Please use this identifier to cite or link to this item: http://cuir.car.chula.ac.th/handle/123456789/63816
Title: การพัฒนาขั้นตอนวิธีตรวจหาการหกล้มด้วยไคเนกต์
Other Titles: Development of fall detection algorithm using kinect
Authors: ประชารัฐ สงัดศัพท์
Advisors: ชวาล คูร์พิพัฒน์
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิทยาศาสตร์
Advisor's Email: Chawan.K@Chula.ac.th
Subjects: การหกล้ม
การหกล้มในผู้สูงอายุ
อุปกรณ์ตรวจจับ
Falls (Accidents)
Falls (Accidents) in old age
Detectors
Issue Date: 2555
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: สัดส่วนประชากรผู้สูงอายุในประเทศไทยจะเพิ่มจาก 11.9% ในปี พ.ศ. 2553 ไปเป็น 25.1% ในปี พ.ศ.2573 จากการประเมินของสำนักงานสถิติและสังคมแห่งชาติ งานวิจัยที่เกี่ยวกับสุขภาพของประชากรผู้สูงอายุจึงเป็นที่น่าสนใจมากขึ้น และในบรรดาปัญหาที่เกี่ยวข้องกับสุขภาพในหมู่ผู้สูงอายุแล้วการหกล้มถือได้ว่าเป็นสาเหตุสำคัญประการหนึ่งของการบาดเจ็บและเสียชีวิต ระบบตรวจจับการหกล้มอัตโนมัติจึงถูกสร้างขึ้นเพื่อบรรเทาปัญหาผู้สูงอายุหกล้มแล้วลุกไม่ขึ้นขณะอยู่คนเดียว เป้าหมายของงานวิจัยชิ้นนี้เพื่อพัฒนาวิธีการตรวจจับการหกล้มโดยใช้กล้องไคเนกต์ ซึ่งเป็นอุปกรณ์ตรวจจับการเคลื่อนไหวราคาถูกที่สามารถบันทึกข้อมูลตำแหน่งของส่วนต่างๆในร่างกายคนในพิกัดสามมิติได้ จากนั้นจึงวิเคราะห์ข้อมูลการเคลื่อนไหวของร่างกายเพื่อสร้างขั้นตอนวิธีที่สามารถตรวจจับการหกล้มได้ งานวิจัยชิ้นนี้ใช้ข้อมูลตำแหน่งของศีรษะในพิกัดคาร์ทีเชียนแบบสามมิติ มาคำนวณหาความเร็วและความเร่งเพื่อตรวจจับการหกล้ม ผลที่ได้จากการทดลองในสภาวะควบคุมพบว่าขั้นตอนวิธีที่ได้นั้นมีความแม่นยำ 99% ความไวในการตรวจจับ 98.2% และมีความจำเพาะเจาะจง 100%
Other Abstract: Ratio of elderly population in Thailand according to National Statistical Office will increase from 11.9% in 2010 to 25.1% in 2030, thus research in elderly health has gained attention recently. Among all elderly health problems, falling is a major cause of injuries and deaths. Automatic fall detection monitoring systemwas built to lessen the consequence of “Long lies”, a situation when elderly cannot get up from fall and have to wait a long time before help arrives. The research objective is to develop fall detection algorithm using Kinect, a low cost motion capture, which can capture position of body parts in 3D Cartesian coordinate. Then the body movement data will be analyzed to produce algorithm which can detect falling event. In order to detect fall events head position data from Kinect were used to calculate Velocity and Acceleration. Result from controlled environment shows 99% accuracy, 98% sensitivity and 100% specificity.
Description: วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2555
Degree Name: วิทยาศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: เทคโนโลยีทางภาพ
URI: http://cuir.car.chula.ac.th/handle/123456789/63816
Type: Thesis
Appears in Collections:Sci - Theses

Files in This Item:
File Description SizeFormat 
Pracharat Sa-ngadsup.pdf2.2 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.