ทินกร ชุณหภัทรกุล2025-01-302025-01-302024-06-26ทินนกร ชุณหภัทรกุล Thinnagorn Chunhapataragulhttps://repository.dusit.ac.th//handle/123456789/2543การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) พัฒนาเว็บแอปพลิเคชันตรวจจับและแจ้งเตือนการล้มสำหรับผู้สูงอายุด้วยมีเดียไปป์เฟรมเวิร์ค 2) เพื่อประเมินประสิทธิภาพของแอปพลิเคชันตรวจจับการล้ม กลุ่มตัวอย่าง โดยขอบเขตในการพัฒนาแบ่งเป็น 2 ส่วน ส่วนที่ 1 ระบบจัดการกล้องเพื่อนำเข้าข้อมูลวิดีโอซึ่งใช้การเชื่อมต่อแบบ Real Time Streaming Protocol ส่วนที่ 2 ระบบตรวจจับและแจ้งเตือนผ่านแอปพลิเคชันไลน์ โดยใช้แบบจำลอง Pose Landmarker Model ใน MediaPipe ของ Google ตรวจจับตำแหน่งข้อต่อสำคัญของร่างกาย 33 จุดในรูปแบบ 3 มิติ วิธีการทดลอง ใช้การทดสอบรูปแบบการล้ม 6 รูปแบบ ประกอบด้วย 1) หน้าตรงล้มไปข้างหน้า 2) หน้าตรงล้มไปข้างหลัง 3) หันข้างล้มไปด้านขวา 4) หันหน้าล้มไปด้านขวา 5) หันหน้าล้มไปด้านซ้าย และ 6) หันข้างล้มไปด้านซ้าย จากอาสาสมัครจำนวน 10 คนตรวจจับรูปภาพและระบุตำแหน่งข้อต่อสำคัญของร่างกาย 33 จุด เป็นชุดข้อมูลทั้งหมด 1,000 รายการ ผลการประเมินประสิทธิภาพการตรวจจับการล้มโดยใช้ Random forest และ K-NN สร้างโมเดลและชุดข้อมูลทดสอบพบว่า โมเดลที่สร้างด้วย Random forest ได้มีผลการตรวจจับการล้มได้ดีที่สุดมีความแม่นยำ 88.00% และระบบมีความแม่นยำในการตรวจจับการล้มในท่าทางหน้าตรงดีกว่าการล้มไปด้านข้างซ้ายและขวาthว็บแอปพลิเคชันตรวจจับการล้ม ผู้สูงอายุ มีเดียไปป์เฟรมเวิร์คBook