gms | German Medical Science

MAINZ//2011: 56. GMDS-Jahrestagung und 6. DGEpi-Jahrestagung

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V.
Deutsche Gesellschaft für Epidemiologie e. V.

26. - 29.09.2011 in Mainz

3D Bildanalyse zur unaufdringlichen Sturzerkennung

Meeting Abstract

Suche in Medline nach

  • Christian Marzahl - Fachhochschule Stralsund, Stralsund
  • Ilvio Bruder - Universität Rostock, Rostock
  • Martin Staemmler - Fachhhochschule Stralsund, Stralsund

Mainz//2011. 56. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 6. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi). Mainz, 26.-29.09.2011. Düsseldorf: German Medical Science GMS Publishing House; 2011. Doc11gmds406

doi: 10.3205/11gmds406, urn:nbn:de:0183-11gmds4069

Veröffentlicht: 20. September 2011

© 2011 Marzahl et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einführung: Systeme zur Sturzerkennung sind vielfach entwickelt worden und nutzen einerseits Sensoren, die am Körper getragen werden [1], Matten bzw. spezielle Fußböden [2], [3] bzw. eine Kameraüberwachung von Räumen [4]. Die Mehrheit der Systeme kann nur den erfolgten Sturz erkennen, lediglich Kameras bieten eine Chance für das rechtzeitige Erkennen, weisen aber auch ein hohes Maß an Aufdringlichkeit auf. Ziel dieses Beitrags ist es zu untersuchen, inwieweit eine 3D Kamera einer Spielkonsole unaufdringlich zur Sturzüberwachung eingesetzt werden kann.

Material und Methoden: Als Kamera wurde der Microsoft Kinect 3D-Motion Controller [5] verwendet, der neben einem optischen Bild durch Ausleuchtung des Raums mit einem nicht sichtbaren Infrarotraster ein Tiefenbild ermittelt. Um eine weitgehende Unaufdringlichkeit zu gewährleisten wurde die Kamera in ca. 30 Höhe über dem Fußboden unter einem Patientenbett montiert. Für die Bildverarbeitung wurde die Bibliothek OpenCV verwendet. Zur Vorverarbeitung wurden aus dem Tiefenbild 3D Koordinatenpunkte bestimmt um mit realen Größen von Objekten rechnen zu können. Durch den kontinuierlichen Vergleich des aktuellen Bilds mit einem vorab erfassten Hintergrundbild waren Veränderungen unmittelbar erkennbar. Zur Bewertung der Veränderung wurden die Objektbreite, die Objekthöhe, die Orientierung, eine Kompaktheit und die Position im Zimmer bestimmt. Für die Klassifikation wurde ein gewichteter Entscheidungsbaum verwendet.

Ergebnisse und Zusammenfassung: Aufgrund der Gespräche mit den Pflegekräften einer Einrichtung wurden vier Situation identifiziert: (i) Verlassen des Bettes, (ii) Sturz im Zimmer, (iii) Verlassen des Raumes und (iv) allgemeine Aktivität im Zimmer. Mit der Definition eines Bettbereichs und eines Zimmerbereichs nach Positionierung der Kamera konnten die Situation (iv) durchgängig erfolgreich erkannt werden, die Situation (iii) wurde zu 85% (n=20) richtig erkannt. Das „Verlassen des Bettes“ bzw. „zwei Füße vor dem Bett“ zeigte eine starke Abhängigkeit von der räumlichen Situation, immerhin wurde es in 88% (n=71) richtig klassifiziert. Für die Situation (ii) wurde der „Sturz im Zimmer“ simuliert und zu 93% (n=55) als Sturz korrekt klassifiziert.

Diskussion: Aus technischer Sicht standen für die Kinect nur inoffzielle Treiber zur Verfügung, so dass die volle Funktionalität in Bezug sicherlich noch nicht ausgeschöpft werden konnte. Es zeigte sich im Rahmen der Untersuchung, dass Spiegelungen und Schatten die Erkennung negativ beeinflussen, so dass erfolgreich ein Verfahren zur Kompensation erarbeitet wurde. Die genannten Ergebnisse basieren auf Simulationen mit mehreren gesunden Probanden in verschiedenen Räumen und bedürfen der Überprüfung in einem realen Umfeld. Mehrere Einrichtungen haben bereits jetzt Ihre Unterstützung zugesagt und begonnen Ihre Anforderungen in Bezug auf einen versicherungsrechtlich geeignete Dokumentation zum Ereignis Sturz zu formulieren, die eine Grundlage für die weitere Anwendungsentwicklung bildet.


Literatur

1.
Tunstall Sturzdetektor. 2011. http://www.hausnotruf-shop.de/Tunstall-Piper-FallDetector Externer Link
2.
Future Shape SensFloor Fußboden. 2011. http://www.future-shape.de/sensfloor.html Externer Link
3.
signaKom Sturzmatte. 2011. http://www.signakom.ch/kontaktmatte_sturzmatte.html Externer Link
4.
Projekt SENS@HOME. 2011. http://www.vitracom.de/de/f-a-e/senshome.html Externer Link
5.
Microsoft Kinect. 2011. http://www.xbox.com/de-DE/kinect Externer Link