結合地板壓力與紅外線影像之跌倒偵測系統
91
0
0
全文
(2) 謝. 誌. 首先誠摯的感謝指導教授曾煥雯博士，老師悉心的教導使我得以一窺控 制領域的深奧，不時的討論並指點我正確的方向，使我在這些年中獲益匪 淺。老師對學問的嚴謹更是我輩學習的典範。 本論文的完成另外亦得感謝口試委員陳俊良博士以及王順源博士對於 本論文提供寶貴的意見以及建議，有了您們使得本論文能夠更完整而嚴謹。 感謝松林、智相以及明霖學長們不厭其煩的指出我研究中的缺失，且總 能在我迷惘時為我解惑，也讓煩悶的實驗室增添許多歡樂的氣氛。感謝崇 溢、楷翔同學的幫忙，讓我在研究所的求學生涯可以順利走過。實驗室的柏 志學弟當然也不能忘記，你的幫忙及搞笑我銘感在心。 往後人生路途上尚會遭遇許多困難，我會帶著老師們的教誨以及各位的 祝福，勇敢面對這些挑戰。最後，謹以此文獻給我摯愛的家人。. 陳佳鈺 謹致 中華民國九十七年 六月. i.
(3) 結合地板壓力與紅外線影像之跌倒偵測系統 學生：陳佳鈺. 指導教授：曾煥雯博士. 國立臺灣師範大學應用電子科技研究所碩士班 摘. 要. 由於科技發展與醫療技術的精進，大家對病人照護品質也日益重視。據 相關研究顯示跌倒住院約占意外事件的 60%，且跌倒將導致老人健康惡化、 產生併發症，除了增加家庭負擔也嚴重耗用社會醫療成本，因此跌倒意外的 防範與即時偵測是提升現代生活品質的重要課題之一。本文提出一套可應用 於醫療照護機構或居家的跌倒偵測系統，旨在即時偵測出跌倒行為並通報醫 護人員，避免延誤就醫，減輕醫護人員及醫療成本的負擔。 本論文不同於一般的看護系統在於，使用紅外線攝影機來擷取看護環境 的影像輸入，其優點在於黑暗中也可正常運作；另外本系統結合了地板壓力 感測的輔助，藉此減少不必要的警報。 實驗結果驗證，在正常環境下使用簡單的偵測演算法搭配地板感測效果 可提高系統偵測的正確率與可靠度。實驗結果也證實本論文所提出之跌倒偵 測法，在室內環境中且允許各種路徑以及跌倒方向下，有不錯的成效。 關鍵字：紅外線、跌倒偵測、壓力感測、專家系統. ii.
(4) Design of Fall Detection System Compound with Floor Pressure and Infrared Image Student：Jia-Yu Chen. Advisors：Dr. Huan-Wen Tzeng. Institute of Applied Electronics Technology National Taiwan Normal University ABSTRACT. Due to the advancement of technology and medicine, people begin to pay more attention to the quality improvement of health care. Many researches show that the fall accident occupies 60% of all accidents in a home. The fall accident may cause the condition of an elder deteriorated or producing complications. As a result, it increases the burden of a family and seriously wastes medical resources from the society. Thus, preventing the fall accident and detect it immediately is one of the important topics regarding the quality improvement of health care. This thesis proposes a reliable tele-care system that can detect the fall accident immediately, notify medical personnel when the accident occurs, prevent the patient’s condition from deteriorating due to late treatment, and reduce the burden of medical personnel. A unique feature of the proposed system is that we use a Infrared Camera to capture images simultaneously and eliminate any blind spot. We can adjust the detection sensitivity on a case by case basis to reduce unnecessary alarms, and put more attention on the elderly with special diseases or conditions. The experimental results show that using a simple fall detection algorithm and combining it with simple personal information can raise fall detection accuracy and reliability effectively in a particular environment. The experimental results also show that the fall detection algorithm proposed here can do a good job in an indoor environment for all fall cases. Keywords: Infrared, Fall detection, Pressure sensor, Expert system. iii.
(5) 目. 錄. 謝. 誌 ................................................................................................................ i. 摘. 要 ............................................................................................................... ii. ABSTRACT.......................................................................................................... iii 目. 錄 .............................................................................................................. iv. 圖 目 錄 ............................................................................................................. vii 表 目 錄 .............................................................................................................. ix 第一章 緒論 ..........................................................................................................1 1.1 研究背景 ..................................................................................................1 1.2 研究動機與目的 ......................................................................................2 1.3 研究方法 ..................................................................................................3 1.4 研究限制 ..................................................................................................4 1.5 研究步驟 ..................................................................................................5 第二章 文獻探討與回顧 ......................................................................................7 2.1 老年人之跌倒分析 ..................................................................................7 2.1.1 跌倒定義.........................................................................................7 2.1.2 跌倒成因.........................................................................................8 2.1.3 動作分析.........................................................................................9 2.1.4 相關研究.......................................................................................10 2.2 地板壓力感測器 ....................................................................................12 2.2.1 感測器基本原理 ..........................................................................12 2.2.2 壓力感測器...................................................................................14. iv.
(6) 2.2.3 負載元件.......................................................................................14 2.2.4 線性可變差動變壓器 ..................................................................18 2.3 紅外線影像理論 ....................................................................................19 2.3.1 紅外線簡介...................................................................................19 2.3.2 紅外線成像的原理 ......................................................................21 2.3.3 紅外線攝影機之應用 ..................................................................22 2.4 專家系統 ................................................................................................23 2.4.1 專家系統之定義 ..........................................................................23 2.4.2 專家系統的發展 ..........................................................................24 2.4.3 專家系統架構...............................................................................24 2.4.4 知識擷取.......................................................................................26 2.4.5 知識表現與知識推理 ..................................................................29 2.4.6 專家系統的特色與比較 ..............................................................30 第三章 系統架構與方法 ....................................................................................33 3.1 跌倒偵測系統的架構與流程 ................................................................33 3.2 地板壓力感測判斷 ................................................................................36 3.3 紅外線影像處理技術 ............................................................................37 3.3.1 影像平滑處理...............................................................................38 3.3.2 臨界值化.......................................................................................39 3.3.3 影像標記.......................................................................................41 3.3.4 影像膨脹與消蝕 ..........................................................................45 3.4 特徵擷取 ................................................................................................48 3.4.1 投影直方圖標準差 ......................................................................48 3.4.2 長寬比...........................................................................................50 3.5 影像和壓力感測結合專家系統判斷跌倒流程....................................51 第四章 系統實驗與分析 ....................................................................................54 4.1 軟硬體環境 ............................................................................................54. v.
(7) 4.2 評估方法 ................................................................................................56 4.3 研究實施 ................................................................................................58 4.3.1 地板壓力.......................................................................................59 4.3.2 影像感測.......................................................................................61 4.3.3 實驗結果.......................................................................................63 4.4 研究討論 ................................................................................................68 第五章 結論與後續研究 ....................................................................................72 5.1 結論 ........................................................................................................72 5.2 後續研究 ................................................................................................73 參考文獻 ..............................................................................................................74 附. 錄 ..............................................................................................................77. 自. 傳 ..............................................................................................................81. vi.
(8) 圖 目 錄. 圖 1-1 研究步驟流程圖 .....................................................................................6 圖 2-1 人體跌倒時之可能姿勢分析 ...............................................................10 圖 2-2 感測器的模型圖 ...................................................................................13 圖 2-3 壓力感測器主要應用領域 ...................................................................14 圖 2-4 用於 LVDT 為感應器之彈性元件.......................................................16 圖 2-5 LVDT 概要圖........................................................................................18 圖 2-6 電磁輻射光譜圖 ...................................................................................20 圖 2-7 專家系統的基本觀念 ...........................................................................23 圖 2-8 專家系統基本架構圖 ...........................................................................26 圖 2-9 知識擷取的三種方式 ...........................................................................27 圖 2-10 知識擷取的四個步驟 .........................................................................28 圖 2-11 前向式推理系統運作原理 .................................................................30 圖 3-1 跌倒偵測平台架構 ...............................................................................34 圖 3-2 系統流程圖 ...........................................................................................35 圖 3-3 壓力感測流程圖 ...................................................................................36 圖 3-4 地板原始信號與處理後的信號比較 ...................................................37 圖 3-5 紅外線影像圖 .......................................................................................39 圖 3-6 理想的紅外線影像之直方圖 ...............................................................40 圖 3-7 紅外線影像臨界值化圖 .......................................................................41 圖 3-8 標記的可能情形 ...................................................................................44 圖 3-9 標記的第二步驟 ...................................................................................44 圖 3-10 紅外線照片 .........................................................................................45 圖 3-11 影像膨脹過程 .....................................................................................46 圖 3-12 影像 A 經過影像 B 銷蝕後的結果..................................................47 圖 3-13 紅外線影像膨脹實際效果 .................................................................47 圖 3-14 水平與垂直投影直方圖 .....................................................................49 圖 3-15 紅外線投影直方圖 .............................................................................50 圖 3-16 特徵長寬比 .........................................................................................50 圖 3-17 紅外線影像和壓力結合專家系統判斷跌倒流程.............................52. vii.
