Ambient Assisted Living: videoanalisi come Digital Healthcare

di Antonio Greco - Product Manager A.I.Tech www.aitech.vision

La finalità del programma di Ambient Assisted Living, al centro di numerosi programmi di ricerca europei, è quella di sviluppare e di utilizzare tecnologie innovative nell’ambito delle telecomunicazioni, dell’informatica e della robotica per l’assistenza agli anziani e ai disabili in ambiente domestico ed ospedaliero. La videoanalisi intelligente, giunta ormai a livelli di affidabilità impensabili solo fino a pochi anni fa, è sicuramente uno degli strumenti più gettonati per il monitoraggio costante delle case di riposo o degli appartamenti in cui anziani e disabili vivono da soli. E’ infatti possibile, mediante algoritmi eseguiti direttamente a bordo delle telecamere di ultima generazione, rilevare automaticamente la presenza di una persona a terra e generare prontamente un allarme, avvertendo i familiari o richiedendo un rapido intervento sanitario. Come? Proveremo a raccontarvelo in questo articolo.

Un algoritmo di video-analisi per il rilevamento di cadute in ambienti indoor impone dei vincoli installativi piuttosto stringenti, poiché la persona monitorata deve essere sempre ben visibile all’interno della scena. In ambito domestico o ospedaliero non è semplice garantire questa condizione, in quanto i letti o gli altri elementi dell’arredamento, come tavoli, sedie, poltrone, divani e armadi, possono nascondere la persona dalla visuale della telecamera. Pertanto, un requisito fondamentale per il corretto funzionamento di questo tipo di sistema è un’adeguata progettazione dell’impianto, ovvero una scelta attenta ed oculata delle telecamere e del loro posizionamento.

PRINCIPIO DI FUNZIONAMENTO

Un algoritmo di visione artificiale che deve segnalare la presenza di un individuo a terra: proprio come un essere umano, deve essere in grado di analizzare i movimenti della persona e di riconoscere le dinamiche tipiche di una caduta. Tipicamente, questi applicativi sono progettati per identificare in primo luogo tutte le persone in movimento all’interno della scena. Poiché la situazione di pericolo deve essere segnalata soltanto quando un individuo è solo, la notifica degli allarmi viene abilitata unicamente quando nella scena è presente soltanto una persona. In tal caso la persona viene tracciata in ogni suo movimento e sofisticati motori di intelligenza artificiale consentono di identificare le dinamiche tipiche della caduta (Figura 1).

ANALISI LIMITATA ALLE AREE DI INTERESSE

In ambienti domestici ed ospedalieri le telecamere hanno sicuramente nel loro campo visivo letti, barelle, sedie, poltrone e divani, su cui la persona potrebbe essere seduta o distesa. Ovviamente tale situazione sarebbe totalmente indistinguibile da una normale caduta, se non esistesse un modo per segnalare all’algoritmo di visione artificiale la presenza di questi elementi dell’arredamento. Per tale motivo, i sistemi di video-analisi per il rilevamento della persona a terra permettono di definire delle aree di interesse all’interno delle quali vengono effettuate le elaborazioni per eseguire il compito di sorveglianza.

CADUTA FRONTALE

Uno dei casi più difficili da gestire è la caduta di una persona nella direzione in cui punta la telecamera. Infatti, mentre una caduta laterale risulta abbastanza semplice da identificare in quanto la persona cambia totalmente forma e rapporto d’aspetto nell’immagine (passa da una posizione verticale ad una orizzontale), una caduta frontale fa assumere alla persona a terra una posizione molto simile a quella di un individuo in piedi. Per ovviare a questo problema, gli applicativi di videoanalisi mettono a disposizione dei meccanismi di calibrazione che permettono di stimare le dimensioni reali di un oggetto a seconda della posizione che occupa all’interno della scena. Mediante tale funzionalità è possibile riconoscere una persona in piedi, che ha un’altezza maggiore di una persona a terra. Inoltre, poiché questo meccanismo consente fondamentalmente di trasformare le grandezze del piano immagine in misure reali, la stessa tecnica permette di valutare la velocità della persona e di distinguere un movimento normale da un capitombolo.

RIDUZIONE DEI FALSI ALLARMI

Soprattutto in ambienti ospedalieri, ma talvolta anche in quelli domestici, la presenza di oggetti inanimati come letti, barelle e carrelli può ingannare gli algoritmi e causare falsi allarmi. Per porre rimedio a questi problemi, alcuni sistemi avanzati di videoanalisi sono dotati di un livello aggiuntivo di intelligenza artificiale in grado di distinguere la sagoma di una persona a terra da qualsiasi altro oggetto presente nella scena. Quest’ultimo strato rende tali applicativi particolarmente robusti e adatti al rilevamento delle cadute, che rappresentano dunque dei sistemi di AAL molto affidabili ed all’avanguardia.

La versione integrale dell’articolo riporta tabelle, box o figure, per visualizzarle apri il pdf allegato.