عنوان پایان‌نامه
ارائه روش بر پایه ی پردازش تصویر و بدون استفاده از نشانگر برای ارزیابی ناهنجاری های راه رفتن در سالمندانی که تجربه¬ی زمین خوردن داشته¬اند
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2215;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 57773
- تاریخ دفاع
- ۰۴ مهر ۱۳۹۱
- دانشجو
- زیبا گندمکار
- استاد راهنما
- فریبا بهرامی بوده لالو
- چکیده
- در این پایان نامه یک روش بر پایه ی پردازش تصویر فیلم ویدئویی آزمون برخیز و برو بدون استفاده از نشانگر برای جداسازی سالمندان با سابقه ی زمین خوردن از سالمندان سالم ارائه شده است. الگوی انجام حرکات روزمره افراد سالمندی که سابقه ی زمین خوردن دارند با افراد سالمند سالم متفاوت است. لذا با تحلیل آزمون برخیز و برو که شامل برخاستن از یک صندلی، طی کردن فاصله ی 3 متری، دورزدن، بازگشتن و نشستن مجدد بر صندلی است، می‌توان این دو دسته را از هم تفکیک نمود. در روش پیشنهادی این پایان نامه به شکل خودکار زمان انجام کل حرکت، زمان های دور زدن، راه رفتن، برخاستن و نشستن، فاز تک تکیه گاهی و دو تکیه گاهی و تناوب قدم زدن استخراج می شود. به کمک این زمان ها سالمندان با سابقه ی زمین خوردن، سالمندان سالم و گروه کنترل از یکدیگر تفکیک می شوند. روش پیشنهادی علاوه بر استخراج کمیت های زمانی و مکانی راه رفتن و آزمون، نمودار خودتشابهی برای اندام فوقانی و تحتانی را به دست می آورد. این نمودارها برای تشخیص آنکه حرکت تناوبی در کدام اندام بیشترین آسیب را دیده است، استفاده می شوند. بعلاوه روشی با عنوان تصویر انرژی راه رفتن رنگ آمیزی شده در این پایان نامه ارائه شده است. برای به دست آوردن این تصویر هرگام به دو قدم تقسیم می شود. برای هر قدم حد فاصل میان برخورد پاشنه تا جدا شدن پنجه فاز اول، جدا شدن پنجه تا جایی که دوپا کاملا یکدیگر را پوشانده اند فاز دوم، و حد فاصل جایی که دوپا کاملا یکدیگر را پوشانده اند تا برخورد پاشنه ی پای بعدی با زمین فاز سوم نامیده می شوند. سپس برای هر فاز هر قدم، تصویر انرژی راه رفتن برای کلیه‌ی فریم های آن استخراج می‌شود و یکی از مولفه‌ی رنگی تصویر (به ترتیب قرمز، سبز و آبی ) را تشکیل می دهد. به این ترتیب اطلاعات زمانی نیز وارد مساله می شود. ویژگی های استخراج شده در اینجا مقادیر مربوط به هیستوگرام 8 قسمتی تصویر انرژی راه رفتن رنگ آمیزی شده هستند. به کمک این روش فازی که بیشترین تفاوت را میان سالمندان با سابقه زمین خوردن و افراد سالم دارد یافته می شود. برای ارزیابی روش از تعدادی سالمند سالم و تعدادی سالمند با سابقه ی زمین خوردن داده جمع آوری شد. حساسیت روش پیشنهادی برای بهترین بردار ویژگی برای جداکردن سالمندان با سابقه ی زمین خوردن 92% و ویژگی آن 100% است. برای سالمندان با سابقه ی زمین خوردن حرکت تناوبی در اندام فوقانی بیشتر تغییر کرده و فاز دوم متفاوت ترین فاز است.
- Abstract
- In this Thesis a new markerless vision-based approach for distinguishing abnormal gait in elderlies has been proposed. The gait of faller elderlies, which have fallen more than two times during last year, has abnormalities compare with that of non-faller. So, using Timed Up and Go test which consists of five parts (Sit to stand, Walk, Turn, Walk, Sit), and analyzing the result of this test, the fallers and non fallers can be distinguished. In the proposed method, time of different parts of the test, sit to stand, walk, turn, walk back, and sit down, and phases of the step, single support, double support and the periodicity of the strides have been automatically extracted. Using this times the fallers, non fallers and control group can be distinguished with a trivial error. Beside the temporal parameters, in this thesis the self similarity plot of the upper and lower limbs of body has been calculated by which the abnormal pattern of moving of different limbs can be detected. It can show which limbs of the body has lost its normal periodicity. Moreover, a new approach entitled colored gait energy image has been introduced in this thesis. In this method, which is a modification of traditional gait energy image, each stride has been partitioned to two steps and each step, as such, consists of three phases. Hill contact to first leg tow of forms the first phase, then to the time which two legs completely cover each other form the second phase and then to other leg hill contact forms the third phase. In this method for each phase a new gait energy image has been calculated and represented by a particular color component. So the temporal information can be maintained. The extracted features of this part of the method are the 8-bins histogram of the gait energy image of each phase. Using this method the phase with maximum abnormality can be easily detected. The proposed method has been evaluated by using a dataset consists of the Timed Up and Go Test of 8 non faller and 8 faller elderlies. The sensitivity and specificity of the proposed method for best feature vector was 92% and 100% respectively. The periodicity of upper limbs in fallers had maximum change and the second phase of their gait is the most different.