(9) 圖 3-18 專家系統跌倒規則庫 .........................................................................53 圖 4-1 紅外線攝影機實體圖 ...........................................................................55 圖 4-2 壓力地板及 LVDT 感測器...................................................................55 圖 4-3 分析記錄器實體圖 ...............................................................................56 圖 4-4 場景示意圖 ...........................................................................................58 圖 4-5 實際場景圖 ...........................................................................................59 圖 4-6 無人情況下的地板壓力 .......................................................................59 圖 4-7 人站立在地板的壓力 ...........................................................................60 圖 4-8 人走路情況下的地板壓力 ...................................................................60 圖 4-9 跌倒發生時的地板壓力 .......................................................................61 圖 4-10 房間區塊示意圖 .................................................................................62 圖 4-11 各方向的跌倒結果 .............................................................................62 圖 4-12 實驗流程圖 .........................................................................................63 圖 4-13 系統初始畫面 .....................................................................................64 圖 4-14 波形輸入的兩種情況 .........................................................................65 圖 4-15 影像輸入的兩種情況 .........................................................................66 圖 4-16 拍攝角度與跌倒方向的關係 .............................................................69 圖 4-17 衣著厚度不同，輻射量不同 .............................................................70 圖 4-18 距離鏡頭太近 .....................................................................................71. viii.
(10) 表 目 錄. 表 2-1 紅外線之種類及應用 ...........................................................................20 表 2-2 專家系統發展史 ...................................................................................24 表 2-3 專家系統與傳統程式比較(a)...............................................................30 表 2-4 專家系統與傳統程式比較(b) ..............................................................31 表 4-1 系統使用軟硬體規格 ...........................................................................54 表 4-2 紅外線攝影機工作規格 .......................................................................55 表 4-3 LVDT 工作規格....................................................................................56 表 4-4 評估參數示意 .......................................................................................57 表 4-5 實驗結果 ...............................................................................................67 表 4-6 系統性能指標 .......................................................................................67 表 4-7 各研究系統性能指標比較 ...................................................................68. ix.
(11) 第一章. 緒論. 依聯合國世界衛生組織的定義，65 歲以上之人口，佔總人口數 7％以上 的國家，就可稱為「老人國」 。根據資料統計，台灣地區已步入老人國之林。 而且，老人人口比例仍在持續成長中，預估至民國 100 年老人人口約佔總人 口數 10％以上，是所有不同年齡族群人口中增加最快速的。由於社會型態 的變遷，大量人力投入就業市場，獨居老人人數日漸增多，獨居老人的居家 生活照料、安全考量及對醫療的需求等是大家關注的焦點。本研究旨在進行 居家安全中的跌倒偵測系統建構，為銀髮族的安全與健康把關，減少跌倒所 帶來的傷害威脅。. 1.1 研究背景 「老人跌倒」為什麼要特別重視這個問題？因為根據統計，「跌倒」是 六十五歲以上老人事故傷害死亡的第二大原因，更是事故傷害住院的主因。 由於老年人健康逐漸衰退與惡化，平衡感及靈活度也降低，因此跌倒、摔跤 的發生傷害危險性也就相對的提高。. 在美國，約三分之一的老人每年曾經跌倒過，其中二分之一的老人有再 發性的跌倒(recurrent falls)，過去台灣的研究約 13.6%的老人每年曾經跌倒. 1.
(12) 過，跌倒對社區老人身體功能有顯著而直接的影響，由於老人常有高盛行率 的共存疾病(comorbid diseases) 如： 骨質疏鬆，及老化相關的功能減退，如： 反射變慢等問題，即使輕微的跌倒，也常造成很大的危險。每十次的跌倒就 有一次會造成嚴重的傷害，包括：髖關節骨折、其他部位骨折、硬腦膜下出 血、其他嚴重的軟組織傷害或頭部外傷等， 5%跌倒的老人有住院必要[1]。. 跌倒傷害對老年人而言是一件影響嚴重的健康問題，跌倒後果可能會導 致失去獨立自主的生活能力、長期失能，嚴重甚至死亡。其實老年人之跌倒 後果不僅只限於身體上的傷害，亦包含了對心理上的影響傷害。老年人跌倒 後可能會失去自信心，有 25％以上的老年人因為跌倒而限制了自己日常生 活的活動力，因為他(她)們害怕會再次發生跌倒。. 1.2 研究動機與目的 目前有越來越多人投入紅外線感測方面的研究，這是因為紅外線影像幾 乎不受亮度的影響，可以在明亮或者黑暗的環境中工作。這項特性，使得紅 外線感測能夠在軍事、監控、醫療、交通安全和工業製程檢測等方面，提供 更多以及更加完善的應用。紅外線影像相較於一般可見光攝影機所拍攝的影 像，具有隱私性以及簡化背景的好處，故本論文採用紅外線感測的方式進行 研究。. 2.
(13) 人類每年因跌倒所引起的傷害造成了許多醫療資源的浪費與損失，這是 值得思考及討論的公共議題，這類型的傷害若能夠在意外發生時的第一時間 進行搶救，不僅可以使傷害與損失降至最低點，亦可能避免二次傷害的發生。. 在本研究中，期望開發出用於老人或在療養照護機構內較偏僻的地方所 使用的跌倒偵測系統。若在人多之處，老人或患者的跌倒行為馬上會被發現 並且進行需要的後援照護，但是在身旁無人的環境之中，即使身上配有緊急 按鈕等需使用者觸發的被動型警報器，也可能因中風或癲癇等猝發狀況，導 致使用者無法自行按鈕呼救而錯過第一時間的急救處理。. 因此本篇論文提出一個主動式跌倒偵測系統。當中使用紅外線攝影機來 觀察整個環境，還可以自行設定偵測區域，並且結合地板壓力感測器來分析 跌倒動作，並且在跌倒動作發生後以簡訊或警報方式告知護理人員或家屬。. 1.3 研究方法 為達成預定的研究目的，本研究將採取以下的研究方法： 1. 相關文獻之探討：對遠距居家照護、跌倒偵測以及專家系統進行文 獻探討與回顧，瞭解國內外相關研究及應用，同時評估專家系統使 用於跌倒偵測系統之可行性。 2. 設計跌倒偵測平台：首先在地板上裝置壓力感測器，若感測器被觸. 3.
(14) 發時，則紅外線攝影機啟動。攝影機將影像拍攝下來，針對圖片進 行分析。若分析結果發現有人跌倒，則發動警報求救。若無異狀， 則持續更新拍攝的照片。 3. 特徵擷取：將地板壓力感測器的訊號透過記錄器傳送至電腦中，然 後透過紅外線攝影機。攝影機將拍攝下來的照片傳送至電腦，透過 攝影機可以擷取出物體的長寬比、垂直投影直方圖的標準差以及水 平投影直方圖的標準差三個特徵。 4. 專家系統建構：將跌倒的相關知識以及診斷規則轉換成知識庫，儲. 存於知識庫之中。根據上述的儀器所測得的參數進行判斷之功能。. 1.4 研究限制 本研究探索期間，發現有關於跌倒偵測的文獻並不多，再者國內書籍、 期刊對於這方面的介紹研究也不是很充足。另外跌倒事件於現實生活中並不 是這麼常見，在樣本數上會偏少，而以人為的方式去產生，在數據真實性上 則可能有失偏頗；實驗的對象，原本應該為老年人，不過基於某些因素(時 間、空間等)，受實驗者為年輕力壯的青年人，效果可能就有所差別；基於 物力的限制下，場景由整個家庭縮小為臥室起居，由實驗室模擬之。. 4.
(15) 1.5 研究步驟 研究的方法提出之後，本研究應先定義出明確的執行步驟，按部就班去 執行，步驟說明如下： 1. 建立明確的研究目標-「跌倒偵測」。 2. 擬定研究計畫：探討文獻，確定方向；擬定研究目的、方法與研究 步驟。 3. 理論分析與文獻探討：搜尋有關跌倒感測之相關論文與書籍，進行 研讀並與教授討論，作為本研究之理論基礎。 4. 規劃系統架構雛形。 5. 程式撰寫、除錯與精簡。 6. 發展跌倒診斷之專家系統。 7. 專家系統測試、分析與建議。 8. 系統分析、結論與建議。 9. 研究報告的撰寫與整理。. 5.
(16) 圖 1-1. 研究步驟流程圖. 6.
(17) 第二章. 文獻探討與回顧. 在建構與完成本系統的建立，最主要的文獻探討與基本相關理論分為四 節，第一節為老年人之跌倒行為的分析，將跌倒的前因後果以及風險因子鉅 細靡遺的分析介紹；第二節為壓力感測器的介紹；第三節為紅外線理論；第 四節是專家系統的簡介。. 2.1 老年人之跌倒分析 論及跌倒相關之研究，不得不探討老年人之跌倒相關情形。因為老年人 是發生跌倒的高危險群，在歐美國家有許多此方面的相關研究，且已成為被 重視的公共衛生議題。. 2.1.1. 跌倒定義. 跌倒事件是醫院常見的事件，所以在國外例如:美國、英國或加拿大 等，對醫院裡的病人跌倒事件視為一件重要的公共衛生議題。至於「跌 倒」在一些文獻裡對它的定意有不同的看法與解釋，在本研究裡對「跌 倒」之定義為參考台灣財團法人醫院服務暨醫療品質策進會（簡稱「醫 策會」），其將「跌倒」定義如下：凡是發生在任何場所、任何情境下、 不論有無造成身體傷害之「非預期性地」跌坐或滑坐於地面，包括因肢 體無力或扶持不住而不得不緩緩坐於地上。在其他文獻裡將跌倒定義. 7.
