AI大數據《AI+IoT應用研究室》

在AI的應用領域，行為偵測是一種新的應用領域。其中老人跌倒及工廠人員跌倒，藉由AI攝影機的幫助，可以即時發現，爭取更多的時間，搶救生命。其中隨著台灣邁入老年社會，而照護人員勢必缺乏，這時候藉由AI來輔助，可以省下許多人力，讓長照人員能做更有意義的關懷服務。

此架構是基於OpenPose(節點偵測)和SVM(支持向量機分類)技術，配合雲端WebAPI及Line，形成一個完美的解決方案。

系統架構，如上圖

AI攝影機: 因考慮AI的運算，需要有GPU，目前是採用JetSon Nano當邊緣運算。當然也可以用樹莓派+Intel運算棒，其成本差不多，可自行選擇所需。

YOLO人物檢測: 主要檢測出視訊圖像中的人所在的位置，並判斷是否為人，而不是樹枝，以便後續節點偵測，避免誤判。

OpenPose節點偵測:YOLO偵測完畢，將圖像送入OpenPose做節點偵測，並存成所需要的資訊。

SVM狀態權值:對獲得的關節點進行分類，得到所處的狀態（正常狀態、平躺狀態 、跌倒狀態、蹲下狀態以及其他）。

WebAPI: 目前是採用PaaS雲端平台，使用Django當Web後台設定參數(如通知誰的手機)及Line，使用Flask當WebAPI橋接AI邊緣運算。

手機APP:除了用Line及手機簡訊通知外，後續會進一步開發手機APP，因限於人力採用Cordova，一次開發Android及iOS兩用的APP。

LSTM:藉由AI預測下一步狀態，可以提早發現行為異常急需別人幫助，先做進一步預防可避免憾事發生。

本篇主要探討老人跌倒及工安事件，相信AI絕對可以做到極佳的輔助。還可以進一步研究，結合3DCNN 技術，讓AI做更精確的判斷行為。當然本系統架構有考慮到隱私權部份，所以有兩種方式，一種純脆就是通知訊息及地點並沒有將影像圖片傳回，另一種也可以做到傳回影像做判斷是否真的有人跌倒。都可根據客戶的需求做到。

補充 (2020/07/12)：老人跌倒偵測需要AI去分別何謂是跌倒躺下? 何謂是躺在床上? 兩者之不同。同時在系統上應該有一個跌倒躺下參數秒數設定，才發出警示。而在多人狀況下，如何更精確判斷跌倒行為，需要更進一步去優化，才不會產生許多誤判。