낙상 판별 알고리즘

📌 지난 회의 회고

✔️ 학인된 것

1) TFLite movenet

: 특정 부위를 인식하지 못하는 모습을 보임

: 자세나 찍는 방향에 따라서 이러한 경향성이 더욱 커지는 듯 했음

: 이는 안드로이드 기기에서 검증한 것임

 

2) mediapipe

: 실제 카메라가 인식하지 않았더라도 가장 개연성 있게끔skeleton을 그려줌

: 상당히 용량이 큰 편(1gb정도)

 : skeleton이 약간 느린 딜레이로 그려짐(2초 정도)

: 사람의 pose이외에도 여러cv기능을 제공함

: 실제 안드로이드 기기에서 테스트하지 못하였음

 

✔️ 의논한 것

: mediapipe도 결국 어두운 상황에서는 잘 작동하지 않으므로 열화상 카메라를 사용하는게 좋지 않은가? → cost 이슈로 업체에서ok 할지 미지수 + 모델이 열화상 카메라의 출력으로는 스켈레톤을 잘 그려내지 못할 것임

❗ mediapipe를 사용하여 일단 개발을 진행하고,문제가 되면 바꾸는거로

 

✔️ 해야할 것

1️⃣ 실제 안드로이드 기기에서 mediapipe 테스트

    → 안드로이드 기기를 사용하는 사람이 창수밖에 없어서 창수가 테스트하기로 결정❕

2️⃣ 여러 시나리오에 대해서 낙상 판별 근거와 알고리즘 생각해오기

 

 

📌 낙상 판별 근거

: 낙상이란 본인의 의사와 상관없이 발바닥 이외의 신체 일부가 바닥면에 접지하는 경우

 

 → 낙상 감지(예방X) 모델을 학습하고, 분류 결과와 확률 지수(해당 결과가 맞을 확률)을 보고 낙상 위험을 감지?

 → 또는 낙상 위험 상태도 함께 판별하는 모델을 만들어야 할까? (정상, 낙상위험, 낙상 이런식으로?)

 

▪️ 낙상 판별 근거

https://www.dbpia.co.kr/journal/detail?nodeId=T15052663 

객체인식 모니터링과 이미지 딥러닝을 이용한 독거노인의 낙상 판단 방법론 개발 | DBpia

해당 논문을 참고해서 낙상 판별 근거를 찾아봄!

 

1️⃣ 움직임 변화 속도

: 프레임들의 좌표 변화를 통해 속도를 측정하고, 급격하게 변하는 경우 낙상 가능성↑

: 예방을 위한 기준은 아닌 것 같음 but 낙상 사고를 감지하는 데에는 좋을 것 같음

 

2️⃣ 포즈 변화 분석

: 포즈 인식 모듈을 먼저 개발해야 함

: 환자의 자세를 추적하다가 낙상 상황 유형(앉은 상태 → 프레임 밖으로 이탈)에 해당할 경우 알림

 

3️⃣ 낙상위험척도로 MSF(Morse fall scale)를 쓰기도 함

 : 고위험을 감지하기 위한 보조 평가 요소로 써도 되긴하지만.. 프로그램이 더 복잡해질 것 같음

 

▪️ 낙상 위험 판별 근거 (위험 감지는 관련 자료를 찾지 못해서 혼자 머릿속으로 생각해본 내용)

✔️ 침대 프레임에 환자가 켭쳐진 부분이 있음

✔️ 상체가 기울여져 있음 (앉은 자세라도 곧게 앉은 자세라면 정상적으로 침대에서 내려오는 것임 but 상체가 기울여져 있으면 위험!)

✔️ 팔의 빠른 움직임 변화 (넘어질 때 본능적으로 팔을 허우적거림)

 

📌 낙상 판별 알고리즘

1️⃣ 분류(Classification) 모델 학습

: 미디어 파이프가 TensorFlow를 기반으로 작동하므로 분류 작업도 수행할 수 있음

: 정상적인 상태와 낙상 상태 (+ 낙상 위험 상태) 간의 차이를 학습시키기

: 데이터 수집과 전처리가 필요

 

🙋🏻‍♀️ 데이터 수집 방법?

1. 실제 낙상 사례 기록

: 업체로부터 의료 기관이나 요양 시설에서 발생한 실제 낙상 사례 데이터를 제공 받기

: 환자의 개인 정보 보호와 관련된 이슈

 

2. 실내환경에서 실험

: 직접 테스트 환경에서 낙상을 시뮬레이션하고 데이터를 수집

: 미리 낙상과 비낙상의 자세를 계획

 

3. 공공 데이터 활용

: 찾아보았지만 공공 낙상 데이터셋이 매우 제한적임..

 

4. 크롤링