(18) 為：不慎地跌落於地面或其他平面，但排除以下情形:暴力、失去意識 或者是中風或癲癇所造成的突然性癱瘓發作[2]；突然及無意間地跌落 於地面或其他平面[3]。簡單來說，當個人失去平衡後無法以雙腳支撐 身體重量，造成身體其他部位接觸地面，來支撐部份或全身的重量，就 稱為跌倒。. 2.1.2. 跌倒成因. 一個人要維持步伐的穩定度需要以下四個步驟均配合良好方可： 1. 感覺神經的輸入 2. 中樞神經的整合 3. 認知功能的完好 4. 肌肉骨骼的執行. 由於人是靠雙腳行動來達到移動的動作，在利用雙腳行動的同時， 全身相關的肢體及器官就要互相作用以維持平衡。人體在平衡的過程 中，經過一連串複雜而有系統的神經肌肉傳導。傳導的過程中主要是由 感覺神經、中樞神經和運動神經三大系統來負責。跌倒是因為平衡過程 出現干擾現象，干擾而導致失去平衡時，就會有跌倒的情況發生[4]。. 造成老年人跌倒原因的複雜，至今仍無被廣泛接受的分類方式，大 都將危險因子分為內因性(intrinsic)與外因性(extrinsic)。內在危險因子與. 8.
(19) 老人本身的特性相關，如下肢無力、握力不足、平衡功能不良、日常生 活活動功能障礙、認知功能障礙、視力或聽力不佳、急性與慢性疾病、 藥品使用等。外在危險因子與環境因素相關，如照明不佳、地面不平、 浴室沒安裝扶手與防滑地板等安全措施或雜物凌亂放置未擺放整齊等。. 2.1.3. 動作分析. 所謂姿勢（posture），是意味著姿態、樣子或身體的姿態的名詞。 從人體的運動學立場給姿勢下定義時，大致可分為兩種。 1. 姿態(attitude) 所謂姿態是指身體的各部份，即頭部、軀幹、四肢的相對產位置關 係的意思，是以所謂頭部前屈位、上肢外轉位、軀體後屈的形態來表現 的並依體節相互位置關係的關節角度來測定。 2. 體位（position） 所謂體位，是表示身體與重力的方向位於何種關係，以立體、背臥 位或側臥位的形態來表示。即指身體被安置的狀態之面與軸的重力方 向，也就是與垂直軸相對的關係。. 一般人體因某些因素而失去平衡時，便有可能會發生跌倒的情況， 此時身體會呈現傾向一方向傾倒的狀態，其經身體一連串的作用結果， 可能發生的姿勢包含如圖 2-1 這幾種可能：. 9.
(20) 圖 2-1. 人體跌倒時之可能姿勢分析. 跌倒的發生是身體不自主失去平衡的行為，在發生跌倒時通常是自 己本身所無法控制的傾倒動作，因此在跌倒時，一般都只發生在短暫時 間，比起一般的正常動作（如蹲下或躺下等等）要短上許多，也因為身 體會在一瞬間傾倒，致使身體重心瞬間朝傾斜方向移動，如此的身體動 作結果便會產生加速度值，國內外有許多針對跌倒偵測的研究，就是以 跌倒發生時所產生的加速度值來作為判斷跌倒的重要參考依據[5]。. 2.1.4. 相關研究. 國內外有許多相關文獻當中包含了各種不同的跌倒偵測方式，有的 是使用特殊感應器或硬體裝置輔助偵測[5-8]。例如：Allen 等人使用適 應性的高斯混合模型方法基於加速度計來做各式動作分類判別[6]。維. 10.
(21) 京尼亞大學的 Alwan 等人提出壓電換能器放置於地板上，用地板振動 的偵測來辨識是否有跌倒的行為[7]。而有的則是利用監視器建構出一 個智慧型監控系統來輔助看護使用者判別是否發生跌倒的狀態，幫助醫 護人員或家屬進行遠距照護的工作[9-15]。. 使用監視系統概念的看護系統是利用攝影機擷取到的視訊影像，進 行人員的偵測與行為分析。舉凡人體最常出現的日常活動的行為（跑、 蹲、跳、爬、走…等）的分類辨識；分析人是否攜帶物體、放置物體等 簡單行為，皆是近年來影像辨識熱門的研究領域。大體來說，人體動作 的行為分析主要有以下兩種方式： 1. 樣板比對法(Template Matching)： 此類方法先將影像資料流轉換為特殊的靜態模型並且抽取特 徵訓練。進行辨識行為時，再將所得到的影像和預先訓練儲存的樣 本模型做比對。使用樣板比對技術的優點是計算複雜度低、容易實 現，但是這種方法對於雜訊和運動時間間隔的變化非常敏感。 2. 狀態空間法(State Space Approaches)： 此類方法利用狀態空間模型將每一個靜態姿勢定義為一個狀 態，並且利用一些數學模型計算各狀態間的相關機率與聯合機率。 即任何影像序列都可以看成是這些姿勢不同狀態間的歷程，在此歷 程內計算其聯合機率，其中最大值的就被挑選為此分類行為的標 準 。 目 前 在 此 分 類 分 析 中 最 有 代 表 性的 是 隱 藏 式 馬 可 夫 模 型. 11.
(22) (Hidden Markov Models, HMMs)。. 一般使用影像看護系統通常必須使用多台攝影機分別架設在空間 不同的位置，這樣在佈線與架設位置需要事先計算外也免不了一筆額外 的花費。因此 Greiffenhagen 等人[11]於 2001 年提出一種不同以往的監 視系統，他們利用一個 CCD 攝影機和一個凸面鏡組合成一個全向 (omni-direction)之監視系統，不但可以解決死角問題，又可以降低花費。 此種特殊的監視系統被提出後，許多與此相關的研究與應用也陸續被探 討應用 [13]。. 2.2 地板壓力感測器 感測器(sensor)的種類非常多，而且依照技術來分類的範圍很廣。小的如 導線開關等級的零件，大到對圖案(pattern)辨識的系統等級，皆包含在感測 器的範圍之內。. 2.2.1. 感測器基本原理. 簡單來說，所謂「感測器是對所有的對象去檢測其能量的方法」 。 除了包括一般檢測元件外，還包括檢測化學反應與生物變化，包含以上 的所有範圍都可以稱為感測器。. 12.
(23) 圖 2-2 是感測器的模型圖。從圖中可以知道感測器可以將所有的對 象之能量變化，包括物理的、化學的與生物的方法作檢測，而這些資訊 的輸出信號是利用一般電子信號作輸出。. 圖 2-2. 感測器的模型圖. 感測器的基本原理是將欲量測之物理量或化學量，如溫度、壓力、 濕度、速度、震動、聲音、PH 值及化學成份等，轉換成可紀錄之形式， 通常為電訊號，再以資料擷取儀器將此電訊號進行紀錄、顯示或分析。. 感測器通常與轉換器(transducer,亦稱為換能器或傳感器)並稱，實際 上所有的感測器都需要有轉換器的存在，轉換器可將待測量之物理或化 學量轉換成另一種能量形式(電訊號)，轉換器可分為主動式及被動式兩 種。主動式轉換器不需外加激發電源，待測量的改變可直接產生電壓或 電流，如熱電偶；被動式轉換器則需外加激發電源才能產生電訊號輸 出，如應變規[16]。. 13.
(24) 2.2.2. 壓力感測器. 「壓力感測器」為檢出氣體、液體與固體等在物質之間作用的力學 能量感測器的總稱。它是屬於一種力學量的檢出領域，壓力本身包含物 體的重量、轉矩(迴轉力)與物體之間作用力等。由於壓力(應力)與力學 為共通概念的結合，不論哪一種力學量的檢測都可以使用壓力感測器。 圖 2-3 是壓力感測器的應用範圍。從圖可以看出壓力、重量、轉矩等在 力學上並不相同，不過都與壓力感測有關，必須要針對不同的作用力而 選擇不同的壓力感測器。 壓力檢測 重量檢測 與壓力感測器有關. 力學量的檢測 扭矩檢測 作用力檢測. 圖 2-3. 2.2.3. 壓力感測器主要應用領域. 負載元件(Load Cell). 量測力、轉矩或壓力之電能轉換器通常包含一彈性部份而可藉以轉 換成為一種偏向或張力；一偏向感應器或一組張力規可間接地用來測出 有興趣的量(力、轉矩或壓力)[17]。. 使用在負載元件上的彈性元件普通為連桿，橫桿，環。這些電能轉 換器之操作形式將再分別敘述如下:. 14.
(25) 一簡單的單軸向連桿型負載元件使用張力規為其感應器。負載壓力 P 可為依張力負載獲一壓縮負載四個張力規黏合於連桿上並使兩個張 力規放置在橫軸上，而另兩個則在縱軸方向上，此四個張力規被連接到 惠斯登電橋橫軸向。. 當負載壓力 P 施加於連桿時則連桿內橫軸向 ε a 及縱軸 ε t 內張力將 與負載形成下列關係，. εa =. P AE. （2.1）. 其中 A 為連桿之橫截面積，E 為連桿之彈性係數，v 為連桿之普氏比率 在電橋沒有作動的情況下 R1 = R2 = R3 = R4 ，則 Vout=0 假設當施 予一力，造成電阻值改變，在理想狀況下，. εt =. −vP AE. （2.2）. 施加負載 P 後與電橋結合之靈敏度為 S gε a = S=. Sg P AE. Eo 1 S g (1 + v) Ei = = P C 2 AE. （2.3） （2.4）. 一般橫桿型負載元件被採用在連桿型負載元件無法量測之低水準 負載中。橫桿型負載元件之靈敏度與範圍均隨負載加入點之變化而改 變。當接近橫桿長度時可得最大靈敏度及最小範圍而當施加之負載點移 向靠近計規時靈敏度降低且範圍增加。. 15.
