پیش بینی و پایش زمین خوردگی سالمندان بر اساس مدل سازی الگوهای حرکتی دریافت شده از تصاویر ویدئویی

خسرو رضایی، kh rezaee biomedical engineering group, department of electrical and computer engineering, hakim sabzevari university, sabzevar, iran.گروه مهندسی پزشکی، دانشکدۀ مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری جواد حدادنیا، javad haddadnia biomedical engineering group, department of electrical and computer engineering, hakim sabzevari university of sabzevar, sabzevar, iran.گروه برق الکترونیک و مهندسی پزشکی و عضو هئی ت علمی دانشگاه حکیم سبزواری احمد دلبری، a delbari iranian research center on aging,university of social welfare & rehabilitation sciences ,tehran, faculty member of medical university of sabzevarعضو مرکز تحقیقات مسایل اجتماعی و روانی سالمندان، دانشگاه علوم بهزیستی و توانبخشی تهران و عضو هئیت علمی دانشگاه علوم پزشکی سبزوار مائده مدنیان، m madanian faculty of engineering, isfahanuniversity isfahan, iran.گروه مهندسی کامپیوتر، دانشکدۀ مهندسی کامپیوتر، دانشگاه صنعتی اصفهان

Abstract(in Persian; no English abstract is available)

اهداف: با افزایش جمعیت سالمندان در اغلب کشورهای جهان، طراحی سیستمی قابل اعتماد و هوشمند جهت پایش و نظارت وضعیت جسمانی آنان ضروری به نظر می رسد. سالیانه بر اثر زمین خوردگی، هزاران نفر از سالمندان با صدمات جبران ناپذیری همچون شکستگی مفاصل، استخوان ها و دیگر اعضای بدن خود و حتی در مواردی با مرگ مواجه می شوند. مواد و روش ها: در این مقاله بر مبنای تحلیل تصاویر اخذ شده از حرکت سالمندان، سیستمی کارآمد طراحی شده که در فاز نخست، راه رفتن غیر طبیعی سالمندان را تشخیص می دهد و در گام بعدی نحوه حرکت آن ها را مدل سازی می کند. سپس با ترکیب چندین ویژگی با اهمیت نظیر برآورد زاویه بدن شخص نسبت به افق، ارزیابی کمیت های حرکتی، حافظه حرکت، راستای حرکت و سرعت فرد، زمین خوردگی احتمالی شناسایی می شود. پیاده سازی سیستم بر مجموعه ای شامل 57425 فریم تصویری دریافت شده از مرکز نگهداری سالمندان فرزانگان شهر مشهد و رشته های ویدئویی دربردارنده وقایع زمین خوردگی صورت پذیرفت. تمامی رشته ها به صورت تصادفی به 4 دسته movie با فرمت avi با رزولوشن 120×160 پیکسل با نرخ 15 فریم بر ثانیه تبدیل شدند. یافته ها نتایج شبیه سازی الگوریتم، نشان دهنده عملکرد مطلوب سیستم و دقت مناسب آن در شناسایی حوادث زمین خوردگی است. دقت متوسط (aac)، نرخ آشکار سازی (dr) و نرخ هشدار اشتباه (far) سیستم پیشنهادی در سطح قابل قبولی به ترتیب %94، %91/92 و %52/5 است. حساسیت %92 و ویژگی% 47/94، نشان دهنده توانایی مطلوب سیستم در جداسازی وقایع شبیه به زمین خوردگی و زمین خوردگی های واقعی است. نتیجه گیری: مزیت های ویژه ای چون سرعت بالای الگوریتم در پردازش داده ها و ارائه دقت و حساسیت مناسب در عملکرد سبب شده تا سیستم پیشنهادی از سایر تکنیک های مشابه متمایز شود و از این رو به کارگیری آن در مراکز مختلف نگهداری سالمندان و منازل مسکونی، نظارت هوشمند و بلادرنگ افراد را در زمان زمین خوردگی به دنبال خواهد داشت.