第五章 結論與未來研究
5.2 後續研究
由實驗的結果與討論可以得知，本論文提出的辨識方式以及機構還有 強化的空間，系統對頭髮位置資訊的過度依賴、雷射掃描儀器位置的自動
調整機制尚未自動化，以及系統執行速度過慢等問題，都是本系統未來須 強化的方向，另外本論文並未考慮到跪等其他的跌倒姿勢，以及兩個人同 時跌倒情況，這也是本論文需要增強的地方。以下分別針對這些問題，提 出未來的改善方向：
1. 減少系統對於頭髮位置資訊的依賴：
本系統在辨識撐趴與坐的姿勢時，主要是以頭髮的位置資訊進 行區分，然而因不同人在同一個姿勢下，頭的位置仍有很大的不 同，再加上有的人身上穿著會吸收雷射光的黑色衣物，因此很容 易把撐趴誤判成坐的姿勢。未來會考慮使用頭髮以外的其他雷射 掃描影像特徵，輔助辨識系統進行姿勢判別。
2. 雷射掃描儀器位置的調整機制自動化：
本實驗於此部分是以人工的方式對雷射掃描儀器的位置進行 調整，未來可透過新的機構，使雷射掃描儀器可以根據目前取得 的人體雷射掃描影像，自動調整至適當的位置後再次進行掃描。
3. 系統執行效率的改進：
由於此系統在進行人體跌倒姿勢辨識時，每個姿勢從開始掃描 到辨識結束平均約需兩分半鐘，無法進行即時的辨識，未來可藉 由調整雷射掃描儀器掃描解析度，以及對特徵萃取演算法進行優 化，來增加系統執行的效率。
4. 讓辨識系統能辨識更多的跌倒姿勢：
本系統在建構的時候，只考慮了站立、跪趴、撐趴、坐、上躺 與下躺等姿勢，並未考慮更多的姿勢，由於現實生活中人在跌倒 後呈現的姿勢比本論文提出的要多，因此未來將增加辨識系統可 辨識的跌倒姿勢數量，以強化辨識系統的功能。
5. 讓辨識系統可同時辨識多人的姿勢：
由於本系統在建構之時，只考慮到環境中只有一個人存在的情 況，並未考慮同時有兩人存在時的狀況，因此未來會考慮更新人 體的跌倒姿勢辨識法則，以應對環境中同時有兩人存在時的狀況。
參 考 文 獻
[1] 業兆斌，“跌倒的流行病學分析”，中山醫學大學，碩士論文，民 國 90 年。
[2] A. Sixsmith and N. Johnson, “A Smart Sensor to Detect the Falls of the Elderly”, IEEE Pervasive computing, Vol.3, Issue 2, pp. 42-47, April, 2004.
[3] 鐘志裕，楊明興，“跌倒仍是老人因傷致死的頭號原因；市府官員 和社區合作夥伴詳細介紹防止跌倒計劃”，NYC Health，民國 100 年。
[4] T. Hori and Y. Nishida, “Ultrasonic Sensors for the Elderly and Caregivers in a Nursing Home”, Proceedings of 7th International
Conference on Enterprise Information Systems, pp. 110-115, May
2005.[5] M. Alwan, P. J. Rajendran, S. Kell, D. Mack, S. Dalal, M. Wolfe, and R.
Felder, “A Smart and Passive Floor-Vibration Based Fall Detector for Elderly”, 2nd IEEE International Conference on Information and
Communication Technologies, Syria, Damasus, April 24-28, 2006.
[6] K. T. Song and Y. Q. Wang, “Remote Activity Monitoring of the Elderly Using a Two-Axis Accelerometer”, 2005 CACS Automatic
Control Conference, Tainan, Taiwan, Nov. 18-19, 2005.
[7] T. R. Hansen, J. M. Eklund, and J. Sprinkle, “Using Smart Sensors and a Camera Phone to Detect and Verify the Fall of Elderly Persons”,
European Medicine, Biology and Engineering Conference, Prague,
Czech Republic, Nov. 20-25, 2005.[8] C. Doukas, L. Maglogiannis, P. Tragas, D. Liapis, and G. Yovanof,
“Patient Fall Detction using Support Vector Machines”, Proceedings
of International Federation for Information Processing, pp. 147-156,
July, 2007.
[9] Q. Li, J. A. Stankovic, M. Hanson, A. Barth, and J. Lach, “Accurate, Fast Fall Detection Using Gyroscopes and Accelerometer-Derived Posture Information”, Body Sensor Network 2009, Berkeley, CA, June, 2009.
