยและพัฒนาเว็บแอปพลิเคชันตรวจจับและแจ้งเตือนการล้มสำหรับผู้สูงอายุด้วยมีเดียไปป์เฟรมเวิร์ค,” วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยเซาธ์อิสท์บางกอก, ปีที่ 4, ฉบับที่ 1, หน้า 55-67, 2567.

ธีรศักดิ์ โชติกวณิชย์, “ระบบสมองกลฝังตัวสำหรับตรวจจับการล้มขณะอาบน้ำด้วยกล้องที่รักษาความเป็นส่วนตัว,” วิทยานิพนธ์วิศวกรรมศาสตรมหาบัณฑิต, ภาควิศวกรรมไฟฟ้า, คณะวิศวกรรมศาสตร์, มหาวิทยาสงขลานครินทร์, 2555.

B. S. Kumar, “Real Time Camera based Human Fall Detection Using Raspberry Pi. The thesis of Engineering in Microelectronics and Embedded systems,” M.S. thesis, Dept. of Industrial Systems Engineering, School of Engineering and Technology, Asian Institute of Technology, Thailand, 2019.

L. Zhixin, M. Yang, Y. Yuan, and K. Y. Chan, “Fall detection and personnel tracking system using infrared array sensors,” IEEE Sensors Journal, vol. 20, no. 16, pp. 9558-9566, 2020.

M. Fayad, M. Y. Hachani, K. Ghoumid, A. Mostefaoui, S. Chouali, F. Picaud, G. Herlem, I. Lajoie, and R. Yahiaoui, “Fall detection approaches for monitoring elderly healthcare using kinect technology: a survey,” Applies Science, vol. 13, no. 18, 10352, 2023.