Existing fall detection systems are

Existing fall detection systems are classified into wearable
and non-wearable systems. Wearable systems rely on devices
that utilize several kinds of sensors such as accelerometers
and gyroscopes to detect falls [4], [5], [6]. Such devices
depend on the elderly to wear them all the time, which
might not be very convenient. In addition, those devices
require periodic recharging, which make them susceptible
to be forgotten to be worn. Moreover, such devices might
not differentiate between a fall and a regular activity like
going down the stairs.
Non-wearable fall detection systems utilize environmental
devices such as 2D video cameras, motion-capturing systems,
and RGB-D cameras. Rougier et al. [7] proposed a
method to detect falls by analyzing human shape deformation
during a video sequence using Gaussian mixture models.
Their approach fails to detect the fall when the person body
is showing small shape deformation such as when the person
is sleeping on the bed. In a different study [8], the 3D
head pose was tracked using monocular 2D cameras to crate
3D trajectory of the head to distinguish falls from normal
activities using 3D velocities. Auvinet et al. [9] proposed
an approach to detect falls based on reconstructing the 3-
D shape of an elderly person using multiple cameras. The
proposed system triggers an alarm when a major part of
the person’s volume distribution along the vertical axis is
abnormally near the floor.
In the aforementioned approaches, the input was either 2D
video, or the extracted human joint positions using a motioncapturing
system, or 3D-reconstruction using multiple cameras.
The use of 2D videos makes the approaches sensitive
to occlusions, cluttered background, shadow, variation in illumination,
and view-point changes, leading to low accuracy
in detecting falls. Although motion-capturing systems and
multiple-cameras systems may solve the above problems, the
requirement of mounting sensing devices on the people, the
calibration process of the sensors, and the high cost of these
equipments makes it infeasible

ผลลัพธ์ (ไทย) 1:

ระบบตรวจสอบตกอยู่แบ่งควิลท์และระบบไม่ควิลท์ ระบบ wearable พึ่งอุปกรณ์ที่ใช้หลายชนิดของเซ็นเซอร์เช่นหัวและ gyroscopes สืบตก [4], [5], [6] อุปกรณ์ดังกล่าวขึ้นอยู่กับผู้สูงอายุจะสวมใส่พวกเขาตลอดเวลา ที่อาจไม่ได้มาก นอกจากนี้ อุปกรณ์เหล่านั้นต้องไปเป็นครั้งคราว ซึ่งทำให้ไวต่อที่จะลืมสึก นอกจากนี้ อุปกรณ์ดังกล่าวอาจไม่แตกอยู่และกิจกรรมทั่วไปเช่นไปลงบันไดระบบตรวจสอบการสวมใส่ได้ไม่ตกใช้สิ่งแวดล้อมอุปกรณ์ต่าง ๆ เช่นกล้องวิดีโอ 2 มิติ ระบบจับภาพเคลื่อนไหวและกล้อง RGB D Rougier et al. [7] นำเสนอเป็นวิธีการตรวจสอบอยู่ โดยการวิเคราะห์รูปร่างมนุษย์แมพในระหว่างลำดับวิดีโอโดยใช้รูปแบบ Gaussian ผสมวิธีการของพวกเขาไม่สามารถตรวจพบฤดูใบไม้ร่วงเมื่อร่างกายคนแสดงรูปร่างเล็กแมพเช่นเมื่อบุคคลนอนบนนอน ในแบบต่าง ๆ ศึกษา [8], 3Dก่อให้เกิดหัวถูกติดตามโดยใช้กล้อง monocular 2D กับลังตกวิถี 3D ของหัวเพื่อแยกความแตกต่างจากปกติกิจกรรมที่ใช้ 3D ตะกอน นำเสนอ Auvinet et al. [9]วิธีการตรวจหาน้ำตกตามบูรณะ 3-ทรงเป็นผู้สูงอายุที่ใช้กล้องหลาย D ที่ปลุกเมื่อส่วนใหญ่ของทริกเกอร์ระบบนำเสนอกระจายเสียงของบุคคลตามแกนแนวตั้งเป็นอย่างผิดปกติใกล้ชั้นในแนวทางดังกล่าว การป้อนข้อมูลได้ทั้ง 2Dวิดีโอ หรือแยกมนุษย์ร่วมตำแหน่งใช้เป็น motioncapturingระบบ หรือใช้กล้องหลายฟื้นฟู 3Dการใช้วิดีโอ 2D ทำให้แนวทางสำคัญocclusions พื้นหลัง cluttered เงา ความผันแปรในรัศมีและการเปลี่ยน แปลงของจุดชมวิว นำไปสู่ความถูกต้องต่ำในการตรวจสอบตก แม้ว่าการจับภาพเคลื่อนไหวระบบ และกล้องหลายระบบอาจแก้ไขปัญหาข้างต้น การความต้องการของติดตั้งอุปกรณ์กับคน การตรวจการกระบวนการปรับเทียบของเซนเซอร์ และต้นทุนสูงเหล่านี้อุปกรณ์ช่วยให้ถอด

