全球人口老化問題日趨嚴重，此趨勢將導致老人照護的需求大幅增加，但面臨照護人力資源的短缺及人力成本的增加，不論是在宅安養還是機構安養，都將需要另謀解決辦法。隨著進入物聯網及建築自動化的時代，無人監控、遠端控制、視覺辨識等技術其成本逐年降低，在建築領域的應用越來越普及。此論文希望透過選定適合的感測技術和硬體設備，並針對當前在老人照護資源短缺的狀況下所產生的問題，設計出一套系統來解決當今社會都要面臨的窘境。
    目前市面上及學術研究上關於智慧老人跌倒防治的措施較多為事件發生後的感測，本研究將著重於跌倒的事前分析及預警，所謂預防勝於治療，事前預警的優點在於可以避免跌倒事件中醫療人力及資源的消耗。研究將以老人容易因物體絆到導致跌倒為解決對象，以攝像頭為感測器，用程式語言編寫視覺辨識之功能，探討是否能用此設備及技術，良好的接收人物在空間中的移動方向、速度及路徑，並判別是否有可能導致跌倒之物體在移動路徑上，在達到一定條件時發出警報，以避免跌倒發生。
    本研究主要步驟包括程式開發、硬體測試、模擬實驗、實驗校正和比較與多區域佈點設計，研究內容如下：
1.透過文獻回顧建立現有智慧老人防跌倒的技術及應用，整理智慧老人防跌的應用技術及是屬於事前預防還是事後預警，並調查老人跌倒的主因即發生地點。
2.依照以掌握的軟硬體技術進行老人防跌預警的程式設計，產出一套可調整的系統。
3.設計一系列實驗用來測試並校正防跌系統，使用預先錄好的影片讓系統讀取，模擬即時偵測的情境，並記錄分析實驗數據，根據數據進行調整與比較。
4.根據先前實驗結果，進行多區域的統合性偵測實驗，模擬一般住宅常見臥室擺設狀況下，系統的應變能力。

The global population aging problem is becoming more and more serious. This trend will lead to a significant increase in the demand for elderly care. However, facing the shortage of human resources for care and the increase in labor costs, whether it is in home security or institutional security, we will need to find another solution. With the entry into the era of Internet of Things and building automation, the costs of technologies such as unmanned monitoring, remote control, and visual identification have been reduced year by year, and their application in the field of construction is becoming more and more popular. This paper hopes to design a system to solve the dilemma faced by today's society by selecting suitable sensing technology and hardware equipment and addressing the problems arising from the current shortage of elderly care resources.

    At present, the measures for prevention and control of falls of smart elderly people in the market and academic research are mostly after the event. This study will focus on the pre-analysis and early warning of falls. The so-called prevention is better than treatment. The advantage of pre-warning is that you can avoid falls. The consumption of medical manpower and resources in the incident. The study will take the elderly as a result of falling over easily because of objects tripping, and use the camera as a sensor to write a visual recognition function in programming language, and explore whether this equipment and technology can be used to well receive the direction of the character's movement in space , Speed and path, and determine whether there is an object that may cause a fall on the moving path, and an alarm is issued when certain conditions are reached to avoid a fall.

    The main steps of this research include program development, hardware testing, simulation experiments, experimental correction and comparison, and multi-region layout design. The research contents are as follows:

1. Through literature review, establish existing technologies and applications for preventing the fall of the smart elderly, sort out the application technologies of the falling prevention of the smart elderly and whether they belong to pre-event prevention or post-warning, and investigate the main cause of the fall of the elderly.

2. According to the software and hardware technology used to carry out the program design of the elderly anti-fall warning, an adjustable system is produced.

3. Design a series of experiments to test and correct the anti-drop system, use pre-recorded videos for the system to read, simulate the situation of real-time detection, and record and analyze the experimental data, and adjust and compare according to the data.

4. Based on the results of previous experiments, conduct a multi-regional integrated detection experiment to simulate the resilience of the system under the common bedroom decoration conditions in general houses.

