การพัฒนาระบบตรวจจับการล้มของผู้สูงอายุด้วยคอมพิวเตอร์วิทัศน์
คำสำคัญ:
ผู้สูงอายุ, การตรวจจับการล้ม, อินเทอร์เน็ตของสรรพสิ่ง, คอมพิวเตอร์วิทัศน์บทคัดย่อ
ผู้สูงอายุมีความเสี่ยงสูงต่อการเกิดอุบัติเหตุจากการล้ม งานวิจัยฉบับนี้มีวัตถุประสงค์เพื่อพัฒนาระบบตรวจจับการล้มของผู้สูงอายุด้วยคอมพิวเตอร์วิทัศน์เพื่อเฝ้าระวัง และดูแลความปลอดภัยของผู้สูงอายุที่อาศัยอยู่เพียงลำพัง โดยใช้กล้องติดตั้งภายในบริเวณบ้านเพื่อจับภาพ ทำการอ่านเฟรมภาพแบบเรียลไทม์ด้วย OpenCV และประมวลผลภาพผ่าน Media Pipe วิเคราะห์ท่าทางของร่างกายจากจุดโครงร่าง จำนวน 33 จุด เพื่อตรวจสอบลักษณะการเคลื่อนไหวระบบตรวจจับการเคลื่อนไหวที่มีลักษณะเสี่ยงต่อการล้มได้ โดยการจับเวลาในช่วงที่มีการเคลื่อนตัวลงสู่พื้นอย่างรวดเร็ว
ผลการทดสอบผู้วิจัยได้จำลองสถานการณ์การล้มในทิศทางต่าง ๆ ได้แก่ ล้มทางซ้าย ล้มทางขวา ล้มคว่ำหน้า และล้มหงายหลัง แสดงให้เห็นว่าระบบสามารถตรวจจับท่าทางการล้มได้ความแม่นยำเฉลี่ยอยู่ที่ ร้อยละ 90 ซึ่งสะท้อนถึงประสิทธิภาพของระบบที่สามารถนำไปประยุกต์ใช้เพื่อช่วยเฝ้าระวังความปลอดภัยของผู้สูงอายุที่อาศัยอยู่เพียงลำพัง และลดความเสี่ยงจากการบาดเจ็บที่เกิดขึ้นจากการล้มที่ไม่ได้รับความช่วยเหลืออย่างทันท่วงทีได้อย่างมีประสิทธิภาพ ผู้วิจัยจึงหวังเป็นอย่างยิ่งว่างานวิจัยฉบับนี้จะเป็นประโยชน์ต่อการพัฒนาระบบเฝ้าระวังและป้องกันอุบัติเหตุสำหรับผู้สูงอายุ และเป็นแนวทางให้กับผู้ที่สนใจศึกษาและต่อยอดเทคโนโลยีด้านการดูแลสุขภาพต่อไป
เอกสารอ้างอิง
Alam, M., Ullah, S., Munir, A., Rahman, A., & Kim, D. (2023). Fall detection using IoT-enabled computer vision and edge computing. Sensors, 23(5), 2408. Form https://www.mdpi.com/1424-8220/23/5/2408.
Boonliang, C. (2019). Development of a fall detection device for the elderly using wearable devices combined with embedded systems and IoT technology. Thai-Nichi Institute of Technology Journal of Technology and Innovation, 5(1), 12–22. Form https://ph01.tci-thaijo.org/index.php/TNIJournal/article/view/198035. (in Thai)
Chung, G. C., Naeim, M. K. M., Lee, I. E., Tiang, J. J., & Tan, S. F. (2023). A mobile IoT-based elderly monitoring system for senior safety. International Journal of Technology, 14(6), 1185–1195. Form https://ijtech.eng.ui.ac.id/article/view/6634.
Choonhaphatrakun, T. (2024). Research and development of a web application for elderly fall detection and alerting using the MediaPipe framework. Journal of Science and Technology, Southeast Bangkok University, 4(1), 55–67. Form https://ph02.tci-thaijo.org/index.php/JSCI/article/view/253061. (in Thai)
Delahoz, Y. S., & Labrador, M. A. (2014). Survey on fall detection and fall prevention using wearable and external sensors. Sensors, 14(10), 19806–19842. Form https://www.mdpi.com/1424-8220/14/10/19806.
