KinectMotion: activity monitoring using Kinect's skeleton generator

Abstract

Com o crescimento da população envelhecida numa escala global, todos os dias os meios de comunicação noticiam acidentes domésticos como quedas ou mesmo problemas de saúde que requerem atenção urgente. A população envelhecida a viver sozinha está inclinada para este tipo de emergências devido ao seu estatuto. Soluções como a Kinect da Microsoft oferecem características online avançadas que permitem a detecção automática de esqueletos entre outras. Embora a Kinect seja mais usada em aplicações de jogos/lazer é viável questionar se funciona como uma solução apropriada para monitorização doméstica de baixo custo. Nesta dissertação exploramos a utilização da extração de esqueleto automática que esta disponibiliza para suportar uma solução online de monitorização num ambiente de uma divisória que é capaz de detectar situações criticas e identificar situações típicas como quedas, sentar ou deitar. Usando técnicas simples de processamento de sinal (como filtros passa-baixo ou transformações de potencia) fomos capaz de conceber uma solução simples e fiável – KinectMotion. KinectMotion é capaz de alertar situações criticas e detectar alterações típicas de postura numa janela temporal de 3 segundos. Na nossa avaliação sobre uma população de 6 jovens voluntários o algoritmo exibiu valores de precisão sempre superiores a 80% com um número reduzido de falsos alarmes (i.e. falsos positivos). Embora o algoritmo encontrado seja promissor necessita ser adaptado para ser aplicada à monitorização de idosos pois existem diferenças nomeadamente no desempenho motor.

With the growth of the elderly population in a global scale, every day the media reports home accidents like falls or even health problems that require urgent attention. The elderly population living alone is prone to these kinds of emergencies given their status. Solutions such as Microsoft’s Kinect’s offer advance online features that enable automated skeleton extraction among other things. Although Kinect is most commonly used in gamming/leisure applications it is reasonable to ask if it provides a suitable and cost effective solution for home monitoring scenario. In this dissertation we explore the use of Microsoft’s Kinect’s automated skeleton extraction to support an online monitoring solution that is able to detect critical situations in a room environment and identify typical events such as falls, sitting, lying down. Using a simple signal processing techniques (e.g. low pass filtering and power transforms) we were able to provide a simple and reliable solution – KinectMotion. KinectMotion is able to able to alert to critical situations and detect typical posture changes within a time window of less than 3 seconds. In our evaluation over a population of 6 healthy young volunteers the algorithm used showed always precisions above 80%, presenting always a very low number of false alarms (i.e. false positives). Although our algorithm is promising it must be adapted to be applied to elderly monitoring as there are differences namely on motor performance.