[10] M. Lan, A. Nahapetian, A. Vahdatpour, and L. Au, “SmartFall: An Automatic Fall Detection System Based on Subsequence Matching for the SmartCane”, 4th International Conference on Body Area
Network (BodyNets), Los Angeles, California, April, 2009.
[11] C. Rougier, J. Meuiner, A. St-Arnaud, and J. Rousseau, “Procrustes Shape Analysis for Fall Detection”, The 8th International Workshop
on Visual Surveillance, Marseille, France, Oct, 2008.
[12] Chia-Feng Juang and Chia-Ming Chang, “Human Body Posture Classification by a Neural Fuzzy Network and Home Care System Application”, IEEE TRANSACTIONS ON SYSTEMS, MAN, AND
CYBERNETICS, vol. 37, no. 6, pp. 984-994, Nov. 2007.
[13] Z. Fu, E. Culurciello, P. Lichtsteiner, and T. Delbruck, “Fall Detection Using an Address-event Temporal Contrast Vision Sensor”,
Proceedings of 2008 IEEE International Symposium on Circuits and Systems (ISCAS 2008), pp. 424-427, May, 2008.
[14] L. Zhange and B. K. Ghosh, “Geometric Feature based 21/2D Map Building and Planning With Laser, Sonar and Tactile Sensors”, IEEE
Conference on Intelligent Robots and Systems, pp. 115-120, 2000.
[15] H. Stern, “Laser Based 3-D Surface Mapping for Manufacturing Diagnostics and Reverse Engineering”, IEEE Conferences on
Aerospace and Electronics, pp. 1205-1212, 1992.
[16] M. A. Mayyas, “Application of Thin Plate Splines for Surface Reverse Engineering and Compensation for Femtosecond Laser
Micromaching”, IEEE Conferences on Intelligent Control, pp.
125-130, 2005.
[17] S. M. Varghese and M. J. Isakson, “The Calibration of a Laser Light Line Scan Method for Determining Local Interface Roughness of the Ocean Floor”, IEEE Journal on Oceanic Engineering, pp. 463-467, 2005.
[18] M. Liu, Y. Bai, Q. Li, Z. Liu and Q. Lin, “Three-dimensional Reverse Engineering Modeling and Numerical Simulation of Pump Based on Laser Scanning Technology”, IEEE Conferences on E-Product
E-Service and E-Entertainment, pp. 1-4, 2010.
[19] K. Nishimoto, A. Sagami and K. Kaneyama, “Three Dimensional Recognition of Environments for a Mobile Robot Using Laser Range Finder”, SICE Annual Conference, pp. 401-405, Sep, 2007.
[20] B. Sert, J. Maddox and P. Veatch, “Laser Assisted Intelligent Guidance for Automated Guided Vehicles”, IEEE Conferences on
Intelligent Vehicles, pp. 201-206, 1993.
[21] D. Skocaj and A. Leonardis, “Robust Recognition and Pose Determination of 3-D Objects Using Range Images in Eigenspace Approach”, 2001 Proceedings Third International Conference on 3-D
Digital Imaging and Modeling, pp. 171-178, May, 2001.
[22] T. Ikeda, Y. Chigodo, T. Miyashita, F. Kishino and N. Hagita, “A Method to Recognize 3D Shapes of Moving Targets based on Integration of Inclined 2D Range Scans”, 2011 IEEE International
Conference on Robotics and Automation, pp. 3575-3580, May, 2011.
[23] G. W. Hamilton and A. L. Fowler, “The Laser Rangefinder”, IET
Journal on Electronic and Power, pp. 318-322, 1966.
[24] 江孟峰，專家系統導論工具應用，文魁，2002 年 11 月。
[25] 許覺良，專家系統，文魁，民國 78 年。
[26] 張家豪，“智慧型電機接線實驗監控介面設計”國立台灣師範大 學工業教育學系，碩士論文，民國 92 年。
[27] M. Dodridge, “Learning Outcomes and Their Assessment in Higher Education,” Engineering Science and Education Journal, vol. 8, no. 4, pp. 161-168, Aug. 1999.
