INTRODUZIONE AL PROGETTO

I dati Istat definiscono che quasi più di 15 milioni di persone in Italia hanno più di 60 anni e ci sono quasi 3 milioni di disabili, cioè soggetti con una qualsiasi disabilità motoria, sensitiva e/o cognitiva. All’interno di questa fetta di popolazione, i sistemi domotici assistiti rappresentano una soluzione importante per garantire una vita migliore, per ridurre la distanza tra funzionalità residue della persona, con limitazioni sensoriali e/o motorie, e requisiti dell’ambiente in cui essa vive.

Il progetto Met-AAL (METhodology and instruments for pervasive model in Ambient Assisted Living) è stato finanziato dalla regione Puglia in ambito del bando: FESR “AIUTI A SOSTEGNO DEI PARTENARIATI REGIONALI PER L’INNOVAZIONE” (POR FESR 2007-2013 Obiettivo Convergenza – ASSE I – Linea 1.2 – Azione 1.2.4 “Investiamo nel vostro futuro”), al quale hanno preso parte diverse aziende pugliesi leader nel proprio settore. L’obiettivo è stato quello di definire e realizzare una piattaforma di ambient intelligence dotata di tecnologia pervasiva utile per fornire supporto, assistenza e servizi ai soggetti con carenze di autosufficienza. Ogni elemento disposto nell’ambiente costituirà un nodo di rete in grado di trasferire informazioni ad un sistema di monitoraggio e controllo che, tramite algoritmi previsionali, adeguerà la risposta dell’ambiente in funzione del contesto percepito e delle esigenze del soggetto.

In particolare, i moduli realizzati sono i seguenti:

  • Modulo di riconoscimento di comandi vocali
  • Modulo attuazioni domotiche
  • Modulo di rilevamento caduta
  • Modulo di monitoraggio parametri vitali
  • Modulo di comunicazione con l’esterno
  • Modulo memoria

PARTENARIATO

Gli attori che vi hanno preso parte sono:

  • MATRIX SpA
  • BAUTECH S.R.L.
  • CUPERSAFETY SAS DI MONTANARO GIUSEPPE & C
  • ESCOOP European Social Cooperative
  • LABORATORIO ANALISI CLINICHE DR. P.PIGNATELLI SRL
  • AMT SERVICES SRL
  • AGILEX SRL
  • ENA CONSULTING S.R.L.
  • ORIZZONTI S.COOP. a R.L.
  • ITEM OXYGEN S.R.L.
  • UNIVERSITÀ DEL SALENTO – Dipartimento di Ingegneria dell’Innovazione
  • CONSIGLIO NAZIONALE DELLE RICERCHE CNR- -IMM

Numerose attività sono state realizzate con la collaborazione del Politecnico di Bari – Dipartimento di Ingegneria Elettrica e dell’Informazione (DEI).

CONTRIBUTO DEL POLITECNICO

Il  Laboratorio di Informatica Industriale (DEI – Politecnico di Bari), nel ruolo di fornitore di ricerca nei confronti di A.M.T. Services S.r.l. e di Agilex S.r.l, si è occupato di progettare ed implementare il modulo di rilevamento caduta e di riconoscimento di comandi vocali.

MODULO DI RILEVAMENTO CADUTA

Il modulo di rilevamento caduta è stato sviluppato con l’uso del sensore Microsoft Kinect. La scelta di utilizzare questo sensore è da ricercarsi nel suo buon rapporto qualità/prezzo, considerando nella qualità gli aspetti legati alla risoluzione, precisione nella misura e range di azione, nonché accessibilità ai flussi 2D e 3D e grande fermento nello sviluppo e supporto di applicazioni in ambito di ricerca e non solo.

Per quanto concerne l’implementazione software del modulo, è stato sviluppato un algoritmo in grado di rilevare delle caratteristiche robuste (features) dell’evento suddetto, da estrarre a partire dalla nuvola di punti acquisita dal sensore.

Il sistema è stato dimensionato affinché gli algoritmi implementati presentino prestazioni real-time e costi computazionali bassi.

Sulla base delle specifiche dell’ambiente, viene individuata la zona ottimale dove andare a posizionare il sensore, per ottenere le massime performance di acquisizione, ridurre al minimo i disturbi e dimensionare l’area in cui l’utente resta nel campo d’azione del sensore minimizzando le zone d’ombra dalla telecamera.

La fase di test è stata effettuata in modalità offline, sulla base di sessanta video registrati da dieci persone differenti, in scenari simili ad ambienti domestici, riscontrando un livello di accuratezza pari all’85%.

Ciò dimostra le buone performance avute in fase di testing dall’algoritmo, in aggiunta al fatto che scene di vita quotidiana (chinarsi, sedersi, stendersi), non vengono ricondotti a casi specifici di falsi positivi.

MODULO DI RICONOSCIMENTO VOCALE

Il modulo di riconoscimento vocale si occupa di gestire tutti i tipi di comandi vocali per confermare un probabile “evento caduta” o per impartire al sistema dei compiti specifici e legati alla domotica classica (accensione luci, apertura porte, regolazione impianto di riscaldamento, chiusura tende, ecc).

L’hardware utilizzato per il sistema di riconoscimento vocale è costituito da due tipologie di microfoni: il microfono Samson UB1 e il radiomicrofono SHURE PG14E/PG185.

Il Samson UB1 è un microfono ambientale omnidirezionale con connettività USB. Dato che l’UB1 è un dispositivo compatibile con le specifiche USB, è compatibile sia con Mac OS (e sistemi Unix like) che con Sistemi Operativi Windows. A causa del suo design, questo microfono può essere collocato in maniera discreta in qualunque ambiente (tavolo, palco, a muro).

Esso è stato utilizzato in un ambiente domestico dotato di automatismi domotici per un utenza generica e per tutti quei soggetti che hanno problemi motori o legati alla vista.

Il microfono ambientale Samson UB1Lo SHURE PG14E/PG185 è un radiomicrofono indossabile composto da trasmettitore, un microfono e un ricevitore. Questo microfono, grazie alle sue elevate caratteristiche tecniche e al suo posizionamento vicino alla bocca dell’utente, è stato utilizzato per quei soggetti affetti da dislessia o un timbro di voce particolare o molto basso.

Il sistema di riconoscimento vocale legato all’evento caduta, fornisce uno strumento di verifica che si aggiunge al modulo caduta, rendendo più robusto e affidabile quest’ultimo. Esso ha i seguenti compiti:

  • Resta in attesa di eventuali messaggi inviati dal modulo di rilevamento caduta;
  • Ricevuto l’eventuale messaggio di rilevazione caduta, riproduce un messaggio vocale che stimola una risposta da parte dell’utente:
    • In caso l’utente richieda aiuto, il sistema provvederà a contattare chi di dovere;
    • In caso l’utente non risponda, il sistema provvederà a contattare chi di dovere;
    • In caso l’utente non abbia bisogno d’aiuto il sistema ritorna nello stato d’attesa.

Il secondo ambito di utilizzo del sistema di riconoscimento vocale è attinente ai servizi domotici. Esso deve focalizzarsi sul riconoscimento di comandi impartiti da un utente, per cui il sistema non deve analizzare il parlato naturale, bensì un certo numero di comandi. Caratteristica fondamentale nella realizzazione di questo tipo di interazione uomo-macchina è la precisione con la quale il sistema deve operare: è opportuno cioè che la presenza di comandi riconosciuti erroneamente sia praticamente nulla (non è accettabile che la luce si spenga mentre si sta discutendo con il/la proprio/a marito/moglie). In seguito a questa necessità, risulta particolarmente importante gestire le cosiddette out-of-grammar words. Contemporaneamente, la soluzione implementata prevede l’associazione 1:1 di precisi comandi vocali ad azioni relative (es. accendere/spegnere la luce). Inoltre il sistema è speaker-independent: il riconoscimento è indipendente da colui che parla, quindi un sistema che è pronto per l’uso sin da subito.

Inoltre il suddetto lavoro scientifico è stato sottoposto e accettato per la pubblicazione sui relativi atti del convegno, 2014 IEEE International Symposium on INnovations in Intelligent SysTems and Applications (www.inista.org).

BIBLIOGRAFIA

  1. Vitoantonio Bevilacqua, Alessio Volpe, Nicola Nuzzolese, Fabio Stroppa, Marco Suma, Dario D’Ambruoso, Donato Barone, Michele Pantaleo, Claudio Loconsole: “Fall Detection in indoor environment with Kinect sensor”, IEEE INISTA 2014, (June 2014). [DOI]
Visita il nostro canale Youtube