سیستم پایش زمین خوردن سالمندان بر مبنای مدل ترکیبی گوسی و تغییرات آناتومیکی بدن در تصاویر ویدئویی

مطالعات نشان میدهد که 25% تا 47% سالمندان ساکن در جامعه یکبار یا بیشتر به زمین می خورند و این رقم در میان سالمندان آسایشگاهی به حدود 50% نیز می رسد. در این مقاله الگوریتم جدیدی معرفی شده که در گام نخست با دریافت رشته های ویدئویی از افراد، با استفاده از مدل مخلوط گوسی و تخمین پارامترهای این مدل توسط الگوریتم بیشینه ساز امید ریاضی، قالب بدن شخص از فریم ها جداسازی می شود. در گام بعدی، وقوع زمین خوردگی با تکیه بر تغییرات آناتومیکی بدن شخص سالمند و نمایش حافظه حرکت صورت می پذیرد. پیاده سازی سیستم بر مجموعه ای شامل چندین فریم تصویری دریافت شده از سرای سالمندان مادر سبزوار و پایگاه داده CAVIAR دربردارنده وقایع زمین خوردگی و راه رفتن طبیعی اشخاص انجام شد. در ادامه بر مبنای عامل انحراف استاندارد و ضریب حرکت فرد، وقایع مشکوک به زمین خوردگی و زمین خوردگی های واقعی با دقت مناسبی تفکیک شده و در نهایت حساسیت 68/92% و ویژگی 96% که نشان دهنده توانایی مطلوب سیستم می باشد، حاصل آمد. شبیه سازی  مناسب الگوریتم بر روی مجموعه داده ها سبب شده تا میزان خطا مقداری کمتر از  6% را داشته باشد و از سویی بکارگیری آن در مراکز نگهداری سالمندان و منازل مسکونی، مانیتورینگ دقیقی را از زمین خوردگی به همراه خواهد داشت.