(26) ⎛E ⎞ 最大負載下之電壓比 ⎜ o ⎟ 如下可得其中 S f 為疲乏強度 ⎝ Ei ⎠ max Sg S f ⎛ Eo ⎞ ⎜ ⎟ = AE ⎝ Ei ⎠ max. （2.5）. 環型負載元件由一試驗環作為彈性元件所構成如下圖 2-4。改變環 的直徑厚度或深度可使用於很寬的負載範圍。. 支持環. 磁心. 線性可變 差動變壓器. P. 圖 2-4. 用於 LVDT 為感應器之彈性元件. 我們可使用一線性可變差動變壓器( LVDT )或張力規為感應器。 如 果用 LVDT 來測量環的直徑的壓縮或伸張δ，位移δ與負載 P 之關係 可由下列近似方程式表示: PR 3 δ = 1.79 Ewt 3. (2.6). 方程式(2.6)為近似值因為環的上及下端的加力區域會容納負載之. 16.
(27) 附著，但在試驗中未予以考慮。LVDT 之輸出電壓 Eo 可表示為. Eo=SδE 式中. (2.7). S 為 LVDT 之靈敏度 Ei 為施加於 LVDT 初級繞線之電壓. 將方程式(2.6)代入方程式(2.7)可得輸出電壓 Eo 與負載 P 相關之方 程式。亦即. P=CEo. (2.8). 其中 C 為比例常數或校正常數 由方程式(2.8)可知負載 P 與輸出電壓 Eo 成線性比例。. 環-LVDT 結合後之靈敏度 St 為 St =. Eo 1 = P C. (2.9). 所以我們可知環型負載元件用 LVDT 作感應器其靈敏度將隨著幾 何形狀，環的構成材料之彈性係數( E )，與 LVDT 之特性( S 及 E i )之改 變而不同。使用 LVDT 感應器的環型負載元件的額定輸出比用張力規作 感應器所能得到的輸出高很多。. 本 論 文 在 系 統 裡 使 用 的 是 線 性 可 變 差 動 變 壓 器 (Liner Variable Differential Transformer, LVDT)來量測地板壓力變化，量測的是地板位 移，再將位移訊號搭配地板的壓力靈敏度即可轉換成壓力值。. 17.
(28) 2.2.4. 線性可變差動變壓器. 線性可變差動變壓器概要圖如圖 2-5 所示，其工作原理是由振盪器 產生一高頻的參考電磁場，並內建一支可動的鐵心主軸以及兩組感應線 圈，當主軸移動造成強度改變由感應線圈感應出兩電壓值，相比較後即 可推算出移動量，若需感測移動的方向則只需在電源側再加入一組一次 線圈，藉由感應電壓的相位判讀出運動方向。一般的量測範圍為 0.1mm 至 1m，解析度為 0.1µm，精確度為全刻度之 0.01-0.05%。. 鐵心 一次線圈 二次線圈 二次線圈 (a). (b). 基本構造圖. 線圈的接續. 輸出電壓Ｖ V1. V2. V（合成電壓） -15. -10. (c). -5. 0. 5. 10. 鐵心的位移與輸出電壓. 圖 2-5 LVDT 概要圖. 18. 15.
(29) 2.3 紅外線影像理論 這裡僅介紹紅外線的簡介與攝影機的應用。紅外線影像處理，則在下一 個章節作詳細的介紹。. 2.3.1. 紅外線簡介. 紅外線約有 200 年歷史，1800 年威廉薛爾爵士（William Herschel） 用稜鏡把太陽分光而得的放射於水銀溫度計黑化的水銀囊部分，測定其 吸收能量所致的溫升，並以未被投射的溫度計為標準，發現紫色光升 2℃，紅色光升 7℃，紅色外肉眼看不到的光比紅色光高 2℃，這是首次 發現紅外線實驗，並發現可視域長波長端外有熱作用的放射譜。. 1951 年 Brngel 將紅外線的歷史分為：黎明期（1800~1880 年） 、開 拓期（1881~1950 年） 、發展期（1951 年~） ，不過在 1951 年後就快速發 展，在 1960~1970 年以後可說是展開期。 克希荷夫(Kirchhoff) 提出黑體（black body）的概念，史蒂芬(J. Stefan) 在 1879 年以經驗求得在黑體條件，為放射能正比於溫度 T 的 4 次方。此經驗律在 1884 年由波茲曼(L. Bolzman) 理論化，建立史蒂芬波茲曼(Stefan-Boltzman) 定律。1865 年馬克思威爾(C. Maxwell)預見電 磁波，1887 年赫茲(H. Hertz) 實證此理論會影響放射理論，而統一建立 電磁波譜。此理論經韋恩(W. Wein)、雷利(L. Rayleigh)之修改，在 1900 年由普朗克(Planck) 完成，有關熱放射能譜分布理論體系獲得證實。. 19.
(30) 紅外線是電磁波領域的一部份定義為：是一種電磁波，當任何物體 的溫度在絕對溫度(-273℃) 以上時，都會釋放出紅外線，而波長在 0.7µm~1000µm（1mm）之間。依其能量含量的不同，又可分成近紅外 線（0.7µm~4µm） 、中紅外線（4µm~40µm） 、遠紅外線（40µm~1000µm） 三個範圍，如圖 2-6 所示。應用在各種不同的用途[18]，如表 2-1 所示。 NIR 0.7μm Gamma ray. 10-12. 4μm. X ray X-射線. 伽瑪射線. MIR. 10-10. FIR 40μm. Ultraviolet. 1000μm. Infrared. 紫外線. 紅外線. 10-8. 微波. 10-4. UHF VHF FM 10-2. 1. AM 102. 波長(公尺). 可見光. 4×10-7. 5×10-7. 6×10-7. 圖 2-6. 電磁輻射光譜圖. 表 2-1. 104. 7×10-7. 紅外線之種類及應用. 類別. 波長範圍. 近紅外線. 0.7至4 µ m. 應用 電耦合裝置(Charge Coupled Device, CCD)攝影機、點對點式人體溫度移動. (Near Infrared). 感應檢測器。 中紅外線. 4至40 µ m. (Middle Infrared). 紅外線氣體分析儀及紅外線熱影像 儀。. 遠紅外線. 40至. 除加熱的用途外，僅少部份應用在氣. (Far Infrared). 1000 µ m. 體分析上面，應用面不如近、中紅外 線廣泛。. 不同的應用技術所引用的紅外線波長，皆有其基礎理論上之限制， 因此往往無法互相取代。此外，紅外線之所以如此重要，並非因其為不. 20.
(31) 可見光，而是許多自然界物質運動現象(分子的轉動與振動)所釋放或吸 收的輻射能量恰巧落在紅外線能量區，因此可用紅外線來探知待分析物 存在的種類、數目甚至外觀形象。. 2.3.2. 紅外線成像的原理. 要了解紅外線的成像原理，就必須要先知道黑體(black body)，所 謂黑體，簡單地講就是在任何情況下對一切波長的入射輻射吸收率都等 於 1 的物體，也就是說完全吸收。作為自然界中實際存在的任何物體對 不同波長的入射輻射都有一定的反射(吸收率不等於 1)，所以黑體只是 人們抽像出來的一種理想化的物體模型。但黑體熱輻射的基本規律是紅 外線研究及應用的基礎，它揭示了黑體發射的紅外熱輻射隨溫度及波長 變化的定量關係，也是紅外成像的基本出發點。 黑體定律分別由以下三個基本定律構成：(1)輻射的光譜分佈規 律—普朗克(Planck)輻射定律；(2)輻射功率隨溫度的變化規律—史蒂芬波茲曼（Stefan－Boltzmann）定律；(3)輻射的空間分佈規律—朗伯 (Lambert)餘弦定律。以上三個定律共同闡述了凡是溫度高於凱氏零度 (絕對零度)的物體都會自發地向外發射紅外熱輻射，而且黑體單位表面 積發射的總輻射功率與凱氏溫度的四次方成正比，溫度只要有較小的變 化，就會引起物體的輻射功率發生較大變化。以上定律正是紅外線成像 的原理基礎，即只要有溫度存在，就有紅外線攝影的可能。. 21.
(32) 理論上，自然界中的一切物體，只要它的溫度高於絕對零度 (-273.15℃)，就存在分子和原子無規則的運動，其表面就會不斷地輻射 紅外線。任何存在有溫度的物體，除可以發出波長在 380～770nm 的可 見光外，還可以發射不為人眼所見的波長為 770～1350nm 範圍的紅外 線。因此，紅外線的最大特點就是普遍存在於自然界中，也就是說，任 何「熱」物體雖然不發光但都能輻射紅外線，因此紅外線又稱為熱輻射 線，簡稱為熱輻射。. 2.3.3. 紅外線攝影機之應用. 紅外線攝影機最早是做為軍事用途之夜視功能，但隨著科技進步與 生活方式及需求的改變。紅外線攝影機的主要應用領域已涵蓋包括環保 (大氣污染監測)、製程監控 (機器之溫度變化感測或保養的監控)、治安 保全 (家庭保全系統)、交通 (汽車夜間輔助駕駛)、醫療診斷(癌症腫瘤 診斷)、地球資源及衛星氣象偵測等與人類工作及生活息息相關之應用 領域上。 1. 目標搜尋（如海上搜尋、要點防禦、空中搜尋等）。 2. 研究發展（如引擎燃燒、複合材料、建築材料、電路板設計檢 測、熱傳導研究、輪胎設計等）。 3. 預防保養、設備檢查（如發電、變電、輸電、配電設備、鍋爐、 儲槽、蒸氣管線等） 。 4. 污染防治、資源探測（如空氣、水污染偵測、海洋溫域、地熱. 22.
(33) 平衡等）。 5. 醫學診斷（如燒燙傷、血管疾病、脊椎病變、皮膚病變等）。. 2.4 專家系統. 2.4.1. 專家系統之定義. 1985 年 Feigenhaum 博士定義「專家系統」是: 「一個有智慧的電腦程式，以知識和推理(Inference)來解決需高度專家 智慧的問題。」. 簡單來說，專家系統是以電腦能看得懂的形式將專家知識儲存起 來，並加入控制策略(Control strategy)，使電腦能像專家一樣，利用這 些知識和經驗法則來解決問題 [19]。圖 2-7 描述知識庫專家系統的基本 概念。基本上，一個專家系統是以知識庫為核心。依使用者輸入事實描 述，並應用知識庫中的知識，透過一定的推理步驟解決問題。 知 識 庫. 事實 使用者 結論. 圖 2-7. 推 理 機. 專家系統的基本觀念. 23.
(34) 2.4.2. 專家系統的發展. 五 十 年 代 中 期 ， 科 學 家 試 圖 建 立 一 個模 擬 人 腦 的 智 能 機 制 ， PERCEPTRON 是代表的系統，具備了自我學習的功能，但這個系統並 未達到理想標準。此後的十年期間，科學家的研究主要集中在定理證 明、問題求解等具有明確定義和結構的問題上。於 1960 年發展出一個 名為通用問題求解器(General Problem Solver, GPS)的系統。GPS 的通用 性在於它並不侷限於特定的問題，但它只能在狀態集合相對較少和形式 規則都有完整定義的領域內使用。由於通用問題求解器的目標太大，導 致系統太過複雜，因此一直沒有很深入的成果與表現。專家系統的演進 過程，歸納在表 2-2[20]。. 表 2-2. 專家系統發展史. 時期. 年代. 建構工具. 發展理論. 專家系統. 孕育期. 1960 年以前. -. GPS. -. 誕生期. 1960 年～1970 年. LISP. 模糊理論. DENDRAL. 開創期. 1970 年～1980 年. EMYCIN. 法則式系統. MTCIN. OPS. 框架理論. XCON. KEE. 類神經網路. XSCEL. -. Hwang99. 成長期. 1980 年～1990 年. CLIPS. 成熟期. 2.4.3. 1990 年以後. DRAMA. 專家系統架構. 專家系統架構包含六大部分，如圖 2-8 所示，分別為： 1. 知識庫(Knowledge Base)：. 24.
(35) 專家系統主要核心部份，儲存用以解決處理問題之知識，包含 了領域資料、事實及領域專家的經驗及知識。 2. 推理引擎(Inference Engine)： 用以處理、控制專家系統推理過程的機制，模仿專家解題的技 巧，使用邏輯思考的方式來解決問題。 3. 工作記憶區(Working Memory)： 暫時儲存推理過程中所產生之資料、知識等資料暫存區域。 4. 解釋能力(Explanation Facility): 讓使用者對系統結果有更深入的了解。 5. 知識取得介面(Knowledge Acquisition Interface)： 將知識工程師取得的知識或經驗轉換成電腦可使用的架構。 6. 使用者介面(User Interface)： 提供使用者親切的溝通介面，讓使用者能與專家系統溝通。 其中又以知識庫、推論引擎和使用者介面最為重要。. 25.
(36) 知 識 庫. 領 域 專 家. 知 識 擷 取 介 面. 知 識 工 程 師. 推 理 引 擎. 工 作 記 憶 體 暫 存 區. 圖 2-8. 使 用 者 介 面. 使 用 者. 說明解釋 系統. 專家系統基本架構圖. 從專家系統的運作方式中可得知，在建立專家系統的過程中，有三 個主要的程序，其詳細內容將於下一小節說明。 1. 知識擷取(Knowledge Acquisition) 2. 知識表現(Knowledge Representation) 3. 知識推論(Knowledge Inference). 2.4.4. 知識擷取. 在專家系統的發展過程中，最重要的不外乎知識取得、知識表示與 知識推理，也是系統發展的關鍵所在。以知識存在的具體性來看，可以 分為兩類： 1. 內隱知識(Implicit Knowledge)：. 26.
(37) 指的是存在於專家腦中，由許多知識的彙集，必須由專家解 釋，才能被理解或應用的知識。這類型的知識，通常很難直接被應 用到專家系統中，因為這類知識的擷取非常地複雜，這也是建立專 家系統所面臨最困難的問題之一。 2. 外顯知識(Explicit Knowledge): 指的是清楚明確而且條理分明的知識。這類知識容易被歸納， 應用於專家系統中。. 知識擷取的方式分成圖 2-9 之三種模式，人際溝通模式、人機交談 模式和機器學習模式。 專家知識. 知識工程師. 知識庫. 人際溝通模式. 專家知識. 交談式知識擷取軟體. 知識庫. 人機交談模式. 範例庫. 機器學習軟體. 知識庫. 機器學習模式. 圖 2-9. 知識擷取的三種方式. 而知識擷取的過程可分成四部份，指認、結構化、關聯化和測試， 如圖 2-10 所示。指認是只確定問題與答案之間的關連。結構化是指架 構問題的模式，包含解決問題相關變數間的階層關係、因果層次及程序 關係等，以便將問題加以分成許多獨立較小的次問題。關聯化是指建立. 27.
(38) 知識法則的過程。測試是擷取知識的檢查，實際上在知識工程流程的每 一階段，皆有其階段性的測試，合於預定目標後再進入次一步驟。. 指認. 概念. 結構化. 結構. 關聯化. 知識. 測試. 圖 2-10 知識擷取的四個步驟. 人際溝通模式可細分兩大類，一為直接人際溝通模式：是以語言或 文字等方式直接與人類專家溝通，將知識擷取出來。這類的方法還包 含：陳述法、交談法、觀察法、閱讀法、問卷法和草案法六種。. 而間接人際溝通模式是指間接以特殊的表格、圖形及數學分析方式 為工具，間接從這些工具的分析來擷取資料。這類方法有決策表、決策 樹、且或樹、故障樹、展開樹、流程圖、模式圖、階層集群分析樹和多 維尺度分析樹九種。本研究所使用的為且或樹。. 且或樹： 且或樹是由一些決策因子的「且」和「或」的關聯所組成，每一個 且或樹代表一個決策值的決策因子的組合方式。. 28.
(39) 2.4.5. 知識表現與知識推理. 專家系統的知識表現與知識推理包含下列五種方式，一、法則式系 統。二、框架式系統。三、邏輯式系統。四、物件式系統。五、語意式 系統。在此僅介紹本研究使用到的法則式系統。. 法則式系統(Rule-based System)是最早的知識表現與知識推理模 式，也是最普遍使用的系統。其方式最接近人類的思考，也最能表達人 類的推理方式。基本格式是 IF…,THEN….。IF 部份稱為前提(premise) 或條件(condition)。THEN 部份則稱為行為(action)或結論。當 IF 的部份 為事實所吻合，則 THEN 部份的行為就會執行，也就是此法則已被觸 發。然而，依知識推論的方式不同，法則式系統又可分成前向式推理系 統、後向式推理系統。本文針對前向式推理系統作介紹。. 前向式推理系統： 前向式推理是最早期使用的推理系統，它比後向推理更適用於設計 和規劃等問題的應用。例如 1978 年~1982 年 DEC 公司所開發的 XCON 專家系統，便是使用此一推理系統。前向式推理系統運作原理如圖 2-11 所示。當使用者選擇一資料後，程式依據使用者回答，依據條件成立與 否，而選擇所成立事實，程式再依據使用者回答事實是否成立，而得不 同之結論。. 29.
(40) 條件一 成立. 選擇資料. 是. 條件二 成立. 事實一. 是. 否. 否. 條件三 成立. 事實二. 結論一. 結論二. 是 結論三 否. 結論四. 圖 2-11 前向式推理系統運作原理. 2.4.6. 專家系統的特色與比較. 專家系統和傳統程式設計方式有很大的差異。如表 2-3 與表 2-4 所 示[19]，專家系統解題的知識是與推理機制(程式)分開的；因此，只要 修正知識庫的內容，即可強化其解題模式，與傳統程式動輒要修改程式 有很大的不同。. 表 2-3 專家系統與傳統程式比較(a) 專家系統. 傳統程式. 表示知識. 表示資料. 知識庫與推論機制分開. 資料與演算法交織在一起. 高度交談式處理. 批次式順序處理. 知識密集型. 知識不密集. 特定領域的應用. 屬於較一般性的應用. 30.
