Sistema remoto de detección de caídas en adultos mayores utilizando visión artificial
No Thumbnail Available
Files
Date
2024-08
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Telecomunicaciones
Abstract
This research project develops a monitoring system to detect falls in older adults using computer vision. According to the WHO, falls among older adults are a leading cause of injuries and can be fatal if not promptly addressed. The objective is to implement a system that identifies falls and notifies caregivers via Telegram. For fall detection, the YOLO v8s AI model trained on the COCO dataset, which includes over 220,000 images for key point and bounding box detection, has been selected. The system utilizes the Kinect V2, equipped with an RGB camera for live video, an infrared camera for nighttime operation, and a proximity sensor. The AI detects key points and bounding boxes in the images, while fall parameters are defined programmatically by analyzing aspect ratios and key point positions. In tests across three different scenarios, the system achieved a 92.92% accuracy in fall detection. Caregivers can access live monitoring through a web page, viewing real-time video. This system proves to be a valuable tool for elderly care, enabling a prompt and effective response to incidents, and significantly contributing to their well-being and quality of life.
Description
Este proyecto de investigación desarrolla un sistema de monitoreo para detectar caídas en adultos mayores mediante visión artificial. Según la OMS, las caídas en adultos mayores son una de las principales causas de lesiones y contusiones llegando a ser mortales si no son atendidas de manera oportuna. El objetivo es implementar un sistema que identifique caídas y notifique a los cuidadores a través de Telegram, para la detección de caídas, se ha seleccionado el modelo de inteligencia artificial YOLO v8s, entrenado con el conjunto de datos COCO, que contiene más de 220,000 imágenes para la detección de puntos clave y bounding boxes. El sistema utiliza el Kinect V2, que incluye una cámara RGB para video en vivo, una cámara infrarroja para operación nocturna y un sensor de proximidad. La IA detecta los puntos clave y las bounding boxes en las imágenes, mientras que los parámetros para definir una caída se determinan mediante programación analizando la relación de aspecto y la posición de los puntos clave. En pruebas efectuadas en tres entornos distintos, el sistema logró una precisión del 92.92% en la detección de caídas. Los cuidadores pueden acceder al monitoreo en vivo a través de una página web, visualizando el video en tiempo real. Este sistema se convierte en una herramienta valiosa para el cuidado de adultos mayores, permitiendo una respuesta rápida y eficaz en caso de incidentes, y contribuyendo significativamente a su bienestar y calidad de vida.
Keywords
DETECCIÓN DE CAÍDAS, VISIÓN ARTIFICIAL, KINECT V2, TELEGRAM