خوارزمية جديدة للكشف عن السقوط لكبار السن باستخدام مستشعرات SHIMMER القابلة للارتداء
Title A novel fall detection algorithm for elderly using SHIMMER wearable sensors
الباحث الرئيس عدنان نديم مبارك الحسن
التخصص: علوم الحاسب
التخصص الدقيق: مجسات لاسلكية لمساعدة كبار السن
المستخلص: يعتبر السقوط أحد الأسباب الرئيسية لوفيات كبار السن إلى جانب الأمراض المزمنة الأخرى في جميع أنحاء العالم. لذلك ، من المهم إيجاد حل فعال من حيث التكلفة وغير تدخلي وخفيف الوزن للكشف المبكر عن السقوط والوقاية منه لدى كبار السن. تم اقتراح العديد من أنظمة الكشف عن السقوط باستخدام أنواع مختلفة من أجهزة الاستشعار والتقنيات. في هذا البحث ، تم اقتراح تقنية جديدة للكشف عن السقوط ، باستخدام مستشعرات SHIMMER ™ القابلة للارتداء ، والتي تحدد حدث السقوط ، باستخدام مسافة Mahalanobis على بيانات في الوقت الفعلي. إنه أكثر قوة من تقنيات قياس المسافة التقليدية الأخرى ، المتبعة في أنظمة الكشف عن السقوط الحالية. لقد طورنا أولاً مجموعة بيانات حقيقية تتكون من ثلاثة أنشطة يومية ، مثل المشي والجلوس (على) والوقوف (من) على كرسي والوقوف بلا حراك. هذه الأنشطة هي السبب الرئيسي لوقوع كبار السن. تم اختبار الخوارزمية المقترحة والتحقق من صحتها لتحديد حدث السقوط. أنتجت نتائج واعدة ، والتي يمكن مقارنتها بأحدث تقنيات الكشف عن السقوط
Abstract: Fall is one of the major cause of deaths in elderly along with other chronic diseases in all over the world. Therefore, it is important to find a cost effective, non-intrusive and lightweight solution for early fall detection and prevention in elderly. Several fall detection systems have been proposed, using the different types of sensors and techniques. In this paper, a novel fall detection technique, using the wearable SHIMMER™ sensors, is proposed, which identifies the fall event, using Mahalanobis distance on real-time data. It is more robust than other conventional distance measure techniques, followed in existing fall detection systems. We first developed a real dataset that consists of three daily life activities, such as walking, sitting (on) and getting up (from) a chair, and standing still. These activities are the main cause of fall in elderlies. The proposed algorithm was tested and validated, to identify the fall event. It produced the promising results, which are comparable to the state-of-the-art fall detection techniques