目錄
第一章 緒論	1
1.1研究背景和動機	1
1.2研究目的	1
1.3研究流程	2
第二章 老人跌倒及防跌技術	5
2.1台灣地區跌倒統計	5
2.2高齡者的行為能力	8
2.3高齡者跌倒偵測與預防技術相關研究	9
2.4高齡者智慧空間需求	16
第三章 電腦視覺與OpenCV	19
3.1電腦視覺	19
3.2電腦視覺庫OpenCV	20
第四章 老人防跌預警系統架構	21
4.1系統設計	21
4.2系統版本與設備	22
4.3系統流程	23
4.4應用程式介面(API) 	26
第五章 單區域系統實驗	33
5.1實驗架構與流程	33
5.2實驗場地與環境	35
5.3實驗樣本	39
	5.3.1實驗者	39
	5.3.2障礙物	40
5.4攝像頭座標校正	43
	5.4.1實驗計畫	43
	5.4.2實驗結果	43
5.5位置預判準確率	49
	5.5.1實驗計畫	49
	5.5.2實驗結果	51
5.6進退判斷準確率	55
	5.6.1實驗計畫	55
	5.6.2實驗結果	55
5.7有無進退判斷機制之系統誤報率	58
	5.7.1實驗計畫	58
	5.7.2實驗結果	60
5.8不同偵測距離之系統誤報率	66
	5.8.1實驗計畫	66
	5.8.2實驗結果	66
5.9偵測物體大小臨界值與有效量測範圍之關係	67
	5.9.1實驗計畫	67
	5.9.2實驗結果	69
5.10不同照度下的系統誤報率	71
	5.10.1實驗計畫	71
	5.10.2實驗結果	72
第六章 多區域偵測系統	77
6.1複合式多方向偵測區域	77
6.2先前實驗可沿用的準則	78
6.3 J區域實驗	80
	6.3.1 照度測量	80
	6.3.2 攝像頭座標校正	81
	6.3.3系統誤報率	84
	6.3.4有效量測範圍	87
6.4 I和J區域合併實驗	88
	6.4.1照度測量	89
6.4.2攝像頭座標校正	90
6.4.3系統誤報率	94
6.4.4有效量測範圍	98
	6.5複合式多方向偵測區域劃分	99
6.5.1模式2	100
	6.5.1.1系統誤報率	100
	6.5.1.2有效量測範圍	101
6.5.2模式3	102
	6.5.2.1系統誤報率	102
	6.5.2.2有效量測範圍	103
6.5.3小結	104
第七章 結論與建議	107
	7.1結論	107
	7.2建議	110
參考文獻	113
附錄	115
	附錄一5.5位置預判準確率與5.6進退判斷準確率實驗數據	115
	附錄二 5.7有無進退判斷機制之系統誤報率實驗數據	126


