Department of Health, Ministry of Public Health. (2021). Guidelines for promoting healthy aging and longevity. Bangkok: Department of Health. Form https://hp.anamai.moph.go.th/...493d895eb11327ff493e710419ee454c.pdf.
Department of Older Persons. (2021). [Title of the report, guideline, or document]. Bangkok: Department of Older Persons. Form https://www.dop.go.th/download/knowledge/th1663828576-1747_1.pdf.
Google Developers. (n.d.). Classification: Accuracy, recall, precision, and related metrics. Retrieved June 9, 2025, Form https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall?hl=th.
Leelathian, P., & Phararat, K. (2024). Fall detection according to severity for the elderly using WiFi signals. King Mongkut’s University of Technology North Bangkok Academic Journal, 34(1). Form https://ojs.kmutnb.ac.th/index.php/kjournal/article/view/5732. (in Thai)
Lenovo. (2025). How does a webcam work? Retrieved From https://www.lenovo.com.
National Statistical Office. (2023). Report on the number and proportion of the elderly population in Thailand, 2023. Form https://www.nso.go.th. (in Thai)
Nilsukhum, N., & Yawai, W. (2023). Intelligent fall alert system for person recognition and fall detection. Journal of Applied Informatics and Technology, 6(1), 65–83. Form https://ph01.tci-thaijo.org/index.php/jait/article/view/251838. (in Thai)
Nualtim, W., Piulalong, T., Wongsri, N., & Khambu, A. (2023). Walking aid using face detection and fall alert system through LINE application for the elderly. Journal of Science and Technology, Udon Thani Rajabhat University, 11(1), 65–83. Form https://ph01.tci-thaijo.org/index.php/scudru/article/view/251495. (in Thai)
Rahman, A., Ahmad, A., Ismail, M. M., Shukor, S. A. A., & Mohamed, A. (2023). Fall detection device design for elderly people using quality function deployment (QFD). Journal of Advanced Research in Applied Sciences and Engineering Technology, 32(1), 28–42. Form https://journals.sagepub.com/doi/full/10.1177/23337214221148245.
Rattanapratum, S., Kaena, P., & Hanta, S. (2025). Object monitoring system in smart homes for visually impaired persons. Journal of Academic Innovation for Area-Based Development, 6(2). (in Thai)
Roboflow Inc. (2025). What is OpenCV? Retrieved Form https://roboflow.com/learn/opencv/.
Saenkaew, P., Phumthuean, C., Boonsob, J., Waristhanit, N., Tarathong, T., & Srijiranon, K. (2024). Standing posture monitoring system for the elderly. Journal of Information Science and Technology, 14(2), 54–61. Form https://ph02.tci-thaijo.org/index.php/JIST/article/view/253465. (in Thai)
Sertis Team. (2021). Media Pipe Holistic: Full body tracking for the future. Medium. Form https://sertiscorp.medium.com/mediapipe-holistic-full-body-tracking-for-the-future-278ff7d83ebf.
Thaworawong, N., Akaraseth, A., & Makhasorn, P. (2011). Design of a fall detection suit for the elderly using tilt sensors. Naresuan University Journal, Special Issue, 43. Form https://www.thaiscience.info/journals/Article/NUJ/10896657.pdf. (in Thai)
World Health Organization. (2021). Falls. Retrieved Form https://www.who.int/news-room/fact-sheets/detail/falls.
Yacchirema, D., Suárez de Puga, J., Palau, C., & Esteve, M. (2018). Fall detection system for elderly people using IoT and Big Data. Procedia Computer Science, 130, 603–610. Form https://www.sciencedirect.com/science/article/pii/S1877050918304721.
Zereen, A. N., Gurung, A., Rajak, A., Moonrinta, J., Dailey, M. N., Ekpanyapong, M., Vachalathiti, R., & Bovonsunthonchai, S. (2021). Automatic elderly fall and unstable movement detection system using frame wise and LSTM based video analytics on an embedded device. NBTC Journal, 5(5), 117–134. Form https://so04.tci-thaijo.org/index.php/NBTC_Journal/article/view/253616.
Zhang, Z., Zhu, C., Wu, H., Wang, W., & Wang, Z. (2022). Fall detection system based on wearable sensors and Internet of Things. IEEE Access, 10, 40215–40228. Form https://ieeexplore.ieee.org/abstract/document/9792277.
