Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 111,199,085
An Effective Video-based System for Human Fall Detection
Tác giả hoặc Nhóm tác giả:
Hoang Le Uyen Thuc, Pham Van Tuan
Nơi đăng:
International Journal of Advanced Research in Computer Engineering & Technology , ISSN: 2278 - 1323;
S
ố:
volume 3 issue 8;
Từ->đến trang
: 2820-2826;
Năm:
2014
Lĩnh vực:
Chưa xác định;
Loại:
Bài báo khoa học;
Thể loại:
Quốc tế
TÓM TẮT
ABSTRACT
Falling is known as a major health risk to cause injuries and even death among seniors. An early fall detection system is therefore extremely important to reduce the serious consequences of fall. In this study we aim to design and implement a practical three-stage video-based system for detecting fall events in elderly living alone at home. A common camera is used in the first stage to capture the video of a person doing his/her daily activities and then transfer to the following processing unit. In the second stage, from each frame of the video, we first separate the interested person from the background using adaptive background Gaussian Mixture Model; then the extracted object is converted into a five-dimensional feature vector using ellipse model; and finally we analyze those extracted features to recognize a fall using Hidden Markov Model trained by a challenging stimulated fall/non-fall database. The final stage is to immediately convey an SMS alert message to the assigned phone number to ask the timely medical assistance as soon as fall detected. Experimental result through the real-life video captured within one month in a crowded public area gives the average fall recognition rate of 97.47% with the delay time from 1 to 5 seconds, providing the high applicability of the system in real world.
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn