La Piattaforma Met-AAL integra due sistemi di rilevamento caduta: il primo utilizza il sensore Microsoft Kinect ed è stato sviluppato dall’azienda AMT Services s.r.l. in collaborazione con il gruppo di ricerca del DEI – Politecnico di Bari; il secondo sistema è stato sviluppato dal Consiglio Nazionale delle Ricerche CNR – IMM. I due sistemi formano il modulo di rilevamento caduta della Piattaforma Met-AAL e il funzionamento contemporaneo dei due rende il modulo molto affidabile e accurato.
La scelta di utilizzare il sensore MS Kinect è da ricercarsi nel suo buon rapporto qualità/prezzo, considerando nella qualità gli aspetti legati alla risoluzione, precisione nella misura e range di azione, nonché accessibilità ai flussi 2D e 3D e grande fermento nello sviluppo e supporto di applicazioni in ambito di ricerca e non solo.
Il Kinect ha una serie di sensori collegati su una barra orizzontale ancorata ad una base per mezzo di un perno motore; inoltre il sensore è abilitato al movimento grazie ad un motore che gli permette di ruotare lungo l’asse verticale. In particolare Kinect raccoglie due tipi di informazioni importanti: mappe di profondità e immagini a colori.
Sulla barra metallica sono montati gli occhi del dispositivo: telecamera RGB, sensore di profondità a raggi infrarossi composto da un proiettore a infrarossi e da una telecamera sensibile alla stessa banda. La telecamera RGB ha una risoluzione di 640 x 480 pixel, mentre quella a infrarossi una matrice di 320 x 240 pixel. Tra la telecamera RGB e il proiettore IR è situato anche un piccolo LED di stato.
Per quanto concerne il rilevamento della caduta, è stato sviluppato un algoritmo in grado di rilevare delle caratteristiche robuste (features) dell’evento suddetto, da estrarre a partire dalla nuvola di punti acquisita dal sensore.
Sperimentalmente il sensore riesce ad acquisire, nonostante i cali di performance nella precisione, dati anche oltre il limite consigliato dalla Microsoft (3,5 m).
Il sistema è stato progettato in maniera modulare per garantire le massime prestazioni in termini di affidabilità, robustezza e integrazione con altri sistemi; inoltre è stato dimensionato affinché gli algoritmi implementati presentino prestazioni real-time e costi computazionali bassi.
Sulla base delle specifiche dell’ambiente, viene individuata la zona ottimale dove andare a posizionare il sensore, per ottenere le massime performance di acquisizione, ridurre al minimo i disturbi e dimensionare l’area in cui l’utente resta nel campo d’azione del sensore minimizzando le zone d’ombra dalla telecamera.
Per rispondere adeguatamente alle specifiche funzionali di cui sopra, il sistema è stato strutturato sulla base di un’architettura costituita dei seguenti quattro moduli algoritmici:
- segmentazione del soggetto ed eliminazione del background;
- individuazione e inseguimento (tracking) del soggetto;
- estrazione di features di interesse;
- riconoscimento degli eventi di caduta.
La fase di test è stato effettuata in modalità offline, sulla base di sessanta video registrati da dieci persone differenti, in scenari simili ad ambienti domestici, riscontrando un livello di accuratezza pari all’ 85%.
Ciò dimostra le buone performance avute in fase di testing dall’algoritmo, in aggiunta al fatto che scene di vita quotidiana (chinarsi, sedersi, stendersi), non vengono ricondotti a casi specifici di falsi positivi.
Il secondo sistema (quello sviluppato dal CNR), propone un nodo ambientale “smart” integrante un dispositivo metrologico Time-Of-Flight (TOF) commerciale e un sistema embedded che si occuperà delle attività di reasoning opportunamente implementate (rispettose delle esigenze di privacy) necessarie a comunicare alla piattaforma MET-AAL informazioni di alto livello allorquando è presente l’evento di caduta.
La decisione circa l’uso di dispositivi TOF nel progetto è motivata dalla intrinseca capacità di rappresentazione tridimensionale di una scena indoor mediante rilevazione di nuvole di punti più o meno dense. Rispetto ai più tradizionali sistemi passivi (anche in configurazione stereoscopica per il recupero delle informazioni di profondità), evidenti sono i vantaggi nell’uso delle soluzioni TOF o similari dal momento che:
- Le prestazioni metrologiche sono scarsamente influenzate dalle condizioni di illuminazione della scena;
- Le prestazioni metrologiche non dipendono dalle caratteristiche cromatiche e tessiturali della scena;
- I dispositivi sono decisamente compatti (la misurazione di oggetti di grandi dimensioni non richiede baseline di lunghezza elevata come nel caso della stereoscopia) e silenziosi (e quindi adatti all’uso domestico-residenziale);
- L’elaborazione delle nuvole di punti richiede un carico computazionale inferiore rispetto ai sistemi passivi (potendo quindi ricorrere a soluzioni di computing low-power);
- L’analisi di mappe di profondità consente il rispetto della privacy dei soggetti monitorati (non è possibile evincere l’identità del soggetto).
Il nodo sensoriale, giacché fisicamente costituito da più elementi, avrà una connotazione “atomica” all’interno della piattaforma, presenterà un funzionamento completamente automatico (del tipo Plug&Play) e comunicherà con la piattaforma, secondo meccanismi asincroni di messaging opportunamente progettati.
Sulla scorta dell’analisi condotta e sulla base del contesto applicativo considerato, si è scelto il sensore MESA SR-4000 dalle dimensioni estremamente compatte (65x65x68 mm), noiseless (0-dB) e in grado di garantire prestazioni stabili in qualsiasi condizione di funzionamento indoor con un drift di misura comunque trascurabile al variare della temperatura ambientale (inferiore a 1.5 mm nel range 10°C-50°C). Il dispositivo nella sua declinazione “Wide FOV” (69°×56°) “Far Distance” (0.1 m – 10.0 m) in configurazione di tipo “a parete” consente l’acquisizione di ambienti domestici anche di medie/grandi dimensioni.
Il posizionamento ottimale del sensore 3D nel monitoraggio di ambienti domestici prevede, infatti, un montaggio in configurazione “a parete” in prossimità del soffitto (a circa 2.4 m), al fine di garantire un campo di vista quanto più possibile ampio e libero dagli ostacoli comunemente presenti in un ambiente domestico (quali sedie, tavoli, piante, divani, ecc.), prevenendo al contempo il possibile spostamento del sensore in seguito ad urti accidentali.
Per quanto riguarda il nodo di elaborazione facente capo al sensore 3D (o ai sensori 3D nel caso sia richiesto il monitoraggio di più ambienti), è stata considerata una soluzione di computing a basso costo, basso consumo energetico e noiseless (in quanto fanless) basata su architettura multi-thread Intel ATOM® (D525 o i più recenti D2600/D2800) che soddisfa le previste esigenze computazionali ed esibisce dimensioni compatte, che ne consentono l’installazione su staffa modulo DIN per una perfetta integrazione con le ulteriori tecnologie previste dal progetto ovvero gli impianti tecnologici/domotici eventualmente già esistenti nell’abitazione.
Di seguito vi proponiamo un video dimostrativo di simulazione di una caduta.
Potete visionare tutti i video dimostrativi sul nostro canale YouTube.