應用於智慧照護與醫療之物件行為辨識系統

若有復健或健身的經驗，有時候重複一個動作太多次，最後可能已大幅偏離正確姿勢，如果身邊剛好沒有醫護人員或教練協助，自己可能也不自知，導致訓練效果不彰。這時如果能靠電腦辨識正確的姿勢，並且提醒我們改正，或許一些基本且單純的訓練也能在家中進行。

除此之外，台灣人口結構逐漸高齡化，醫療照護的需求增加；例如，家中廁所地面容易濕滑，年長者常常一不注意就跌倒，造成難以挽回的傷害。因此，運用現在的資訊科技與人工智慧（AI）技術，建立一個舒適、便利與安全的智慧家庭生活便是中央大學電機械工程學系教授蔡宗漢的研究目標。

資訊科技新挑戰

研究人員在把影像相關技術應用到居家照護上，面臨許多新挑戰，例如以往有不少穿戴式裝置可以監測身體的生理資訊，但使用者覺得裝置長時間貼附在身上並不舒適。若藉由影像辨識能達到類似效果，便不需要使用穿戴式裝置。

資料傳輸率也是改進重點。以往裝置的容量可能沒幾天就達上限，必須拿回醫院；困難點在於，增加資料儲存或傳輸量，耗的電量可能就高。研究人員必須在兩種要求之間做取捨。

另外，聯網上傳資料雖然能進行醫療照護或居家照護功能，但也有隱私問題。蔡宗漢強調，他們團隊開發的系統不聯網，也就是偵測後直接在感測器進行處理。不過，研究仍需克服因為裝置等級不同而造成的效果差異。

邁向智慧生活

目前，若利用穿戴裝置量測心電圖，訊號多半因壓縮而失真，而醫師進行判讀時都希望看到完整的資訊。蔡宗漢與團隊藉由某些演算法，開發出壓縮訊號無失真的技術，在數學上完全還原訊號，符合了醫師診斷的需求。這項技術可以應用在感測器，也能用在傳輸端。

另外，隨著現在健康相關數據大幅增加，蔡宗漢把AI技術應用在需要長期進行的運動訓練與復健上，透過全方位的大量感測器蒐集使用者的動作資訊，判讀姿勢是否正確，或使用者是否患有關節炎等疾病。蔡宗漢的目標是讓這套系統進入居家生活，使用者能自行使用，不論是單一家庭或社區共有皆可。

蔡宗漢與團隊也運用AI研究跌倒姿勢的辨識。但他提到，用影像判斷跌倒的姿勢不難，困難之處在於當影像背景太複雜，該如何把人物辨識出來。這套系統不聯網，直接在感測器端處理訊號並發出跌倒警示，非常適合裝置在浴室，因為我們洗澡時總不方便帶手機或配備穿戴裝置。