{"id":282,"date":"2014-05-16T10:17:37","date_gmt":"2014-05-16T08:17:37","guid":{"rendered":"http:\/\/www.met-aal.it\/?page_id=282"},"modified":"2014-06-04T15:29:22","modified_gmt":"2014-06-04T13:29:22","slug":"modulo-di-rilevamento-caduta","status":"publish","type":"page","link":"https:\/\/www.met-aal.it\/?page_id=282","title":{"rendered":"Modulo di Rilevamento Caduta"},"content":{"rendered":"

La Piattaforma Met-AAL integra due sistemi di rilevamento caduta: il primo utilizza il sensore Microsoft Kinect ed \u00e8 stato sviluppato dall’azienda AMT Services s.r.l. in collaborazione con il gruppo di ricerca del DEI – Politecnico di Bari; il secondo sistema \u00e8 stato sviluppato dal Consiglio Nazionale delle Ricerche CNR – IMM. I due sistemi formano il modulo di rilevamento caduta della Piattaforma Met-AAL e il funzionamento contemporaneo dei due rende il modulo molto affidabile e accurato.<\/p>\n

La scelta di utilizzare il sensore MS Kinect \u00e8 da ricercarsi nel suo buon rapporto qualit\u00e0\/prezzo, considerando nella qualit\u00e0 gli aspetti legati alla risoluzione, precisione nella misura e range di azione, nonch\u00e9 accessibilit\u00e0 ai flussi 2D e 3D e grande fermento nello sviluppo e supporto di applicazioni in ambito di ricerca e non solo.<\/p>\n

Il Kinect ha una serie di sensori collegati su una barra orizzontale ancorata ad una base per mezzo di un perno motore; inoltre il sensore \u00e8 abilitato al movimento grazie ad un motore che gli permette di ruotare lungo l\u2019asse verticale. In particolare Kinect raccoglie due tipi di informazioni importanti: mappe di profondit\u00e0 e immagini a colori.<\/p>\n

Sulla barra metallica sono montati gli occhi del dispositivo: telecamera RGB, sensore di profondit\u00e0 a raggi infrarossi composto da un proiettore a infrarossi e da una telecamera sensibile alla stessa banda. La telecamera RGB ha una risoluzione di 640 x 480 pixel, mentre quella a infrarossi una matrice di 320 x 240 pixel. Tra la telecamera RGB e il proiettore IR \u00e8 situato anche un piccolo LED di stato.<\/span><\/p>\n

\"Sensore<\/a><\/p>\n

Per quanto concerne il rilevamento della caduta, \u00e8 stato sviluppato un algoritmo in grado di rilevare delle caratteristiche robuste (features) dell\u2019evento suddetto, da estrarre a partire dalla nuvola di punti acquisita dal sensore.<\/p>\n

Sperimentalmente il sensore riesce ad acquisire, nonostante i cali di performance nella precisione, dati anche oltre il limite consigliato dalla Microsoft (3,5 m).<\/p>\n

Il sistema \u00e8 stato progettato in maniera modulare per garantire le massime prestazioni in termini di affidabilit\u00e0, robustezza e integrazione con altri sistemi; inoltre \u00e8 stato dimensionato affinch\u00e9 gli algoritmi implementati presentino prestazioni real-time e costi computazionali bassi.<\/p>\n

Sulla base delle specifiche dell\u2019ambiente, viene individuata la zona ottimale dove andare a posizionare il sensore, per ottenere le massime performance di acquisizione, ridurre al minimo i disturbi e dimensionare l\u2019area in cui l\u2019utente resta nel campo d\u2019azione del sensore minimizzando le zone d\u2019ombra dalla telecamera.<\/p>\n

Per rispondere adeguatamente alle specifiche funzionali di cui sopra, il sistema \u00e8 stato strutturato sulla base di un\u2019architettura costituita dei seguenti quattro moduli algoritmici:<\/p>\n

    \n
  1. segmentazione del soggetto ed eliminazione del background;<\/li>\n
  2. individuazione e inseguimento (tracking) del soggetto;<\/li>\n
  3. estrazione di features di interesse;<\/li>\n
  4. riconoscimento degli eventi di caduta.<\/li>\n<\/ol>\n

     <\/p>\n

    La fase di test \u00e8 stato effettuata in modalit\u00e0 offline, sulla base di sessanta video registrati da dieci persone differenti, in scenari simili ad ambienti domestici, riscontrando un livello di accuratezza pari all’ 85%.<\/p>\n

    Ci\u00f2 dimostra le buone performance avute in fase di testing dall\u2019algoritmo, in aggiunta al fatto che scene di vita quotidiana (chinarsi, sedersi, stendersi), non vengono ricondotti a casi specifici di falsi positivi.<\/span><\/p>\n

    Il secondo sistema (quello sviluppato dal CNR), propone un nodo ambientale \u201csmart\u201d integrante un dispositivo metrologico Time-Of-Flight (TOF) commerciale e un sistema embedded che si occuper\u00e0 delle attivit\u00e0 di reasoning opportunamente implementate (rispettose delle esigenze di privacy) necessarie a comunicare alla piattaforma MET-AAL informazioni di alto livello allorquando \u00e8 presente l\u2019evento di caduta.<\/p>\n

    La decisione circa l\u2019uso di dispositivi TOF nel progetto \u00e8 motivata dalla intrinseca capacit\u00e0 di rappresentazione tridimensionale di una scena indoor mediante rilevazione di nuvole di punti pi\u00f9 o meno dense. Rispetto ai pi\u00f9 tradizionali sistemi passivi (anche in configurazione stereoscopica per il recupero delle informazioni di profondit\u00e0), evidenti sono i vantaggi nell\u2019uso delle soluzioni TOF o similari dal momento che:<\/p>\n