論文の概要: Depth-Weighted Detection of Behaviours of Risk in People with Dementia using Cameras
- arxiv url: http://arxiv.org/abs/2408.15519v2
- Date: Sat, 18 Jan 2025 01:35:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:16:39.264991
- Title: Depth-Weighted Detection of Behaviours of Risk in People with Dementia using Cameras
- Title（参考訳）: カメラを用いた認知症者のリスク行動の深さ重み検出
- Authors: Pratik K. Mishra, Irene Ballester, Andrea Iaboni, Bing Ye, Kristine Newman, Alex Mihailidis, Shehroz S. Khan,
- Abstract要約: 認知症の行動・心理的症状、例えば扇動や攻撃といった症状は、在宅ケアの環境において重大な健康・安全リスクを生じさせる。
医療施設は公共空間のデジタル監視のためにビデオカメラを設置しており、リスク検出システムの自動動作を開発するために利用することができる。
前回の研究の課題の1つは、距離による事象の重要性の相違による誤報の存在であった。
我々は,カメラの近距離と遠距離の両方で発生する事象に匹敵する重要性を示すために,新たに深度重み付き損失を提案する。
- 参考スコア（独自算出の注目度）: 3.6855408155998215
- License:
- Abstract: The behavioural and psychological symptoms of dementia, such as agitation and aggression, present a significant health and safety risk in residential care settings. Many care facilities have video cameras in place for digital monitoring of public spaces, which can be leveraged to develop an automated behaviours of risk detection system that can alert the staff to enable timely intervention and prevent the situation from escalating. However, one of the challenges in our previous study was the presence of false alarms due to disparate importance of events based on distance. To address this issue, we proposed a novel depth-weighted loss to enforce equivalent importance to the events happening both near and far from the cameras; thus, helping to reduce false alarms. We further propose to utilize the training outliers to determine the anomaly threshold. The data from nine dementia participants across three cameras in a specialized dementia unit were used for training. The proposed approach obtained the best area under receiver operating characteristic curve performance of 0.852, 0.81 and 0.768, respectively, for the three cameras. Ablation analysis was conducted for the individual components of the proposed approach and effect of frame size and frame rate. The performance of the proposed approach was investigated for cross-camera, participant-specific and sex-specific behaviours of risk detection. The proposed approach performed reasonably well in reducing false alarms. This motivates further research to make the system more suitable for deployment in care facilities.
- Abstract（参考訳）: 認知症の行動・心理的症状、例えば扇動や攻撃といった症状は、在宅ケアの環境において重大な健康・安全リスクを生じさせる。
多くの医療施設は、公共空間のデジタル監視のためにビデオカメラを設置しており、リスク検出システムの自動動作を開発するために利用することができ、スタッフにタイムリーな介入とエスカレーションの防止を警告することができる。
しかし,過去研究における課題の1つは,距離による事象の重要性の相違による誤報の存在であった。
この問題に対処するため,我々は,カメラの近距離と遠距離の両方で発生する事象に対して同等の重要度を強制する,新たな深度重み付き損失を提案し,誤報の低減に寄与した。
さらに,異常しきい値を決定するために,トレーニングアウトレイラを活用することを提案する。
