Detección de caídas empleando información 3D

Abstract

Una caída accidental consiste en un movimiento descendente, repentino y no intencionado hacia el suelo. Este tipo de caídas es una de las principales causas de mortalidad entre las personas de avanzada edad. Una caída, sobre todo a altas edades, puede ocasionar fracturas, hemorragias, lesiones, etcétera por lo que realizar una rápida actuación es conveniente para disminuir la probabilidad de sufrir daños mayores al estar mucho tiempo tendido en el suelo. Con el fin de ayudar a los sanitarios se propuso este trabajo cuyo propósito fue desarrollar un sistema capaz de detectar caídas en tiempo real. Para ello, se emplearon métodos de visión artificial junto con un dispositivo de captura de imágenes y una red neuronal. Más específicamente, se empleó una cámara 3D para captar las imágenes y los datos de profundidad, la red neuronal se empleó para realizar la detección de la persona en la escena y las técnicas de visión artificial se emplearon para realizar filtrados y obtener la salida final del sistema. Se llevaron a cabo pruebas con diversos modelos de redes neuronales debido a que, algunos de estos no estaban entrenados con imágenes de personas en el suelo por lo que, eran incapaces de detectar a la persona una vez que se había caído y por lo tanto no se podía realizar un buen cálculo de la salida. Finalmente se empleó Mask R-CNN la cual es capaz de detectar personas en cualquier postura, con oclusiones de partes del cuerpo y en movimiento. También se realizaron varias aproximaciones para el cálculo de la salida del sistema, una de ellas se basa en la comparación de los laterales del Bounding Box que rodea a la persona. La otra aproximación se basa en el análisis de direcciones principales, es decir, se comparó la dirección del vector normal al suelo con la del vector correspondiente a la dirección principal de la persona para establecer si esta se había caído o no. Respecto a los resultados obtenidos, se realizaron pruebas con múltiples personas moviéndose por la escena libremente y fingiendo caídas. Se realizó un estudio cuantitativo del funcionamiento del sistema, este estableció que se consiguió clasificar correctamente el 83% de las caídas estudiadas. También se realizaron pruebas en diversos escenarios, con más y menos objetos y más y menos espacio y se comprobó que el sistema es robusto ante estos cambios. Finalmente, se concluyó que se alcanzaron todos los objetivos propuestos, tanto a nivel personal, mediante el aprendizaje y desarrollo de técnicas de visión por computador, como a nivel del proyecto, consiguiendo un sistema capaz de detectar caídas en tiempo real.