Fall Detection Techniques Using TPU

Abstract

This research project has presented the application of Pose estimation using the PoseNet model to generate skeletal joint points of a human from motion images obtained from a 2D RGB camera. The data extracted from this process is then fed into decision-making models, namely M1 and M2, to predict human fall detection. The processing is done on an Edge device, specifically the Google Coral Dev Board. This approach helps reduce equipment costs and eliminates the need for users to wear sensors or use specialized imaging equipment. The experimental results for fall detection show an accuracy of 99.8% for method M1 and 97% for method M2.

งานวิจัยฉบับนี้ ได้นำเสนอการประยุกต์ใช้ Pose estimation โดยใช้รูปแบบ PoseNet เป็นตัวสร้างจุดต่อโครงกระดูกของมนุษย์จากภาพเคลื่อนไหว ซึ่งภาพจะได้มาจากกล้อง 2D RGB แล้วนำข้อมูลที่ได้เข้าสู่รูปแบบการตัดสินใจแบบ M1 และ M2 เพื่อนำไปทำนายการตรวจจับการล้มของมนุษย์ โดยประมวลผลบนอุปกรณ์ Edge วิธีการที่นำเสนอนี้ช่วยลดต้นทุนอุปกรณ์ และไม่ต้องการให้ผู้ใช้สวมเซ็นเซอร์หรือใช้อุปกรณ์ถ่ายภาพเฉพาะ โดยระบบจะทำงานบนเครื่องประมวลผลปลายทาง (Edge Device) ซึ่งใช้ Google coral dev board ผลจากการทดลองในการตรวจจับการหกล้มพบว่า วิธี M1 มีค่า 99.8% และวิธี M2 มีค่า 97%