専用認知症ユニットの3台のカメラを横断する9人の認知症参加者のデータをトレーニングに使用した。
提案手法は, 3台のカメラにおいてそれぞれ0.852, 0.81, 0.768の受信特性曲線特性下での最適領域を得た。
提案手法の個々の成分とフレームサイズおよびフレームレートの影響についてアブレーション解析を行った。
提案手法の性能は, クロスカメラ, 参加者特異的, 性特異的なリスク検出行動について検討した。
提案手法は誤報の低減に有効であった。
このことは、医療施設への配備に適したシステムを構築するために、さらなる研究を動機付けている。
関連論文リスト
- DPMesh: Exploiting Diffusion Prior for Occluded Human Mesh Recovery [71.6345505427213]
DPMeshは、人間のメッシュリカバリを排除した革新的なフレームワークである。
これは、事前訓練されたテキスト・ツー・イメージ拡散モデルに埋め込まれた対象構造と空間的関係について、より深い拡散に乗じる。
論文 参考訳（メタデータ） (2024-04-01T18:59:13Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Privacy-Protecting Behaviours of Risk Detection in People with Dementia
using Videos [4.264550333891292]
認知症者のリスク行動を検出するために,2つの新しいプライバシー保護型ビデオベース異常検出手法を提案する。
我々は、身体のポーズ情報を骨格として抽出し、セマンティックセグメンテーションマスクを用いてシーン内の複数の人間をセマンティック境界に置き換えた。
これは、認知症患者のリスクの行動を検出するために、プライバシを組み込んだ最初の研究の1つである。
論文 参考訳（メタデータ） (2022-12-20T22:55:46Z) - UAV-based Crowd Surveillance in Post COVID-19 Era [22.239926415135248]
我々は、新型コロナウイルス後のアウトドア活動のインテリジェントなモニタリングのための完全なフレームワークを提案する。
最初のステップでは、UAVが捉えた画像を機械学習で分析し、個人を検出し、発見する。
第2のステップは、個人間の距離を評価し、それらをクラスタ化するための、新しい座標マッピングアプローチで構成されている。
論文 参考訳（メタデータ） (2021-11-28T15:28:31Z) - Video-Based Inpatient Fall Risk Assessment: A Case Study [23.712621878547697]
入院中の転倒は、病院や医療施設で深刻な安全上の問題である。
患者監視のためのビデオ分析の最近の進歩は、継続的な活動監視を通じてこのリスクを低減するために、非侵襲的な方法を提供している。
本稿では,患者の転倒リスクを監視できるビデオベースシステムを提案する。
論文 参考訳（メタデータ） (2021-05-27T13:02:29Z) - Towards Adversarial Patch Analysis and Certified Defense against Crowd
Counting [61.99564267735242]
安全クリティカルな監視システムの重要性から、群衆のカウントは多くの注目を集めています。
近年の研究では、ディープニューラルネットワーク(DNN)の手法が敵の攻撃に弱いことが示されている。
群衆カウントモデルのロバスト性を評価するために,Momentumを用いた攻撃戦略としてAdversarial Patch Attackを提案する。
論文 参考訳（メタデータ） (2021-04-22T05:10:55Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - Perceiving Humans: from Monocular 3D Localization to Social Distancing [93.03056743850141]
本稿では,人間の3次元位置と身体の向きを1つの画像から知覚する,コスト効率の高い視覚ベースの新しい手法を提案する。
我々は,「社会的距離」という概念を,単純な位置に基づくルールとは対照的に,社会的相互作用の一形態として再考することが可能であることを示す。
論文 参考訳（メタデータ） (2020-09-01T10:12:30Z) - DeepSOCIAL: Social Distancing Monitoring and Infection Risk Assessment
in COVID-19 Pandemic [1.027974860479791]
世界保健機関(WHO)は、公衆の場での新型コロナウイルスの感染拡大を最小限に抑えるため、ソーシャルディスタンシング(Social Distancing)を推奨している。
コンピュータビジョンとYOLOv4ベースのDeep Neural Networkモデルを開発した。
開発されたモデルは汎用的で正確な人物検出・追跡ソリューションであり、他の多くの分野に適用できる。
論文 参考訳（メタデータ） (2020-08-26T16:56:57Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z) - Motion and Region Aware Adversarial Learning for Fall Detection with
Thermal Imaging [8.110295985047278]
転倒検知のためのホームベースのカメラシステムは、しばしば人々のプライバシーを危険にさらす。
転倒はめったに起こらないため、クラス不均衡によるアルゴリズムの学習は簡単ではない。
熱画像を用いた対向フレームワーク内での転倒検出を異常検出として定式化する。
論文 参考訳（メタデータ） (2020-04-17T17:17:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。