پیش بینی افتادن کاربر یک ربات راه بر، بر اساس روش HMM

با افزایش استفاده از ربات های راه بر برای مصارف حوزه توانبخشی افزایش قابلیت اطمینان این وسایل بیش از پیش مورد نیاز احساس می شود. برای پیشگیری از افتادن کاربران این ربات ها، باید روش هایی که توان تشخیص و حتی پیش بینی افتادن کاربر را داشته باشند، برای کنترل ربات مورد استفاده قرار گیرند. مسئله مورد بحث در این مقاله ارائه روشی جهت افزایش توانایی پیش بینی افتادن کاربر ربات راه بر با استفاده از داده های تصویری است . بدین منظور با کمک داده های تصویری دریافت شده از دوربین کینکت (kinect)، اقدام به جداسازی تصویر کاربر از محیط نموده، مکان مرکز هندسی بدن را محاسبه می نماییم . با استفاده از مدل ARMA۱ به عنوان مدلی که با در نظر گرفتن گذشته سیستم توان پیش بینی آینده آن را داراست و همچنین به کار گیری HMM۲ برای تفکیک بین راه رفتن و افتادن؛ این مدل توانایی پیش بینی افتادن کاربر را پیدا می کند. این مدل با استفاده از نتایج آزمایشاتی که به وسیله یک ربات راه بر، که خود مجهز به یک حسگر با توانایی تشخیص عمق تصاویر کینکت است ، انجام گرفته ، مورد ارزیابی قرار می گیرد. نتایج حاصل از آزمایش انجام شده با ربات RT-Walker، حاکی از آن است که این مدل افتادن این کاربر را با دقتی در حدود ۵,۸۷% پیش بینی کرده است .

کلیدواژه ها:

تشخیص افتادن ، ربات راه بر ، مدل ARMA ، Hidden Markov Model