No abstract

Durch den demographischen Wandel in Verbindung mit fehlendem Pflegepersonal gewinnt die Entwicklung technischer Assistenzsysteme im Feld des Active and Assisted Living (AAL) zunehmend an Bedeutung. Zukunftsorientierte Instrumente, die in der Altenpflege zum Einsatz kommen, sind neuartige, nutzerzentrierte Gesundheitssysteme für Personengruppen mit speziellen Anforderungen. In diesem Beitrag werden das Konzept sowie erste Ergebnisse des Projekts AUXILIA gezeigt, welches ein nutzerzentriertes Assistenz- und Sicherheitssystem zur Unterstützung von Menschen mit Demenz auf Basis intelligenter Verhaltensanalyse beschreibt. Das Assistenz- und Sicherheitssystem richtet sich vor allem an Patienten mit beginnender Demenz. Das Projektziel ist der längere Verbleib von Demenzpatienten in ihren eigenen vier Wänden. Das System unterstützt nicht nur die Patienten, sondern richtet sich darüber hinaus an Nutzer aus dem Pflegeumfeld sowie an Angehörige. Mithilfe einer neuartigen Smart Sensor Technologie, die es ermöglicht, den gesamten Raum zu erfassen, können menschliche Verhaltensmuster bestimmt und an die Nutzergruppen weitergegeben werden. Basierend auf diversen Sensordaten werden Objekte kontextbasiert und selbstständig vom System erkannt und daraus Sicherheits- und Assistenzfunktionen, wie beispielsweise eine Sturzdetektion, abgeleitet. Neben der Entwicklung des Sensors wird untersucht, welchen Anforderungen eine Mensch-Maschine-Schnittstelle genügen muss, um für alle Nutzergruppen einen Mehrwert zu bieten.

In recent years, the demographic change in conjunction with a lack of professional caregivers led to retirement homes reaching capacity. The Alzheimer Disease International stated that over 50 million people suffered from dementia in 2019 worldwide and twice the amount will presumably be effected in 2030. The field of Ambient Assisted Living (AAL) tackles this problem by facilitating technical system-aided everyday life. AUXILIA is such an AAL system and does not only support elderly people with dementia in an early phase, but also monitors their activities to provide behaviour analysis results for care attendants, relatives and physicians. Moreover, the system is capable of recognizing emergency situations like human falls. Furthermore, sleep quality estimation is employed to be able to draw conclusions about the current behaviour of an affected person. This article presents the current development state of AUXILIA.

Stereo vision is a key technology for 3D scene reconstruction from image pairs. Most approaches process perspective images from commodity cameras. These images, however, have a very limited field of view and only picture a small portion of the scene. In contrast, omnidirectional images, also known as fisheye images, exhibit a much larger field of view and allow a full 3D scene reconstruction with a small amount of cameras if placed carefully. However, omnidirectional images are strongly distorted which make the 3D reconstruction much more sophisticated. Nowadays, a lot of research is conducted on CNNs for omnidirectional stereo vision. Nevertheless, a significant gap between estimation accuracy and throughput can be observed in the literature. This work aims to bridge this gap by introducing a novel set of transformations, namely OmniGlasses. These are incorporated into the architecture of a fast network, i.e., AnyNet, originally designed for scene reconstruction on perspective images. Our network, Omni-AnyNet, produces accurate omnidirectional distance maps with a mean absolute error of around 13 cm at 36.4 fps and is therefore real-time capable.

No abstract