(41) 表 2-4 專家系統與傳統程式比較(b) 專家系統程式寫作. 傳統程式寫作. 使用推論引擎. 使用演算法. 偏重符號處理. 偏重數值計算. 採用以符號為主的知識庫. 採用數位定址的資料庫. 可以提供推論、解釋的功能. 無法提供推論、解釋的功能. 從這個角度來說，專家系統並非要取代系統的程式，它只是提供另 一種選擇，企圖解決另一類的問題。傳統程式語言(如：FORTRAN)在 處理數值問題上，仍有不可取代的優越性，硬是用專家系統及人工智慧 語來解決計算問題反而會顯得格格不入。. 專家系統的核心是一個會隨系統的建構而逐漸累積的知識主體。這 些知識清楚而有系統，能簡化做決定的過程。一個專家系統設計，具有 下列特性： 1. 高效能：一個專家系統必須有能力勝任一個領域專家的工作甚至 更好。 2. 可靠性高：專家系統由於知識庫的完整與固定，所以解決問題的 可靠性也就相對提高。 3. 提供幫助問題解決的高層次專門技術：這種專門技術代表在某方 面頂尖專家們最好的思考方式，於是能正確地、有效地解決問題。 4. 提供預測能力：對某些不確定的問題，專家系統可藉由某個既定 的推理方式，給予問題的結果做某些程度的預估，提供決策者做 決定的參考。. 31.
(42) 5. 提供人員做訓練或經驗的傳承：因為它包含了所需的知識並有能 力來解釋它推理的過程。只要加上軟體的設計，提供被訓練者或 使用更平易且友善的介面就可以了。. 由以上特性可知，專家系統不只是建構一個程式來執行某些工作， 因為供給專家系統的知識是清楚且專門，這和大多數傳統的程式不同， 它的價值就在於專家系統能完成一件像一位真正的專家做的成果，因此 任何大量的知識都可以被廣泛地傳播開來。. 32.
(43) 第三章. 系統架構與方法. 在本章節將系統的架構以及所使用的方法，以紅外線影像為主要的系統 跌倒偵測的主要判斷，地板壓力感測予以輔助。第一節：跌倒偵測系統的架 構與流程；第二節：壓力感測器判斷；第三節：紅外線影像處理技術；第四 節：特徵擷取；第五節：影像與壓力結合專家系統判斷流程。. 3.1 跌倒偵測系統的架構與流程 本研究之跌倒偵測系統構想如圖 3-1 所示，我們使用 Borland C++ Builder 所開發的系統透過 View for Windows 函式庫(vfw.h)來連結裝在電腦 上的影像擷取卡之驅動程式，經過與驅動程式的連結後便可以設定攝影機的 基本參數，並且可以取得連結到影像擷取卡上的紅外線攝影機之影像。當地 板上的壓力感測器感應到有力的變化時，會將訊號紀錄下來藉由記錄器傳送 至電腦中。而攝影機會啟動追蹤物體並且記錄下來。經過影像的濾波、膨脹 等後，得到了乾淨的物體影像並且抽取其特徵值；接著將所得到的特徵值送 入專家系統診斷。當系統判斷人跌倒時，則會發出警報通知醫護人員以及家 屬前往照護。. 33.
(44) 紅外線攝影機. 電腦. 老人 地板壓力檢測. 記錄器. 之 LVDT. 圖 3-1. 跌倒偵測平台架構. 數位式 Charge-Coupled Device (CCD)攝影機之錄放系統為現今應用最 廣之居家安全系統，但此系統有如下之缺點： 1. 無自動監測和辨識能力，需要保全人員不時監視電腦螢幕監控，經 常會因人為之疏忽造成重大損失和傷害。 2. 數位式 CCD 攝影機必需在白天或有燈光照明下才能成像，當夜晚或 燈光不能抵達處，影像會模糊失去其功能。 3. 數位式 CCD 攝影機對可見光敏感，包括陰影、顏色和遮蔽，當光線 變化太大時，容易使影像失真，增加自動辨識之難度。 4. 無隱密性，住戶的一舉一動被清楚監視著，使用者會感到無隱私、 不自在。. 有別於數位 CCD 攝影機，紅外線熱影像儀器具有的優點是全天候不受. 34.
(45) 光線影響且拍攝時不會有物體的陰影、顏色，不會讓使用者的舉動被清楚記 錄下來，保有私密性，並且可以直接擷取物體熱影像作辨識處理。. 圖 3-2 是系統流程圖，首先設定一個地板壓力的門檻值，等待地板壓力 的輸入。若輸入的壓力大於門檻值，則啟動紅外線攝影機去找尋目標，同時 也將所得到的壓力數據傳送到專家系統中，而紅外線攝影機將目標影像做擷 取動作，並且開始處理影像圖片，將所需要的特徵值過濾出來送到專家系統 中，由專家系統來判斷是否跌倒。若判斷為跌倒，則發出警報；反之，則繼 續讀取地板壓力值。. 開始. 影像擷取. 地板壓力感測 門檻值設定. 前置處理. 地板壓力輸入. 影像分割. 否 大於門檻值. 擷取特徵. 是. 專家系統. 否 判斷跌倒 是 警報. 圖 3-2. 系統流程圖. 35.
(46) 3.2 地板壓力感測判斷 如圖 3-3 所示提出了一地板壓力感測數據處理流程： 門檻值T設定. 訊號輸入. NO PP>T. 設定P(0)=0. YES 影像特徵輸入. DP(t)=p(t)-P(t-1). 專家系統. 波峰搜尋PP. 圖 3-3. 壓力感測流程圖. 首先設定一個地板壓力的門檻值 T，接著讓地板壓力的訊號輸入，其為 一 p (t ) 的時間函數。然後設定一個函數 P (0) = 0 ，其後 P (t ) = p (t ) − p (t − 1) 的 處理動作，目的是要凸顯壓力的變化。. 搜尋 P (t ) 函數的波峰值 PP，PP 與門檻值 T 相比。若 PP＞T 則啟動紅外 線攝影機進行影像特徵的擷取，且將所得到的 PP 值，送入專家系統判別是 否跌倒；PP＜T 則重新進行訊號的輸入，圖 3-4 為地板原始訊號與經過處理. 36.
(47) 後的訊號做一個對照。很明顯的看出下面的 DP 訊號比上面的 P 訊號更凸顯 出欲得的主體。. 圖 3-4. 地板原始信號與處理後的信號比較. 3.3 紅外線影像處理技術 在本論文中所要處理的是紅外線影像，針對紅外線影像的特性與最初擷 取影像的品質來決定前置處理為何，目的是在於將影像拍攝時的干擾去除。 所用的方法為：影像平滑處理、影像臨界值化（Thresholding），與標記 （Labeling）出影像中各個連接的區域，以找出最大的連結區域等兩部分， 以下針對這些影像處理方法詳細的探討。. 37.
(48) 3.3.1. 影像平滑處理. 擷取影像時，一定會存在雜訊（Noise）干擾的問題，這些雜訊對接 下來所要做的影像處理會造成一些影響，有可能會導致影像分析的結果 產生誤差或是錯誤。通常在灰階影像中干擾是任意變動的，而且這些雜 訊有著比較高的空間頻率，所以我們採用低通濾波器（Low-Pass Filter） 來對紅外線 camera 所捕捉到的影像做空間濾波的動作，目的就是去除 雜訊干擾，使影像平順。 空間濾波是使用遮罩（Mask）以逐點的方式對影像做處理，通常濾 波都是採用 3×3 或是 5×5 的遮罩，在低通濾波中如果遮罩越大則模糊 效果越強，高頻的部分被濾掉越多，在實驗中採用 3×3 的遮罩。 ⎡1 1 1⎤ 1⎢ 1 1 1⎥⎥ ⎢ 9 ⎢⎣1 1 1⎥⎦. 圖 3-5 是紅外線影像圖，(a)為紅外線攝影機擷取的原始圖片，(b)為 經過低通濾波之後的圖片。乍看之下無異處，但是經過臨界值化之後如 (c)、(d)所示。所得結果大不相同。可以看出對於接下來的臨界值化的處 裡有很大的益處，雜點可以去除，在影像標記上可以加快運算速度。. (a)影像原圖. (b)經過低通濾波後的影像. 38.
(49) (c)臨界值化影像. 圖 3-5. 3.3.2. (d)低通濾波後的臨界值化影像. 紅外線影像圖. 臨界值化. 我們定義一個二維影像的灰階影像 I 的函數為 f ( x, y ) ，其經過臨界 值化（Thresholding）的影像為 g ( x, y ) ，定義如(3.3) ⎧1 g ( x, y ) = ⎨ ⎩0. if f ( x, y ) > T if f ( x, y ) ≤ T. (3.3). 其中影像 I 的灰階值 f ( x, y ) 為 0 到 255 的值，x 與 y 則為影像座標， T 則為臨界值。. 影像臨界值化目的是要去除背景之用。紅外線影像的亮度或灰階值 （Gray Level）是由於物體發熱而來，溫度越高，影像所對應的灰階值 也越大。一般背景的溫度是比人類或狗等動物的體溫還來的低，因此即 使很複雜的背景，只要其溫度比我們要辨識物體還低的話，那麼都可以 將背景從一張影像中給分離出來。. 39.