圖目錄

【圖1-1】 研究流程圖	3
【圖2-1】姿勢對照圖	9
【圖2-2】行為與加速度對照圖	10
【圖2-3】 跌倒行為長寬比變化圖	10
【圖2-4】 前跪下跌倒左手角速度數據圖	11
【圖2-5】 受測者跌倒時的人機介面	11
【圖2-6】 地板雜亂度偵測	12
【圖2-7】 浴室跌倒姿勢高度關係圖	13
【圖2-8】 紅外線防跌語音警示系統配置示意圖	13
【圖2-9】 站立時跌倒示意圖	14
【圖2-10】 向後坐倒偵測實驗結果	14
【圖3-1】 OpenCV官方網站畫面	20
【圖4-1】 系統概念示意圖	21
【圖4-2】 Microsoft Visual Studio 2019介面	22
【圖4-3】 Spedal C920 pro	22
【圖4-4】 系統架構流程圖	25
【圖4-5】 座標轉換對照圖	27
【圖4-6】 灰階轉換對照圖	28
【圖4-7】 灰階轉高斯模糊對照圖	28
【圖4-8】 背景圖(左)動作圖(中)差分圖	29
【圖4-9】 差分圖轉二值化黑白圖	29
【圖4-10】二值化黑白圖轉型態膨脹圖	30
【圖4-11】 最大面積物體矩形框座標參考點示意圖	31
【圖4-12】 當下座標與前一秒座標示意圖	32
【圖4-13】 ROI示意圖	32
【圖5-1-1】 實驗流程架構圖	34
【圖5-2-1】臥室床位擺設與動線示意圖	35
【圖5-2-2】實驗空間平面圖	36
【圖5-2-3】 實驗空間透視圖	36
【圖5-2-4】 攝像頭現況架設照片(左為攝像頭A，右為攝像頭B) 	36
【圖5-2-5】 實驗空間座標轉換示意圖	37
【圖5-2-6】 攝像頭視角座標轉換示意圖(左為攝像頭A，右為攝像頭B) 	37
【圖5-2-7】 燈具實體圖	38
【圖5-2-8】燈具位置平面圖	38
【圖5-3-1】 步寬及足偏角示意圖	39
【圖5-3-2】 足長及足寬示意圖	40
【圖5-3-3】 足偏角及足寬結合示意圖	40
【圖5-3-4】 障礙物示意圖	41
【圖5-4-1】 攝像頭視角(上)轉換後座標平面(下) 	42
【圖5-4-2】 攝像頭視角(上)轉換後座標平面(下) 	43
【圖5-4-3】 讀取座標點數值示意圖	44
【圖5-4-4】攝像頭A 校正前後誤差值折線圖	46
【圖5-4-5】攝像頭A 校正前後誤差值折線圖	47
【圖5-4-6】 人體在地板倒影導致誤差值增加	48
【圖5-4-7】 人體陰影導致誤差值增加	48
【圖5-4-8】 人體與服裝顏色導致誤差值增加	49
【圖5-5-1】 中心座標預判示意圖	50
【圖5-5-2】 測試階段路徑軌跡和預判位置圖(上)背景減法二值化圖(下) 	50
【圖5-5-3】 攝像頭A的01樣本慢速前進時X預判值條狀圖	51
【圖5-5-4】 攝像頭A的01樣本慢速後退時X預判值條狀圖	52
【圖5-5-5】 攝像頭A的06樣本快速前進時X預判值條狀圖	52
【圖5-5-6】 攝像頭A的06樣本快速後退時X預判值條狀圖	53
【圖5-5-7】 攝像頭B的01樣本慢速前進時X預判值條狀圖	53
【圖5-5-8】 攝像頭B的01樣本慢速後退時X預判值條狀圖	54
【圖5-5-9】 攝像頭B的06樣本快速前進時X預判值條狀圖	54
【圖5-5-10】 攝像頭B的06樣本快速後退時X預判值條狀圖	55
【圖5-6-1】 攝像頭A的01樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	55
【圖5-6-2】 攝像頭A的06樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	57
【圖5-6-3】 攝像頭B的01樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	57
【圖5-6-4】 攝像頭B的06樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	58
【圖5-7-1】I區域有障礙物但無接觸行走和有障礙物且有接觸行走的障礙物位置與動線 	59
【圖5-7-2】 陰影或倒影被判斷為障礙物	63
【圖5-7-3】 障礙物偵測區出邊界	64
【圖5-7-4】 身體辨識分塊	64
【圖5-7-5】 修正機制公式	65
【圖5-9-1】 系統為障礙物開啟障礙物偵測區的誤報事件	68
【圖5-9-2】 攝像頭A不同物體偵測臨界值與X邊界平均值關係圖	70
【圖5-9-3】 攝像頭B不同物體偵測臨界值與X邊界平均值關係圖	71
【圖5-10-1】 100%亮度下地面照度分布圖	72
【圖5-10-2】 50%亮度下地面照度分布圖	73
【圖5-10-3】 25%亮度下地面照度分布圖	73
【圖5-10-4】 1%亮度下地面照度分布圖	74
【圖5-10-5】 0%亮度下地面照度分布圖	74
【圖5-10-6】 攝像頭A不同亮度下的座標誤差值折線圖	75
【圖5-10-7】 攝像頭B不同亮度下的座標誤差值折線圖	75
【圖5-10-8】 過亮而導致的雜訊示意圖	76
【圖6-1-1】I區域與J區域示意圖	77
【圖6-1-2】臥室床位擺設與動線示意圖	78
【圖6-2-1】攝像頭位置分布圖	78
【圖6-2-2】照明設備位置圖	79
【圖6-2-3】多區域系統實驗架構圖	80
【圖6-3-1】僅J區域照明開啟時J區域地面照度分布	81
【圖6-3-2】攝像頭C在J區域 Y=25時X座標平均誤差值	83
【圖6-3-3】攝像頭C在J區域 Y=50時X座標平均誤差值	84
【圖6-3-4】J區域有障礙物但無接觸行走和有障礙物且有接觸行走的障礙物位置與動線	85
【圖6-3-5】 亮度不足致使實驗區域邊角的物體辨識能力下降	87
【圖6-3-6】攝像頭A’、C在J區域有效偵測範圍示意圖	88
【圖6-4-1】 J區域在I和J區域照明設備25%亮度全開時地面照度分布	89
【圖6-4-2】 J區域在I和J區域照明設備25%亮度全開時地面照度分布	90
【圖6-4-3】亮度提升致使人體的陰影和倒影成像強度增強	97
【圖6-4-4】偵測範圍過小而無法及時判別人體位置及偵測到障礙物	97
【圖6-4-5】I和J區域照明設備開啟下I區域有效偵測範圍示意圖	98
【圖6-4-6】I和J區域照明設備開啟下J區域有效偵測範圍示意圖	99
【圖6-5-1】模式1,2,3分區負責示意圖	99
【圖附1-1】攝像頭A的01樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	115
【圖附1-2】攝像頭A的02樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	116
【圖附1-3】攝像頭A的03樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	116
【圖附1-4】攝像頭A的04樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	117
【圖附1-5】攝像頭A的05樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	117
【圖附1-6】攝像頭A的06樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	118
【圖附1-7】攝像頭A的07樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	118
【圖附1-8】攝像頭A的08樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	119
【圖附1-9】攝像頭A的09樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下) 	119
【圖附1-10】攝像頭A的10樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
 	120
【圖附1-11】攝像頭B的01樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
 	120
【圖附1-12】攝像頭B的02樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
 	121
【圖附1-13】攝像頭B的03樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
	121

