Fall detection using rotatable depth sensors

Abstract

Stürze sind die wahrscheinlichste Ursache für unfallsbedingten Tod von Personen die 65 Jahre oder älter sind. Gestürzte Personen können mit Hilfe von Tiefensensoren die mittels strukturiertem Licht arbeiten, detektiert werden. Somit kann sofortige Hilfe geleistet werden und Morbidität und Mortalität gesenkt werden. Tiefensensoren die mittels strukturiertem Licht arbeiten schützen die Privatsphäre, sind unauffällig und funktionieren auch ohne sichtbares Licht. Jedoch haben sie einen entscheidenen Nachteil und zwar ein geringes Sichtfeld. Diese Limitierung kann mit Hilfe eines Schwenkneigekopfs gelöst werden, der einen Tiefensensor bewegt, sodass dieser einer Person folgt. Als Konsequenz wird das Sichtfeld des Sturzerkennungssystems um einen entscheidenden Anteil erhöht. Diese Diplomarbeit schlägt eine Methode vor wie ein existierendes Sturzerkennungssystem, das sich in der Praxis bewährt hat, die induzierten Sensorbewegungen kompensieren kann. Synthetische Daten werden erzeugt, um verschiedene Artefakte, die mit solchen Tiefensensoren auftreten, zu isolieren und zu analysieren. Weitergehend werden auch Artefakte untersucht die nur auftreten wenn Tiefensensoren bewegt werden. Reale Daten werden aufgenommen um die Genauigkeit des Sturzerkennungssystems während Sensorbewegungen zu bestimmen. Resultate zeigen, dass Stürze bis zu 4m Entfernung unter Sensorbewegungen detektiert werden können, wobei Sensoren auf einer Höhe von 1.15m am besten funktionieren. Eine voll funktionierende Implementierung in Form von lose gekoppelten Komponenten wird vorgestellt, welche Benutzer Rückmeldungen liefert und Fernsteuerung ermöglicht.

Falls are the leading cause of accidental death among people that are 65 or older. Fallen persons can be detected using structured light depth sensors to provide immediate help and decrease morbidity and mortality rates. Structured light depth sensors are privacy preserving, unobtrusive and can operate without viewable light. However, they suffer a major disadvantage, namely their narrow field of view. This limitation can be tackled utilizing a pan/tilt unit that rotates a depth sensor to follow a person. As a consequence the field of view of the fall detection system is increased by a significant amount. This thesis proposes a method to extend an existing fall detection system that has proven to work reliably in practice to compensate induced sensor movements. Synthetic data is created to isolate and analyze different artifacts that arise when using structured light depth sensors. Furthermore, artifacts are investigated that explicitly occur when moving the sensor. Real data is recorded to evaluate the performance of the fall detection system during sensor pan and tilt. Results show that falls can be detected up to 4m under sensor movements achieving the best accuracies when mounted on 1.15m above the ground. A fully functional implementation in form of loosely coupled components is proposed that supports user feedback and remote control.