(50) 直方圖（Histogram）定義為一張影像中各個像素（Pixel）值的分佈 圖，由上述可知紅外線影像的直方圖就相當於溫度的分佈圖。其特性通 常是由兩個高峰所組成（如圖 3-6 所示） ，一個為背景，另一個則為我們 要辨識的物體，而背景的峰值大於物體的峰值。目的就是要找出那個最 佳化的臨界值。. 背景峰值 像 素 值. 理想臨界值 目標峰值. 0. 灰階值. 圖 3-6. 255. 理想的紅外線影像之直方圖. 圖 3-6 是理想的狀況，實際上由於物體表面溫度會受到干擾，如穿 衣服、戴眼鏡，使得溫度降低了，部份物體就會與背景重疊在一起，而 無法很容易地分離出來。因為背景佔有大部分，所以整張影像灰階值的 平均值是接近背景的平均值，整張影像的標準差近似於背景的標準差(此 值相當小)。於是本論文將臨界值 T 設為整張影像的平均值（Mean）與 二十倍標準差（STD）之和，公式如下： Mean =. 1 ∑∑ f ( x, y) M ×N x y. (3.4). STD =. 1 ( f ( x, y ) − Mean) 2 ∑∑ M ×N x y. (3.5). T = Mean + 20 × STD. 40. (3.6).
(51) 其中，M、N 為影像的長寬。. 從圖 3-7 來看，二十倍的標準差加上平均值的效果最佳，既可以將大部分的 背景濾除，又可以保留主要目標，以便進行特徵擷取。. (a)一倍標準差. (b) 五倍標準差. (c)十倍標準差. 圖 3-7. 3.3.3. (d)二十倍標準差. 紅外線影像臨界值化圖. 影像標記. 畫面中如果只有單一物體，那麼經過影像二值化分離背景和物體之 後，畫面中就會只剩下一塊集合區域，在這個區域裡像素值為 1，而在. 41.
(52) 這個區域外的其他部分像素值都為 0，我們可以很輕易的計算出這個物 體的面積、位置等等特徵值，接下來也可以很輕易的做影像辨識的動 作，但是如果畫面中有著一個以上的物體存在著，就必需先將物體區域 給標記出來，而所使用的方法就是將每個區域各用一個唯一的號碼標 記，而這種區域標記的方法即稱為標記（Labeling）。假設影像 g(x,y)中 共有 m 個不連接的區域 Ri ，如(3.7)所示，這張影像通常包含多個物體與 一背景[21]。. R = c b. m. ∑. i =1,i ≠ b. Ri. (3.7). 其中 Rbc 為背景，其他區域則為物體。. 影像經過臨界值化後，會有一個個大小不一的連結區域產生，會有 這些區域的產生是由於這些區域的各個像素之灰度值（或溫度）大於臨 界值，而這些區域包含了我們要辨識的物體，當然也包含了雜訊等。而 經過臨界值化的影像，背景已被表示為 0，而非背景部分則表示為 1。 而我們就是要將標示為 1 且連結在一起像素，給同一個號碼，以標記出 一個個區域出來。另外我們以 4-連結（4-Connectivity）的關係定義一個 像素的鄰近像素，也就是說一個像素 g(i,j)的鄰近是其上下左右的像素 （g(i-1,j)、g(i+1,j)、g(i,j-1)、g(i,j+1)） 。影像標記的演算法分為兩步驟：. 1. 一列列地搜尋整張影像 g(x,y)，並指定一個大於 1 的標記值給 灰階值為 1 的像素 g(i,j)（即非背景的像素） ，而所指定的值是. 42.
(53) 依據其鄰近（4-連接）像素的標記值。其中，此像素 g(i,j)鄰近 像素會有三種情形發生：. (1) 如果所有的鄰近的像素都是背景，那麼 g(i,j)就標記一個新 的 標 記 值 ， 並 記 錄 新 的 標 記 值 於 等 效 表 （ Equivalent. Table）。參考圖 3-8 (a)。 (2) 如果鄰近的像素只有單一個標記值，那麼 g(i,j)就標記同一 個標記值。參考圖 3-8 (b)。. (3) 如果鄰近的像素有不同的標記值，那個指定其中任一個標 記值給 g(i,j)，並建立一個等效表，紀錄這些不同的標記值 其實是等效的。參考圖 3-8 (c)。. 2. 重新一列列地搜尋整張影像，依照等效表，修正等效表中的標. 記值。參考圖 3-9。 0. 0. 0. 0. 0. 1. 0. 2. (a)第一種標記可能情形. 0. 3. 0. 3. 3. 1. 3. 3. (b)第二種標記可能情形. 43.
(54) 0. 5. 0. 5. 6. 1. 6. 6. (c)第三種標記可能情形. 圖 3-8. 標記的可能情形. 上圖 3-8 表示標記第一步驟時的三個可能情形。圖 3-8 (a)表示第一 種情形，上、左的像素皆為背景（其值為 0） ，那麼此像素則標示為新的 標記（此時為 2） ，另外在等效表中記錄 2 為新的標記值（0 代表新的標 記值） 。圖 3-8 (b)表示第二種情形，上、左的像素皆標示同一個標記值 （其值為 3） ，所以此像素標示同一個標記值 3。圖 3-8 (c)表示第三種情 形，上、左的像素標示不同的標記值（分別為 5、6），於是將此像素標 記為其中之一（此範例為 6） ，此外，在等效表中記錄 5、6 是等效的。 0. 5. 0. 5. 6. 6. 5. 5. 圖 3-9. 標記的第二步驟. 圖 3-9 表示標記第二步驟的情形。參考等效表發現標記 5、6 是等效 的，於是在掃瞄整張圖的過程中，將標記值為 6 的像素改為標記值為 5。. 經過標記後的影像會有很多個區域，因為我們假設最大的區域為欲. 44.
(55) 辨識之物體，因此選取最大的區域 RM 以作為辨識之物體， RM = {Ri | Max( Area ( Ri ))}. (3.8). i. 其中， Ri 為第 i 個區域，其面積為 Area ( Ri ) = ∑∑ Ri ( x, y ) ，x、y 為座 x. y. 標值。. (a)原圖. (b)臨界值化. (c)標記後取最大區域. 圖 3-10 紅外線照片. 由圖 3-10 我們可以看出，原圖在經過我們的處理後只剩下所想要的 物體，並且是一張二值化（Binary）的影像。臨界值化的最主要目的， 對拍攝時背景的干擾如周圍的雜訊濾除，讓所要物體凸顯出來。另外影 像標記的最主要目的則是將影像中的區塊加以合併並選出最大的區域 例如其他小的家電物品就會被去除。. 3.3.4. 影像膨脹與消蝕. 由於影像經過臨界值化後入侵物體會有破洞，使得入侵物體在往後 的影像處理時會產生缺口。在此我們使用膨脹與消蝕來輔助，以便往後 的影像處理。. 45.
(56) 膨脹（Dilation）為形態學上最基本的運算元之一。假定在一平面中， 有 A、B 兩個影像，如圖 3-11 所示，則 A、B 的膨脹演算定義為：將 影像 B 設為一遮罩，當影像 B 沿著影像 A 由左上到右下掃描時，若在 遮罩鄰域範圍內有任何像素點其臨界值化的值為 1 時，則將影像 A 之 遮罩內中心點設定為 1，否則為 0 如圖 3-11 所示。. (a)待處理影像(影像 A). (b)3*3 遮罩(影像 B). (c)影像 A 經過影像 B 膨脹後的結果 圖 3-11 影像膨脹過程. 消蝕（Erosion）也是形態學上的另一種運算元。假定在一平面中， 有 A、B 兩個影像，如圖 3-11(a)、(b) 所示，則 A、B 的消蝕演算定. 46.
(57) 義為：將影像 B 設為一遮罩，當影像 B 沿著影像 A 由左上到右下掃描 時，若在遮罩鄰域範圍內有任何像素點其臨界值化的值為 0 時，則將影 像 A 之遮罩內中心點設定為 0，否則為 1，如圖 3-12 所示。. 圖 3-12 影像 A 經過影像 B 銷蝕後的結果. 其中，消蝕的目的是要消除影像中雜點及消蝕較為尖細的邊角；膨 脹則是希望能夠彌補較小的凹洞。. 在此研究中，僅使用膨脹運算如圖 3-13，可以見得圖像的破洞有明 顯的修補起來。. (a)影像膨脹前. (b)影像膨脹後. 圖 3-13 紅外線影像膨脹實際效果. 47.
(58) 在經過這三種處理後，把紅外線影像的特徵凸顯出來，達成我們所 要的辨識目的物體，處理後的影像便更容易將目標的特徵擷取出來。. 3.4 特徵擷取 特徵擷取（Feature Extraction）是指一幅影像中，一個物體或是感興趣的實 體，其定量的描述或是結構的描述。影像特徵可以是單一（Single）的，也可以 是多重（Multi）的，不同的特徵值代表影像中不同的資訊，例如影像像素值的平 均（Mean）是一個簡單特徵值，它代表著這張影像平均的亮度。另外所擷取的特 徵要盡量不相依，且避免累贅性。在此共使用了三個特徵，分別為垂直投影直方 、水平投影直 圖的標準差（Standard Deviation of Vertical Projection Histogram） 方圖的標準差（Standard Deviation of Horizontal Projection Histogram）和長寬 。 比（Aspect Ratio）. 3.4.1. 投影直方圖標準差. 首先我們定義投影直方圖，它是將影像根據某一方向來投影，水平 投影直方圖 h(x)就是統計每一條水平掃瞄線上“1”的數目，同理，垂直投 影直方圖 v(x)為統計每一條垂直掃瞄線上“1”的數目，所以 h( x) = ∑ RM ( x, y ). (3.9). v( y ) = ∑ RM ( x, y ). (3.10). y. x. 48.