【圖附1-14】攝像頭B的04樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
	122
【圖附1-15】攝像頭B的05樣本慢速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
	122
【圖附1-16】攝像頭B的06樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
	123
【圖附1-17】攝像頭B的07樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
	123
【圖附1-18】攝像頭B的08樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
	124
【圖附1-19】攝像頭B的09樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
	124
【圖附1-20】攝像頭B的20樣本快速時速度預判值條狀圖(上)與進退預判值條狀圖(下)
	125























表目錄

【表2-1】台灣地區1999及2005年老人一年在自宅內跌倒之狀況	6
【表2-2】 台灣地區1999及2005年老人一年跌倒的直接原因	6
【表2-3】 台灣地區65歲以上過去一年最近一次發生跌倒/跌落/墜落的原因	7
【表2-4】 高齡者跌倒偵測與預防技術相關文獻整理	15
【表5-3-1】 各年齡足偏角統計資料	39
【表5-4-1】攝像頭A座標誤差質與誤差量	45
【表5-4-2】攝像頭B座標誤差質與誤差量	45
【表5-4-3】 誤差較大的事件與影響因素	48
【表5-5-1】 攝像頭A慢速度紀錄與轉換	51
【表5-5-2】 攝像頭A快速度紀錄與轉換	52
【表5-5-3】 攝像頭B慢速度紀錄與轉換	53
【表5-5-4】 攝像頭B快速度紀錄與轉換	54
【表5-6-1】 攝像頭A、B快慢速度下進退判斷準確率	56
【表5-6-2】攝像頭A慢速時進退判斷準確率	56
【表5-6-3】攝像頭A快速時進退判斷準確	56
【表5-6-3】攝像頭B慢速時進退判斷準確率	57
【表5-6-4】攝像頭B快速時進退判斷準確率	58
【表5-7-1】有無進退判斷機制之系統誤報率需要紀錄的數據	60
【表5-7-2】 無障礙物行走樣本的實驗數據紀錄	61
【表5-7-3】 有障礙物但無接觸行走樣本的實驗數據紀錄	62
【表5-7-4】 有障礙物且有接觸行走樣本的實驗數據紀錄	63
【表5-7-5】 不同修正下的總誤報次數與平均誤報次數	65
【表5-8-1】 攝像頭A偵測距離50公分的誤報次數	67
【表5-8-2】 攝像頭A偵測距離30公分的誤報次數	67
【表5-9-1】攝像頭A不同物體偵測臨界值與X極值關係	69
【表5-9-2】攝像頭A不同物體偵測臨界值與X極值關係	70
【表5-10-1】 100%亮度下地面照度紀錄	72
【表5-10-2】 50%亮度下地面照度紀錄	72
【表5-10-3】 25%亮度下地面照度紀錄	73
【表5-10-4】 1%亮度下地面照度紀錄	73
【表5-10-5】 0%亮度下地面照度紀錄	74
【表6-3-1】 僅J區域照明開啟時J區域地面照度紀錄	81
【表6-3-2】 攝像頭A’在J區域座標誤差質與誤差量	82
【表6-3-3】 攝像頭A’在J區域座標校正後數值	82
【表6-3-4】 攝像頭C在J區域座標誤差質與誤差量	82
【表6-3-5】 攝像頭C在J區域座標校正後數值	83
【表6-3-6】 僅J區域照明設備開啟下J區域誤報事件紀錄	86
【表6-3-7】攝像頭A’在J區域有效範圍	87
【表6-3-8】攝像頭C在J區域有效範圍	88
【表6-4-1】 J區域在I和J區域照明設備25%亮度全開時地面照度紀錄	89
【表6-4-2】 I區域在I和J區域照明設備25%亮度全開時地面照度紀錄	89
【表6-4-3】 攝像頭A’在I區域的座標誤差值與誤差量	90
【表6-4-4】 攝像頭A’在I區域的座標校正後數值	91
【表6-4-5】 攝像頭B在I區域的座標誤差值與誤差量	91
【表6-4-6】 攝像頭B在I區域的座標校正後數值	92
【表6-4-7】 攝像頭A’在J區域的座標誤差值與誤差量	92
【表6-4-8】 攝像頭A’在J區域的座標校正後數值	93
【表6-4-9】 攝像頭C在J區域的座標誤差值與誤差量	93
【表6-4-10】 攝像頭C在J區域的座標校正後數值	93
【表6-4-11】 I和J區域照明設備開啟下I區域誤報事件紀錄	95
【表6-4-12】 I和J區域照明設備開啟下J區域誤報事件紀錄	96
【表6-4-13】 I和J區域照明設備開啟下I區域A’攝像頭有效偵測範圍	98
【表6-4-14】 I和J區域照明設備開啟下I區域B攝像頭有效偵測範圍	98
【表6-4-15】 I和J區域照明設備開啟下J區域A’攝像頭有效偵測範圍	98
【表6-4-15】 I和J區域照明設備開啟下I區域C攝像頭有效偵測範圍	99
【表6-5-1】模式2分區下J區域誤報事件紀錄	101
【表6-5-2】模式2分區下J區域攝像頭A’有效偵測範圍	102
【表6-5-3】模式2分區下J區域攝像頭C有效偵測範圍	102
【表6-5-4】模式3分區下I區域誤報事件紀錄	103
【表6-5-5】模式3分區下I區域攝像頭A’有效偵測範圍	104
【表6-5-6】模式3分區下I區域攝像頭B有效偵測範圍	104
【表6-5-7】 模式1,2,3比較表	105
【表附2-1】 攝像頭B無障礙物行走樣本的實驗數據紀錄	126
【表附2-2】 攝像頭B有障礙物但無接觸行走樣本的實驗數據紀錄	127
【表附2-3】 攝像頭B有障礙物且有接觸行走樣本的實驗數據紀錄	128

