Rilevamento di cadute a partire da immagini mediante tecniche di machine learning

Il problema delle cadute, soprattutto per quanto riguarda gli anziani, è ancor oggi un problema rilevante. Le conseguenze di una caduta possono essere sia fisiche, fratture e/o emorragie, ma anche psicologiche. Molte delle cadute avvengono negli ambienti domestici e se la persona in questione vivesse da sola, una caduta potrebbe tramutarsi in qualcosa di potenzialmente fatale. Avere un metodo per rilevare una caduta di una persona diventa quindi molto importante per poter fornire una sicurezza maggiore alle persone ma anche una componente fondamentale per un eventuale sistema di richiesta di soccorso. Lo scopo di questa tesi è quindi quello di comparare diversi modelli di machine learning e un modello di deep learning basato su una CNN per rilevare la caduta di una persona a partire da un'immagine statica. Per fare ciò, sono stati presi in esame i dataset disponibili in letteratura: CAUCAFall e FPDS. I test effettuati sul dataset di test, appositamente creato, hanno riportato un'accuratezza fino al 93.28%. È stato inoltre eseguito un ulteriore test dei modelli per verificarne il funzionamento in real-time che ha riportato un'accuratezza fino al 93.93%