(59) 其中， RM ( x, y ) 為最大的區域，x、y 為座標值。 圖 3-14 為投影直方圖的示意圖，亮點代表經過臨界值化為“1”的像 素，暗點則為“0”的像素。 0 2 2 水平投射 4 6 4 4 2 2 2 垂 直 投 射 0 1 1 6 6 6 6 1 1 0. 圖 3-14 水平與垂直投影直方圖. 綜合以上分析，本論文是採用垂直、水平投影直方圖的標準差. STDV、STDH 來當特徵，另外，計算標準差時不考慮“0”的部分， STDV = STD(v | v( y ) > 0). (3.11). STDH = STD(h | h( y ) > 0). (3.12). 其中，STD 為標準差運算子。. 可以預知，站立時，垂直投影直方圖的標準差與水平相比，會高出 許多；跌倒時，則水平的標準差會高出垂直的許多。兩者相比，水平投 影直方圖標準差跌倒的會比站立著的高，而垂直投影直方圖標準差，站 立的則比跌倒的高，如圖 3-15 所示。. 49.
(60) STDV：70.86. STDH：25.27. STDV：19.12 STDH：46.23. (a)站立時的投影直方圖. (b)倒下時的投影直方圖. 圖 3-15 紅外線投影直方圖. 3.4.2. 長寬比. 本文在第三個特徵是使用目標的長寬比。由人類的行為模式觀點來 分析，得到一般人在走路或站立的時，高度會大於寬度；跌倒或躺著時， 則高度會小於寬度；而蹲著和坐下，高度與寬度就會相當接近，如圖. 3-16。本文利用這個特性來偵測人是否跌倒，用長寬比來作為特徵值。. (b)倒下時長寬比=0.4333. (a)站立時長寬比=1.814. 圖 3-16 特徵長寬比. 50.
(61) 上述我們對於一張紅外線影像擷取三個特徵值，分別是水平與垂直 直方圖，和長寬比，來作為影像辨識，這三個特徵值分別具有前面所提 的內部表示和外部表示的特性，在內部表示方面我們是以水平與垂直直 方圖資訊，因為影像經過處理後為一個 1-bit(0 or 1)的影像，像素值不是. 0 就是 1，在物體內部的值都為 1，我們對這些像素值利用直方圖的觀 念進行一個水平和垂直的統計，在外部方面我們則是利用不同的姿勢的 長寬比各有不同來進行的物體外部形狀的描述，由此可知本文所擷取的 影像特徵符合一般特徵擷取的基本概念。. 3.5 影像和壓力感測結合專家系統判斷跌倒流程 如何將一個我們從紅外線影像和壓力訊號的資料做妥善處理，考慮到在 日常生活中有不同的情形發生跌倒，樣本是逐漸累積，在這些一般的系統 中，系統只是簡單地儲存答案，因此我們使用了專家系統來結合影像和壓力 訊號做判斷如下圖 3-17 所示。. 51.
(62) 壓力輸入. 壓力臨界點判斷. 跌倒知識輸入. 影像特徵抓取. 專家系統規則庫. 判斷是否跌倒. 條件修改 圖 3-17 紅外線影像和壓力結合專家系統判斷跌倒流程. 人的運動包含範圍如跑、跳、走路、急停、起立、坐下等等動作都有發 生跌倒的可能，若要單純以數學去描述或是演算法去實現都是非常複雜，專 家系統發展的目的主要是用來處理現實世界中提出的需求由專家來分析和 判斷的複雜問題。把影像特徵和壓力訊號做分析，並累積數據建立出規則庫 如圖 3-18，將地板壓力訊號以及影像特徵輸入到專家系統規則庫中，彙整兩 個不同的資訊來綜合判斷。唯有不斷的更新知識庫裡的規則，才能夠提昇判 斷的準確性。. 52.
(63) 專家系統規則庫. OR. AND. AND. OR. 地說 板明 壓： 力啟 微動 分紅 後外 大線 於攝 0.4 影 機. 地 板 壓 力 微 分 後 大 於 0.4. 小 於 0.8. OR. 2.5. 倍 H S T D. 長長 寬寬 比比 小介 於於 1.0 2.0. 至 1.0. 說 明 ： 人 可 能 是 蹲 下 、 坐 下 或 彎 腰. 地 板 壓 力 微 分 後 大 於 0.8. 小 於 1.2. OR. OR. H V S S T T D D 大大 於於 V H S S T T D D 但 小 於. AND. OR. OR. OR. H V S S T T D D 大大 於於 V H S S T T D D 但 小 於. AND. AND. 長長 寬寬 比比 小介 於於 1.0 2.0. 至 1.0. 說 明 ： 人 可 能 是 從 椅 子 上 跌 落. OR 地 板 壓 力 微 分 後 大 於 1.2. HV S S T T DD 大大 於於 VH S S T T DD 但 小 於. 2.5. 2.5. 倍 H S T D. 倍 H S T D. 圖 3-18 專家系統跌倒規則庫. 53. OR. OR. 長長 寬寬 比比 小介 於於 1.0 2.0. 至 1.0. 說 明 ： 人 發 生 跌 倒. 地地 板板 壓壓 力力 微微 分分 後後 大大 於於 0.8 1.2. 小 於 1.2. OR. V S T 長D 寬大 比於 大 2.5 於倍 2.0 H S T D. 說 明 ： 人 可 能 發 生 跌 倒 但 無 大 礙.
(64) 第四章. 系統實驗與分析. 本章節主要在於介紹實驗的軟硬體環境、評估方法以及分析所作的實驗 樣本，呈現系統的性能指標，最後對於實驗的結果做一個分析與探討。. 4.1 軟硬體環境 本實驗環境是使用架設在臺灣師範大學智慧型控制實驗室中的紅外線 攝影機，系統所處理的畫面大小為 512×480 之 8 Bits 的灰階 BMP 影像，使 用的軟硬體規格如表 4-1 所示。. 表 4-1. 系統使用軟硬體規格. 硬體設備. 軟體環境. CPU：P4 3.0GHz. 開發軟體：. RAM：DDR 400 512*2. Borland C++ Builder 6.0. Camera：RAYTHEON 300D. Matlab R2006a. 影像擷取卡：RICE001. 作業系統：. 壓力 Sensor (LVDT)：. Windows XP. 記錄器：YEW 3655 紅外線攝影機的詳細規格與實體圖片如表 4-2 與圖 4-1 所示。壓力地板 是用一個 90×180×11.5 ㎝的木板，感測器 LVTD 放置在木板下面，實體圖片 與詳細規格如圖 4-2 和表 4-3 所示。圖 4-3 為記錄器實體圖. 54.
(65) 圖 4-1 紅外線攝影機實體圖. 表 4-2 紅外線攝影機工作規格. Physical. Size (18mm lens)(LHW). 75 x 120 x 100 (mm). Weight (18 mm lens). 1.5 lbs (.68kg). Color. Black. Operating Temperature:. -40°C to 70°C. Storage Temperature. -40°C to 90°C. Operating Voltage. 9 to 32 VDC. Over Voltage Protection. -12 to 40 VDC. 圖 4-2 壓力地板及 LVDT 感測器. 55.
(66) 表 4-3 LVDT 工作規格. Supply voltage Vdc. 18 - 30 (regulated) or ±15 (regulated). Supply current mA. 100 maximum. LVDT excitation voltage Vrms. 3 (nominal). LVDT excitation frequency Hz 2.5k (nominal) Output voltage* (SCM100/V). －. Output current (SCM100/I). －. Output ripple mVrms. <5. 圖 4-3 分析記錄器實體圖. 4.2 評估方法 本研究的評估方式，以正確率(Accuracy)、敏感度(Sensitivity)與有效性. (Specificity)及信賴度(Kappa)四種參數，作跌倒辨識系統之評估，各參數定 義如下方程式所示，其中用到的 TP、FP、FN 及 TN 的說明如表 4-4 所示。 正確率(Accuracy, A) =. TP + TN TP + TN + FP + FN. (4.1). 敏感度 =. TP TP + FN. (4.2). 有效性 =. TN TN + FP. (4.3). 56.
相關文件
in Proceedings of the 20th International Conference on Very Large Data
Lange, “An Object-Oriented Design Method for Hypermedia Information Systems”, Proceedings of the Twenty-seventh annual Hawaii International Conference on System Sciences, 1994,
[23] Tiantong You, Hossam Hassanein and Chi-Hsiang Yeh, “PIDC - Towards an Ideal MAC Protocol for Multi-hop Wireless LANs,” Proceedings of the IEEE International Conference
Muraoka, “A Real-time Beat Tracking System for Audio Signals,” in Proceedings of International Computer Music Conference, pp. Goto, “A Predominant-F0 Estimation Method for
[16] Goto, M., Muraoka, Y., “A real-time beat tracking system for audio signals,” In Proceedings of the International Computer Music Conference, Computer Music.. and Muraoka, Y.,
Godsill, “Detection of abrupt spectral changes using support vector machines: an application to audio signal segmentation,” Proceedings of the IEEE International Conference
Shih and W.-C.Wang “A 3D Model Retrieval Approach based on The Principal Plane Descriptor” , Proceedings of The 10 Second International Conference on Innovative
本系統結合 IEEE 1599 系統整合檔案與呼吸聲偵測功能，讓此播放器 讀取 IEEE 1599 音樂整合檔的 XML
