Kaatuneen ihmisen havaitseminen konenäköjärjestelmällä

Abstract

Opinnäytetyö on jatkoa projektille, joka tehtiin aikaisemmin ProSolve Oy:lle 2014. Kyseisessä projektissa tutkittiin erilaisia mahdollisuuksia parantaa turvallisuutta automaation avulla kotiympäristössä. Projektia jatkettiin työllä, jonka tehtävänä oli suunnitella ratkaisu havaita kaatunut ihminen kodinomaisesta ympäristöstä. Opinnäytetyön tavoitteena oli löytää uudenlainen ratkaisu, joka on yksinkertainen, kustannustehokas, varma, muunneltava ja helppokäyttöinen.

Opinnäytetyössä tutkittiin konenäön hyödyntämisen mahdollisuutta kaatuneen ihmisen seuraamiseen. Konenäköjärjestelmän kuvantamiskomponentiksi valikoitui työn edetessä kuluttajahintainen lämpökamera, joka on liitettävissä android-pohjaisiin laitteisiin. Tutkimus tehtiin Vision Assistant -konenäköohjelmistolla, minkä jälkeen ohjelman toimivuutta testattiin LabVIEW-ohjelmistolla. Tutkimus toteutettiin empiirisenä tutkimuksena, jossa tarkasteltiin ohjelman toimivuutta ja varmuutta erilaisissa tilanteissa. Jotta tuloksista saatiin mahdollisimman todenmukaiset, tulokset kerättiin erillisestä testitilanteesta, jossa koehenkilö ei ollut tietoinen järjestelmän toiminnasta.

Ihmisen kaatuminen on mahdollista havaita, jos henkilö makaa lähes paikallaan kaatumisen jälkeen. Järjestelmä ei pysty havaitsemaan kaatumista, jos kaatunut henkilö liikehtii voimakkaasti. Ohjelmaa tarkasteltaessa huomattiin siinä olevan epävarmuuksia, joiden johdosta ohjelma ei välttämättä havaitse kaatumista. Nämä tilanteet ovat kuitenkin harvinaisia.

Johtopäätös työstä on, että konenäköjärjestelmään liitetyllä lämpökameralla on mahdollista havaita ihmisen kaatuminen. Konenäköohjelmaa on kuitenkin vielä jatkokehitettävä, jotta siitä saadaan varma ja se täyttää kaikki määritetyt vaatimukset.

The thesis is a follow up to a project previously carried out for ProSolve Oy Ltd. 2014. This particular project investigated a variety of opportunities to improve the safety of the home environment with automation. The project continued as the thesis the task of which was to design a solution to detect a fallen person in a homelike environment. The goal of the thesis was to find a new kind of solution, which would be simple, cost-effective, bulletproof, configurable and easy to use.

The thesis explored the potential of utilizing machine vision to detect a fallen person. As the work progressed, a consumer priced thermal camera connectable to Android based devices was selected as the imaging component of the machine vision system. The study was conducted using the Vision Assistant machine vision software. After that, the functionality of the software was tested using the LabVIEW software. The research approach was that of an empirical study, in which the functionality and reliability of the program were examined in different situations. In order to get as realistic findings as possible the results were based on a separate test situation, in which the subject was unaware of the function of the system.

It is possible to detect a falling person if the person is lying down almost stationary after the fall. The system cannot detect the falling if the fallen person is moving vigorously. The inspection of the software revealed some faults, which may prevent the software from detecting the falling. These situations are, however, rare.

In conclusion, it is possible to detect a falling person with a thermal camera connected to the machine vision system. However, the machine vision software has to be improved, in order to make it bulletproof and compliant with all the imposed requirements.