La detección de caídas en tiempo real es un campo de
investigación muy importante para el desarrollo de los sistemas de vigilancia
doméstica previsiva. El reconocimiento
de posturas y actividades (de pie, sentado, andando, corriendo, etc..) es una tarea
fundamenta para la correcta y eficaz detección de caídas.
El proyecto pretende centrarse en el reconocimiento de actividades basado sobre los modelos
ocultos de Markov – Hidden Markov models (HMM). Un modelo oculto de Markov es un
modelo estadístico que permite determinar los parámetros desconocidos a partir
de los parámetros observables. Así, podemos detectar qué persona anda o corre a base de las observaciones
previas.
El objetivo del proyecto es crear una librería para QT/C que permita detectar la actividad a través de HMM trabajando con una secuencia de vídeo.