ผลลัพธ์ (ไทย) 2:

ระบบตรวจจับที่มีอยู่ในฤดูใบไม้ร่วงจะแบ่งออกเป็นเครื่องแต่งตัว
ระบบและไม่สวมใส่ได้ ระบบ Wearable พึ่งพาอุปกรณ์
ที่ใช้หลายชนิดของเซ็นเซอร์เช่น accelerometers
และลูกข่างที่จะตรวจสอบตก [4] [5] [6] อุปกรณ์ดังกล่าว
ขึ้นอยู่กับผู้สูงอายุที่จะสวมใส่พวกเขาตลอดเวลาซึ่ง
อาจจะไม่สะดวกมาก นอกจากนี้อุปกรณ์เหล่านั้น
จำเป็นต้องมีการชาร์จไฟเป็นระยะ ๆ ซึ่งทำให้พวกเขามีความอ่อนไหว
ที่จะลืมที่จะสวมใส่ นอกจากนี้อุปกรณ์ดังกล่าวอาจจะ
ไม่แตกต่างระหว่างฤดูใบไม้ร่วงและกิจกรรมปกติเช่น
ไปลงบันได.
ระบบตรวจจับการล่มสลายไม่สวมใส่ได้ใช้ประโยชน์จากสิ่งแวดล้อม
อุปกรณ์เช่น 2D กล้องวิดีโอระบบการเคลื่อนไหวจับภาพ
และ RGB-D กล้อง Rougier และคณะ [7] เสนอ
วิธีการที่จะตรวจสอบตกโดยการวิเคราะห์ความผิดปกติรูปร่างของมนุษย์
ในช่วงลำดับวิดีโอโดยใช้แบบจำลองส่วนผสมเสียน.
วิธีการของพวกเขาล้มเหลวในการตรวจสอบการล่มสลายเมื่อร่างกายของคนที่
มีการแสดงการเสียรูปทรงขนาดเล็กเช่นเมื่อคนที่
กำลังนอนหลับอยู่บนเตียง ในการศึกษาที่แตกต่างกัน [8], 3D
หัวท่าถูกติดตามโดยใช้กล้อง 2D ตาข้างเดียวลัง
วิถี 3D ของหัวที่จะแยกแยะการตกจากปกติ
กิจกรรมโดยใช้ความเร็ว 3D Auvinet และคณะ [9] เสนอ
วิธีการในการตรวจสอบการตกอยู่บนพื้นฐานของการฟื้นฟู 3
D รูปร่างของผู้สูงอายุโดยใช้กล้องหลายตัว
ระบบที่นำเสนอทริกเกอร์เตือนเมื่อส่วนหนึ่งที่สำคัญของ
การกระจายปริมาณของบุคคลตามแนวแกนตั้งเป็น
อย่างผิดปกติซึ่งอยู่ใกล้กับพื้น.
ในวิธีการดังกล่าวข้างต้นมีการป้อนข้อมูลได้ทั้งแบบ 2 มิติ
วิดีโอหรือตำแหน่งร่วมกันของมนุษย์สกัดโดยใช้ motioncapturing
ระบบหรือ 3D -reconstruction ใช้กล้องหลายตัว.
การใช้วิดีโอ 2D ทำให้วิธีการที่มีความสำคัญ
ที่จะ occlusions, พื้นหลังรก, เงา, การเปลี่ยนแปลงในการส่องสว่าง,
และการเปลี่ยนแปลงมุมมองจุดที่นำไปสู่ความแม่นยำต่ำ
ในการตรวจสอบตก แม้ว่าระบบการจับภาพเคลื่อนไหวและ
ระบบหลายกล้องอาจจะช่วยแก้ปัญหาดังกล่าวข้างต้น
ความต้องการของการติดตั้งอุปกรณ์ตรวจวัดกับคน,
การสอบเทียบของเซ็นเซอร์และค่าใช้จ่ายสูงเหล่านี้
อุปกรณ์ที่ทำให้มันเป็นไปไม่ได้

