چکیده:
افتادن یکی از اصلیترین دلایل مصدومیت افراد مختلف، به‌خصوص در سالمندان است. اطلاع‌رسانی سریع و دقیق از افتادن میتواند مقدار زیادی از خطرات آسیب‌دیدگی ناشی از آن را کاهش دهد. در این پژوهش، سعی شده است تا سیستمی معرفی و پیاده‌سازی شود که بتواند دو وظیفة اساسی را به درستی و در مدت زمان اندکی انجام دهد. در مرحلة اول، بتواند افتادن را از سایر فعالیتهای روزمره تشخیص دهد و به دنبال آن اطلاعات لازم و مؤثر از افتادن فرد را در اختیار دیگران بگذارد. سیستم مورد نظر در این پژوهش، قابلیت پیاده‌سازی روی تلفنهای همراه هوشمند را دارد. برای شناسایی افتادن، از حسگرهای شتاب‌سنج و میکروفن موجود در تلفنهای همراه استفاده شده است. حسگر شتاب‌سنج میتواند شتاب دستگاه را در سه جهت ثبت کند و میتوان از آن برای دریافت اطلاعات شتاب حرکت فرد استفاده کرد. علاوه بر این، عملکرد سیستم شناسایی با تحلیل صداهای محیط بهبود داده شده است. افتادن با استفاده از این دو حسگر، آشکارسازی شده و پیام هشدار، که شامل اطلاعات مکانی و زمانی افتادن فرد است، اطلاع‌رسانی میشود. برای ارزیابی سیستم طراحی شده، از دو معیار حساسیت و اختصاصیت استفاده شده که مقادیر آنها به‌ترتیب 96% و 77% به‌دست آمده است.
چکیده انگلیسی:
Falls are one of the main reasons to injury, especially in the elderly people. These injuries can be reduced by quick and accurate response or reaction, but this is not possible often in elderly people because they usually live alone and after injury caused the falling, cannot call for help. This paper presents a fall detection system to do twomajor tasks properly and quickly; firstly, it shoulddetect fall from other daily activities andsecondly, transmit falling person’s necessary information to help. This system is implemented on Android-based smartphone and it used tri-axial accelerometer and microphone to fall detection. Everydayinteraction with the smartphone makes our system more familiarto the user. The accelerometer is used to record variations of acceleration in three directions.Thissystem isimproved with detecting the noise caused the falling, by analyzing environmental sounds. After fall detection, a warning text message that contains information about time and location of the falling will besent to the caregivers. A comprehensive evaluation with 18 volunteers shows that the proposed system has sensitivity of 96% and specificity of 77% for different types of fall in quiet and noisy environments.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.
