- 전세계적으로 매년 약 684,000건의 치명적 낙상이 발생해 사망합니다. 사망 외 의료 처치가 필수적인 낙상 사고는 3730만 건이 발생하며, 노인들의 사망 및 중상 위험이 가장 높습니다. [1]
- 대한민국의 독거 노인 비율은 32.8%이기 때문에[2] 낙상 사고가 발생하더라도 신속한 의료 대응이 불가한 상황이 발생할 수 있습니다.
- 대한민국의 노인 낙상의 경우 71.1%의 비중으로 가정내에서 발생합니다. [3]
- 낙상 감지 방식 중 웨어러블 센서 기반 기술의 경우 높은 탐지율과 범용성을 보이나, 사용자의 착용불편으로 보편화되지 않고 있습니다. [4]
- 바닥에 설치하는 바닥 진동 센서를 통한 감지는 설치된 바닥 표면에만 사용가능하며 비용이 매우 비쌉니다. [5]
- 임베디드 시스템을 통해 제한적인 정보 전송으로 사생활 침해 문제를 해결하려 하였습니다.
- 낙상은 1.5s 만에 완료되는 현상으로, 낙상 감지를 위해서는 실시간으로 이미지 처리가 가능해야 합니다. [6]
- 장소: 광원이 있는 주거지
- 대상: 독거노인
- 시간: 수면시간을 제외한 활동 시간
- 시나리오: 생활공간을 계속해서 촬영 중 낙상으로 의심되는 움직임이 탐지되었을 경우 스켈레톤을 포함한 낙상발생 알림 전송
- 임베디드 기기: 8GB RAM, - RaspberryPi5 with active cooler(quad-core Arm Cortex A76 processor @ 2.4GHz)
- 카메라: RaspberryPi camera module V2, 8MP
- 카메라 영상 생성
- mediapipe로 스켈레톤 데이터 생성
- XGBoost 낙상예측+추가 낙상조건으로 최종 낙상 감지
- ROSE lab의 "NTU RGB+D" Dataset 사용
- MideaPipe로 추출한 관절좌표값을 라벨링
- 낙상, 비낙상 1:1비율의 총 49,989개 관절값 CSV 사용
- 학습, 검증, 테스트데이터 6:2:2 로 분류하여 학습
- 학습된 모델의 정확도 98.1%, 정밀도 0.97, 재현율 0.96, F1 score 0.97
- RaspberryPi5에 연결된 카메라를 통해 실시간 영상캡쳐
- MediaPipe로 1인의 33쌍의 관절좌표값을 추출
- 추출된 좌표로 1차 낙상 검증 (검증 실패 시 1번 과정으로)
- 코의 y좌표가 이전 프레임의 코y좌표보다 내려감
- 코의 y좌표가 이동한 거리가 이미지 높이*{(코와 발목 y좌표간의 거리/이미지높이)*2.35*0.2} 이상임 (이미지 높이의 0.2이상 이동하되 사람과 카메라간의 거리를 고려)
- XGBoost로 낙상, 비낙상 여부 예측
- XGBoost 예측 결과값이 0.6 이상이면 최종 낙상 판정
- 보호자에게 관절이미지와 함께 낙상 발생 알림 메일 전송
- 6개 시나리오로 테스트 비낙상 (청소, 국민체조, 물건정리, 휴식) 낙상 (일반 낙상, 배경에 사람 그림)
- 1920*1080 해상도, 3.75fps
- 비낙상 총 11분 중 1회(쓰레기 줍기 장면) 제외 모두 비낙상으로 감지
- 낙상 총 10회 낙상 중 1회 제외 모두 낙상으로 감지
- 낙상 발생 시 관절이미지와 함께 낙상 알림 메일 전송 확인
참고문헌
[1] World Health Organization. (2021). Falls.
[2] 보건복지부. (2024). 2023년 노인실태조사 결과 발표.
[3] 류정민. (2016). 한국형 노인 낙상 예방 가이드라인 개발.
[4] 강윤규, 강희용, & 원달수. (2021). PoseNet과 GRU를 이용한 Skeleton Keypoints 기반 낙상 감지.
[5] Harrou, F., Zerrouki, N., Sun, Y., & Houacine, A. (2017). Vision-based fall detection system for improving safety of elderly people.
[6] Lu, K.-L., & Chu, E. T.-H. (2018). An Image-Based Fall Detection System for the Elderly.