Narzędzia użytkownika

Narzędzia witryny


2016:mkepski:start

Zaproszenie na obronę pracy doktorskiej


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




Detekcja upadku i wybranych akcji na sekwencjach obrazów cyfrowych


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:



Wykaz publikacji doktoranta


Artykuły z czasopism umieszczonych na liście JCR:

  1. Kwolek B., M. Kępski M.: Fuzzy Inference-based Fall Detection Using Kinect and Body-worn Accelerometer, Applied Soft Computing, Elsevier, Volume 40, 2016, pp. 305–318, ISSN 1568-4946.
  2. Kwolek B., Kępski M.: Improving fall detection by the use of depth sensor and accelerometer; Neurocomputing, Elsevier, Volume 168, 2015, pp. 637-645, ISSN 0925-2312.
  3. Kwolek, B., Kępski, M.: Human fall detection on embedded platform using depth maps and wireless accelerometer; Computer Methods and Programs in Biomedicine, Elsevier, Volume 117, Issue 3, 2014, pp. 489-501, ISSN 0169-2607.

Materiały konferencji międzynarodowych:

  1. Kępski, M., Kwolek, B. (2015) Embedded system for fall detection using body-worn accelerometer and depth sensor. In: IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications. IEEE, pp. 755–759.
  2. Kępski, M., Kwolek, B.: Detecting human falls with 3-axis accelerometer and depth sensor; Engineering in Medicine and Biology Society (EMBC), 36th Annual Int. Conf. of the IEEE, pp. 770-773, IEEE, 2014.
  3. Kępski, M., Kwolek, B.: Person Detection and Head Tracking to Detect Falls in Depth Maps; Int. Conf. on Computer Vision and Graphics, Lecture Notes in Computer Science, vol. 8671, Springer International Publishing, 2014.
  4. Kępski, M., Kwolek, B.: Fall Detection using Ceiling-mounted 3D Depth Camera; Int. Conf. on Computer Vision Theory and Applications VISAPP 2014, Volume 2 pp. 640-647, SciTePress 2014.
  5. Kwolek, B., Kępski, M.: Fall Detection Using Kinect Sensor and Fall Energy Image; Int. Conf. on Hybrid Artificial Intelligent Systems HAIS 2013, Lecture Notes in Computer Science, vol. 8073, Springer Berlin Heidelberg, 2013.
  6. Kępski, M., Kwolek, B.: Unobtrusive Fall Detection at Home Using Kinect Sensor; Int. Conf. on Computer Analysis of Images and Patterns CAIP 2013, Lecture Notes in Computer Science, vol. 8047, Springer Berlin Heidelberg, 2013.
  7. Kępski, M., Kwolek, B.: Human Fall Detection Using Kinect Sensor; Proceedings of the 8th International Conference on Computer Recognition Systems CORES 2013, Advances in Intelligent Systems and Computing, vol. 226, Springer International Publishing, 2013.
  8. Kępski M., Kwolek B.: Human Fall Detection by Mean Shift Combined with Depth Connected Components; Int. Conf. on Computer Vision and Graphics ICCVG, Lecture Notes in Computer Science, vol. 7594, Springer Berlin / Heidelberg, 2012.
  9. Kępski M., Kwolek B.: Fall Detection on Embedded Platform Using Kinect and Wireless Accelerometer; Int. Conf. on Computers Helping People with Special Needs ICCHP, Lecture Notes in Computer Science, vol. 7383, Springer Berlin / Heidelberg, 2012.
  10. Kępski M., Kwolek B., Austvoll I.: Fuzzy Inference-Based Reliable Fall Detection Using Kinect and Accelerometer; Int. Conf. on Artificial Intelligence and Soft Computing ICAISC, Lecture Notes in Computer Science, vol. 7267, Springer Berlin / Heidelberg, 2012.
2016/mkepski/start.txt · ostatnio zmienione: 2016/09/16 10:53 przez Michał Kępski