[28] 張紹勳，人工智慧與專家系統，松崗，民國 82 年 8 月。
[29] 吳怡明，“手勢辨識應用於搖控音樂播放系統”，國立台灣科技 大學電機工程系，碩士論文，民國 98 年。
[30] 陳佳鈺，“結合地板壓力與紅外線影像之跌倒偵測系統”，國立 台灣師範大學應用電子科技學系，碩士論文，民國 96 年。
附錄一 受測者各姿勢下人體高低比例
附錄二 受測者各姿勢下人體頭髮位置
16 17 18 19 20
31 32 33 站立 左上內側 左上內側 左上內側 跪趴 左上內側 左上內側 左上內側
坐 左上內側 左上內側 左上內側
撐趴 左上內側 左上內側 左上內側 下躺 左上內側 右上外側 左下內側 上躺 左上內側 左上內側 左上內側
姿 勢名稱
受測者編 號
附錄三 編號十五的受測者掃描資料
姿勢名稱：站立
雷射掃描影像：
背景 人體
人體高低比例數值：-1
上緣曲線取樣數值：1.34*10-15, 12, 17, 18, 20, 40, 46, 39, 20, 19, 15
上緣曲線經擬合後的係數值：
0.000103595468295858 -0.0110051046537616 0.327751509063678 -1.8521374294627
矯正前頭髮位置：1, 3
矯正後頭髮位置：1, 3
姿勢名稱：跪趴
雷射掃描影像：
背景 人體
人體高低比例數值：2.38
上緣曲線取樣數值：60, 61, 59, 60, 58, 53, 51, 45, 9, 6, 2
上緣曲線經擬合後的係數值：
3.67362942964936E-06 -0.000884906016790514 0.0607189695773526 -1.46226443712138
矯正前頭髮位置：2, 2
矯正後頭髮位置：2, 2
姿勢名稱：撐趴
雷射掃描影像：
背景 人體
人體高低比例數值：1.05
上緣曲線取樣數值：64, 69, 50, 47, 30, 24, 20, 14, 9, 8, 7
上緣曲線經擬合後的係數值：
-1.75708225016018E-06 0.000435687733520959 -0.0298181240178993 -0.235295493112417
矯正前頭髮位置：2, 1
矯正後頭髮位置：2, 4
姿勢名稱：坐
雷射掃描影像：
背景 人體
人體高低比例數值：0.25
上緣曲線取樣數值：54, 73, 28, 20, 17, 11, 11, 9, 6, 5, 3
上緣曲線經擬合後的係數值：
3.50664737600048E-07 -0.000220383368695241 0.0399642032182672 -2.92595695399112
矯正前頭髮位置：2, 2
矯正後頭髮位置：2, 3
姿勢名稱：上躺
雷射掃描影像：
背景 人體
人體高低比例數值：0
上緣曲線取樣數值：15, 14, 16, 20, 19, 19, 18, 14, 11, 7, 3
上緣曲線經擬合後的係數值：
4.92489643468526E-07 -0.000148812956790477 0.0125307926079114 -0.279303117429241
矯正前頭髮位置：3, 3
矯正後頭髮位置：3, 3
姿勢名稱：下躺
雷射掃描影像：
背景 人體
人體高低比例數值：0
上緣曲線取樣數值：16, 10, 11, 10, 9, 13, 9, 2, 3, 4, 2
上緣曲線經擬合後的係數值：
5.21229586932581E-07 -0.000145670420649866 0.0128432513748698 -0.470209372554479
矯正前頭髮位置：2, 2
矯正後頭髮位置：2, 2
姿勢名稱：上躺(雷射掃描儀器下降後)
雷射掃描影像：
背景 人體
人體高低比例數值：0
上緣曲線取樣數值：5, 12, 9, 13, 12, 12, 11, 9, 5, 2, 1
上緣曲線經擬合後的係數值：
3.20645432001578E-07 -0.000100107881544923 0.00869182504956392 -0.190002125603051
矯正前頭髮位置：2, 3
矯正後頭髮位置：2, 4
姿勢名稱：下躺(雷射掃描儀器下降後)
雷射掃描影像：
背景 人體
人體高低比例數值：0
上緣曲線取樣數值：10, 18, 15, 17, 15, 18, 12, 9, 11, 13, 16
上緣曲線經擬合後的係數值：
-2.66308254524413E-07 9.99015703415651E-05 -0.0125953873295178 0.555325594575286
矯正前頭髮位置：2, 2
矯正後頭髮位置：2, 2
作者簡介
姓名：洪榮裔 籍貫：台北市
生日：中華民國七十七年七月三十日
學歷：
1. 臺北市立永春高級中學畢業
2. 國立台灣師範大學工業教育學系電機電子組畢業 3. 國立台灣師範大學應用電子科技學系碩士班
發表文章：
1. Huan-Wen Tzeng, Jung-Yi Hung and Hung-Kai Lin, “The Falling Detect System Based on Human Body Recognition Technique using Laser Range Finder”, The 11th International Conference on Automation Technology, Taiwan, Nov. 18~20, pp. 79, 2011.
2. Huan-Wen Tzeng, Mei-Yung Chen, Ming-Lin Wu and Jung-Yi Hung, “The Tele-homecare Drug Management System Based on RFID Technology”, The 11th International Conference on Automation Technology, Taiwan, Nov.
18~20, pp. 80, 2011.