ผลลัพธ์ (ไทย) 3:

ระบบตรวจจับที่มีอยู่ตกลงแบ่งเป็นเครื่องแต่งตัว
และระบบได้ไม่ ระบบได้พึ่งพาอุปกรณ์
ที่ใช้เซนเซอร์ชนิดต่างๆ เช่น การตรวจสอบและ accelerometers
gyroscopes ตก [ 4 ] , [ 5 ] [ 6 ]
อุปกรณ์ดังกล่าวขึ้นอยู่กับผู้สวมใส่พวกเขาตลอดเวลา ซึ่ง
อาจจะสะดวกมาก นอกจากนี้ อุปกรณ์เหล่านั้น
ต้องเป็นระยะๆ ชาร์ทซึ่งทำให้พวกเขาเสี่ยง
จะลืมใส่ . นอกจากนี้ อุปกรณ์ดังกล่าวอาจ
แยกความแตกต่างระหว่างฤดูใบไม้ร่วงและกิจกรรมปกติเช่น

ไม่ต้องลงบันได เครื่องแต่งตัวล้มระบบตรวจจับใช้อุปกรณ์สิ่งแวดล้อม
เช่นกล้องวิดีโอ 2D เคลื่อนไหวจับภาพระบบ
และกล้อง rgb-d . rougier et al . [ 7 ] เสนอวิธีการตรวจจับฟอลส์โดยการวิเคราะห์

รูปรูปร่างมนุษย์ระหว่างภาพวิดิโอแบบผสม > .
วิธีการของพวกเขาล้มเหลวในการตรวจสอบลง เมื่อคนที่ร่างกาย
แสดงความผิดปกติรูปร่างเล็ก เช่น เมื่อคน
นอนบนเตียง ในการศึกษาที่แตกต่างกัน [ 8 ] 3
หัวท่าถูกติดตามด้วยกล้อง 2D กับ 3D ตาลัง
วิถีของหัวแยกตกจากกิจกรรมปกติ
3 มิติโดยใช้ความเร็ว . auvinet et al .[ 9 ] เสนอวิธีการตรวจจับ
ตกตามจาก 3 -
d รูปร่างของผู้สูงอายุ ใช้หลายกล้อง
เสนอระบบเรียกเตือนเมื่อเป็นส่วนหลักของการกระจายปริมาณของบุคคลตาม

แกนแนวตั้งคือผิดปกติใกล้พื้น
ในแนวทางดังกล่าว ใส่ได้ทั้ง 2D
วิดีโอหรือมนุษย์ร่วมสกัดตำแหน่งใช้ motioncapturing
ระบบ หรือ มิติการสร้างใหม่โดยใช้กล้องหลาย .
ใช้ 2D วิดีโอทำให้แนวทางสําคัญ
เพื่อ occlusions รก , พื้นหลัง , เงา , การส่องสว่าง ,
มุมมองการเปลี่ยนแปลงและนำไปสู่ความถูกต้องในการตรวจจับต่ำ
ฟอลส์ แม้ว่าเคลื่อนไหวจับภาพระบบ
ระบบกล้องหลายตัวอาจจะแก้ปัญหาดังกล่าว การติดตั้งอุปกรณ์ตรวจจับ
ความต้องการของประชาชน
สอบเทียบกระบวนการเซ็นเซอร์ และค่าใช้จ่ายสูงของอุปกรณ์เหล่านี้
ให้ทำ