Smart Monitoring and Assisted Care System
技術簡介
採集高解析度攝影機影像，運用AI技術偵測並預測場域內人員動作與行為，並透過智慧通報緊急事件，提前通知照服員，能有效降低照服員壓力並提升受照者生活品質。
技術特色
動作辨識模型
- 能辨識包含跌倒、倒地、起身、站著、揮拳攻擊、走路、踉踉蹌蹌等123種肢體動作。
- 除了靜態動作倒地、坐著、站著以外，也能夠針對動態動作跌倒、坐下、起立等進行辨識。
動作預測模型
- 運用動作辨識結果進行時序分析，能夠估計未來10秒內將發生的動作。
智慧通報
- 透過手機LINE通報或是電子告示板將即時報警資料通知照服員。
- 照服員能夠透過手機查詢事件發生時間地點及狀態，並進行協助。
智慧照護監視輔助系統整合：擷取前端高解析度攝影機即時影像，透過動作辨識與行為預測模型，將警報訊息即時傳遞到照服員手機或平板。(如圖1)
圖1 智慧照護監視輔助系統架構
技術規格
在行動邊緣運算MEC採用yolov8pose 進行人體節點擷取進行骨架偵測，並透過STGCN++進行動作偵測。身體動作及物件偵測會進行postprocess將物件座標與身體動作進行整合，以達到更準確判斷。
動作辨識模型
- 採用空間時序分析（Stgcnn++）動作模型，除了靜態動作以外對於動態動作也能有效進行辨識。
- 物件追蹤採用IOU Based（ByteTrack）追蹤演算法，能夠有效且迅速追蹤多個或遮蔽物件之有效時序資訊。
- 運用多執行序與批次（Batch process）處理，能在邊緣運算上有效處理時序性資訊，將即時影像批次收集並使用骨架模型擷取出人員動作骨架，再透過動作模型，即時得到運算結果。（如圖2）
圖2 動作辨識模型
動作預測模型
- 採用長短期記憶模型（LSTM），動作序列通常為前後相關的，因此未來發生的動作可能是這些序列的延伸，利用這種特性並結合時間序列預測模型，運用畫面中每個人員動作辨識結果，進行時序分析。
- 採用動作偵測的結果當作輸入，進行動作序列的採樣並供給預測模型，動作預測能針對短時間10秒內的動作進行三組最有可能動作預測。(如圖3)
圖3 動作預測模型
智慧通報
- 接收AI模組動作及行為通報，並從中篩選需要發報的事件，事件本身能夠設定觸發條件進行篩選，為了實現準確的報警，同時避免不必要的警報發生。
- 運用事件控管，能夠設定事件等級、事件觸發時間區間、時間區段內觸發次數及信心值等決定事件是否通報。
- 透過電子看板上即時事件更新，能夠提供照服員場域內人員動作最新狀態。(如圖4)
圖4 智慧通報管理介面
應用範圍
可應用於長照機構、日間照護機構、養生村、月子中心等需要關心人員身體狀態的場所，能有效偵測並預測肢體動作，可即時發報通知監控中心與現場照護人員，提早對受照者進行關懷與協助。
