PIJNHERKENNING MET CAMERA S

Maat: px

Weergave met pagina beginnen:

Download "PIJNHERKENNING MET CAMERA S"

Albert Martens
5 jaren geleden
Aantal bezoeken:

ing. Bert Bonroy, dr B. Vanrumste KHKempen MOBILAB ir.

1 PIJNHERKENNING MET CAMERA S monitoren van discomfort bij dementerende bejaarden op basis van automatische beeldherkenning ing. Bert Bonroy, dr B. Vanrumste KHKempen MOBILAB ir. Pieter Schiepers, ir. D. Miljkovic,V.Exadaktylos, Prof D. Berckmans KULeuven M3-BIORES

2 BEPERKINGEN VAN DE COMPUTER veel lagere interpretatiekracht tegenover de mens kan moeilijk abstractie maken niet universeel als een mens alleen gespecialiseerde taken kan maar beperkt aantal zaken zien traag vergeleken met een mens 13 februari

3 MENSELIJKE EN AUTOMATISCHE PIJNOBSERVATIE 13 februari

4 Indicatoren Pijn bij mensen Monitor technieken Principes Hersenen Sensor system Spier systeem Skelet Zenuw system Metabolisme Criteria Minimaal Pijn niveau Maximaal comfort Vermijden ziekenhuis opnames Variabelen Audio indicatoren Visuele indicatoren Fysiologische Indicatoren Pijnschalen Technische specificaties Meet bereik Nauwkeurigheid Gevoeligheid Sample frequentie Dynamiek Type van technieken Sensors Geluid Beeld Monitor algoritmen en management software Voeding 13 februari

5 Het Algoritme: Gezichtsdetectie t ti 13 februari

6 Subdetector t resultaten t Subdetectors Training Training Test Test #neg/ #pos (FERRET) time Hits / Missed False -90 tot t / 14 Dagen 84%/ 1019% 90 tot % -75 tot / 13 Dagen 67%/ 83% 75 tot % -45 tot / 6 Dagen 0%/ 45 tot % -30 tot tot / tot / 6295 yp Waarden Dagen 50%/ 50% 21 Dagen 75%/ 25% / 5% 10% 30% 15% Typische 10000/ - 95%/ 2 % 13 februari

7 Gezichtsdetectie t ti 13 februari

8 Het Algoritme: Track gezicht 13 februari

9 Het Algoritme: Pose schatting 13 februari

10 Het Algoritme: Normalisatie 13 februari

11 Het Algoritme: AAM Masker 13 februari

12 2D Masker (AAM) Vormvector (vertices) Vorm model (PCA) Textuur model (PCA op beelden gesampeled volgens s0) Passend maken 13 februari

13 2D Masker (AAM) Demo 1: inter-persoonlijk model Demo 2: parameters en faciale bewegingen 13 februari

14 Het Algoritme: Model parameters 13 februari

15 Model parameters Param Vorm Combinatie Textuur Captatie vermogen van de variantie van de trainingsset 1 56% (56%) 34% (34%) 21% (21%) 2 13% (69%) 9% (44%) 9% (36%) 3 6% (75%) 8% (52%) 8% (43%) 4 3% (78%) 7% (59%) 7% (49%) 5 3% (81%) 4% (63%) 4% (52%) 6 2% (83%) 3% (67%) 3% (56%) 7 2% (85%) 2% (34%) 2% (59%) % (95%) 0.60% (85.32%) 0.65 (75.63%) % (95%) 0.21 (87.67%) % (95%) 13 februari

16 Normaliseer de pose en schaal 13 februari

17 Het Algoritme: Classifiers 13 februari

18 Classifiers Proof of concept cep demo 13 februari

19 Classifiers Proof of concept cep demo 13 februari

20 Classifiers 13 februari

21 HOE DIT TECHNISCH VERWEZENLIJKEN wat hebben we nodig: computer camera s software kabels randapparatuur om alles samen te laten werken 13 februari

22 HOE O DIT TECHNISCH VERWEZENLIJKEN 13 februari

23 HOE DIT TECHNISCH VERWEZENLIJKEN computer 13 februari

24 HOE DIT TECHNISCH VERWEZENLIJKEN camera s 13 februari

25 HOE DIT TECHNISCH VERWEZENLIJKEN software 13 februari

26 HOE DIT TECHNISCH VERWEZENLIJKEN randapparatuur 13 februari

27 HOE DIT TECHNISCH VERWEZENLIJKEN kabels 13 februari

28 BEPERKINGEN HUIDIGE OPSTELLING 13 februari

29 HOE OPLOSSEN niet alles door de computer laten uitreken gebruik maken van hardware die d k d geprogrammeerd kan worden 13 februari

30 VOORDELEN VAN HARDWARE in eerste instantie computer t zall de d moeilijke, ilijk rekenintensieve taken door hardware laten bereken 13 februari

31 VOORDELEN VAN HARDWARE klein 30 cm 3cm 30 cm 3 cm 13 februari

32 VOORDELEN VAN HARDWARE weinig energie verbruik kan eenvoudig ingewerkt worden goedkoop stabiel en betrouwbaar kan zeer snel bepaalde zaken uitrekenen 13 februari

33 VOORDELEN VAN HARDWARE 13 februari

34 VOORDELEN VAN HARDWARE 27 juni

35 VOORDELEN VAN HARDWARE 13 februari

36 VOORDELEN VAN HARDWARE FPGA aan 300MHz originele i afbeelding 50 x 45 pixels getransformeerde afbeelding 128 x 128 pixels initialisatie stap: µs transformatie: µs 9615 beelden per seconde Matlab: 3 beelden per seconde C++: 100 beelden per seconde 27 juni

Vergelijkbare documenten

Departement industriële wetenschappen en technologie

Departement industriële wetenschappen en technologie Universitaire Campus, gebouw B B-3590 DIEPENBEEK Tel.: 011-23 07 90 Fax: 011-23 07 99 Aansturen en testen van een hybride infrarood beeldopnemer Abstract