風傳媒-台灣人口老化的速度比日本還快！他道出這社會最大隱憂：到2026，台灣五分之一人口是老人
https://www.storm.mg/lifestyle/1424255
行政院衛生署國民健康局台灣地區1999及2005年老人跌倒統計新聞稿
102年國民健康訪問調查成果報告
蔡文輝，老年社會學、五南、2003
陳政雄，老人住宅整體規劃理念，台灣老年醫學雜誌，1(3)，122-139，2006
黃耀輝，長期照護環境設施評鑑未來的發展課題，長期照護者期刊，1993
王安邦，老人照護之跌倒偵測系統，國立屏東科技大學資訊管理系碩士論文，2009
陳冠均，可穿戴式位置感知跌倒偵測系統之設計研究，國立陽明大學醫學工程研究所碩士論文，2010
李卓璠，用IP攝影機即時影像於跌倒偵測系統之實作，國立台北護理學院資訊管理研究所碩士論文，2010
劉建賢，使用加速度計和陀螺儀之跌倒偵測系統，大同大學資訊工程研究所碩士論文，2011
蔡宜澄，具有跌倒及失智行走模式判斷之遠端監控智慧型地板，東南科技大學電機工程系碩士班碩士論文，2016
莊閔文，居家幼兒跌倒預測，國立東華大學資訊工程學系碩士班碩士論文，2014
周吾修，居家照護之跌倒偵測設計與務聯網應用，臺北市立大學資訊科學系碩士論文，2018
李俊億，病床紅外線防跌語音警示系統，建國科技大學電機工程研究所碩士論文，2012
吳倢瑩，基於Kinect的跌倒偵測與行為監控系統，國立中央大學資訊工程學系碩士論文，2014
顏欽賢，景深相機應用於跌倒之研究，大同大學資訊工程研究所碩士論文，2013
鐘青美，高齡化社會型態之建築居家空間智慧化應用與探討，國立聯合大學建築學系碩士班碩士論文，2018
陳旭、呂小俊，淺談電腦視覺的發展及應用(J)，科技信息，2013年16期
OpenCV官方網站
https://opencv.org/
袁景玉、黄莹、代晨蕊、张萍，基于健康照明的老年住宅光环境设计，綠色建築與設計，2017年第10期
李棟洲、武俊傑，老年步態障礙，臺灣老年醫學暨老年學雜誌，2015；10(1)：1-15