DZIEKAN i RADA WYDZIAŁU INFORMATYKI, ELEKTRONIKI I TELEKOMUNIKACJI AKADEMII GÓRNICZO-HUTNICZEJ im. ST. STASZICA W KRAKOWIE |
---|
zapraszają na publiczną dyskusję nad rozprawą doktorską mgr inż. Michała Kępskiego |
DETEKCJA UPADKU I WYBRANYCH AKCJI NA SEKWENCJACH OBRAZÓW CYFROWYCH |
Dyskusja odbędzie się 27 września 2016 r. o godz. 11.00 w sali 4.26 pawilon D-17, ul. Kawiory 21, 30-059 Kraków |
PROMOTOR: dr hab. inż. Bogdan Kwolek, prof. n. AGH - Akademia Górniczo-Hutnicza w Krakowie |
RECENZENCI: Prof. dr hab. inż. Andrzej Polański - Politechnika Śląska |
dr hab. inż. Aleksander Byrski - Akademia Górniczo-Hutnicza w Krakowie |
Z rozprawą doktorską i opiniami recenzentów można się zapoznać w Czytelni Biblioteki Głównej AGH, al. Mickiewicza 30 |
mgr inż. Michał Kępski
Promotor: dr hab. inż. Bogdan Kwolek, prof. n. AGH
Dyscyplina: Informatyka
W ostatnich latach obserwuje się duży wzrost zainteresowania zagadnieniem rozpoznawania akcji, a w szczególności jedną z jego dziedzin jaką jest detekcja upadku. Znaczący wzrost średniej długości życia w krajach rozwiniętych stanowi wyzwanie dla społeczeństwa do adaptacji pod kątem potrzeb osób starszych. Rozwój technologiczny pozwala na znaczne usprawnienie automatycznego lub zdalnego nadzoru samotnie mieszkających osób starszych. Trudności związane z popularyzacją obecnych komercyjnych systemów detekcji upadku w środowisku seniorów wiążą się z niedoskonałością technologii: brakiem wystarczającej precyzji, dużą liczbą fałszywych alarmów, niewystarczającym poszanowaniem prywatności osoby podczas akwizycji i przetwarzania danych. Tezy rozprawy doktorskiej sformułowano w następujący sposób:
Zastosowanie obrazów głębi w systemach detekcji upadku prowadzi do znaczącego obniżenia liczby fałszywych alarmów
oraz:
Dzięki wykorzystaniu cech pochodzących z obrazów głębi oraz uwzględnieniu kontekstu sytuacji następuje wzrost skuteczności detekcji upadku oraz zmniejszenie liczby fałszywych alarmów w porównaniu do systemów operujących na sekwencjach obrazów RGB lub pomiarach z akcelerometru/żyroskopu.
W ramach niniejszej pracy opracowano, przebadano oraz zaimplementowano algorytmy umożliwiające detekcję upadku na podstawie sekwencji obrazów cyfrowych oraz bezprzewodowego sensora inercyjnego noszonego przez osobę monitorowaną. Przebadano i wybrano zestaw cech pochodzących z obrazów głębi pozwalający na klasyfikację pozy w jakiej znajduje się osoba, jak i akcji, która jest przez nią wykonywana. Ponadto zaproponowano rozwiązanie, które dzięki zamontowaniu kamery na obrotowej głowicy aktywnej znacznie poszerza obszar monitorowany przez system. W tym celu wykonano głowicę oraz opracowano algorytmy śledzenia postaci i sterowania ruchem kamery. W ramach prac zaprojektowano rozmyty system detekcji upadku będący hierarchią trzech układów wnioskujących, charakteryzujący się wysoką czułością i specyficznością, a także umożliwiający łatwą analizę bazy wiedzy przez eksperta.
Przeprowadzone eksperymenty oraz zaprezentowane wyniki detekcji upadku, a także ich analiza dowodzą słuszności tezy pracy, co oznacza, że algorytmy wykorzystujące obrazy głębi pozwalają na uzyskanie wskaźników jakościowych świadczących o wysokiej czułości i swoistości detekcji upadku. Wykorzystanie informacji o kontekście poprawia skuteczność detekcji upadku. Opracowane metody detekcji upadku pozwoliły uzyskać wskaźniki jakościowe świadczące o ich wysokiej czułości i swoistości. Zaproponowane metody zostały zaprojektowane tak, aby możliwe było uruchomienie ich na platformie obliczeniowej z procesorem w architekturze ARM.
Dłuższa wersja autoreferatu tutaj
Praca udostępniona publicznie tutaj
Recenzje rozprawy doktorskiej:
Artykuły z czasopism umieszczonych na liście JCR:
Materiały konferencji międzynarodowych: