Research Proposal · Week 01
Problem Definition · 研究動機
老人跌倒偵測
與緊急通報機器人
Elder Fall Detection & Emergency Alert Robot
1144638
張詠荃
1144663
傅宣文
第一週 報告 / Week 01
AGENDA · 02
本次報告架構
三個部分，
從社會需求出發，回到研究貢獻。
PART 01
問題的實務價值
與學術挑戰性
台灣高齡化危機
跌倒的嚴重後果
為何值得研究
PART 02
應用場域
明確定義
三大應用場域
使用者分析
場域技術需求
PART 03
既有技術
不足之處
現有方案分析
核心缺口揭露
本研究的差異化
PART 01 / 03
01
.
問題的實務價值
與學術挑戰性
台灣為何「現在」最需要這個研究？
1.1 · 台灣超高齡社會
1.1 超高齡社會已正式到來
2025 年底，
台灣 65 歲以上人口正式突破 20%。
世界最快老化速度之一 — 我們的社會基礎設施，還沒準備好。
467
萬
65 歲以上人口（2025 年底）
7
年
高齡 → 超高齡社會的轉換時間，全球最快
1
:
4
2050 年老年 vs. 工作人口比
資料來源 / 內政部戶政司、國家發展委員會人口推估
1.2 · 跌倒：最危險的意外
1.2 跌倒：老年人最危險的意外事故
跌倒，是 65 歲以上老人
意外死亡的
首要原因
。
30
%
65 歲以上老人 每年至少跌倒一次
50
%+
80 歲以上老人 每年至少跌倒一次
20–30
%
髖部骨折後 一年內死亡率
⏱ 跌倒後的黃金救援時窗
0 – 30 min
立即救援
傷亡風險大幅降低，可恢復至跌倒前狀態
30 min – 2 hr
延遲後果
肌肉損傷、脫水、二度傷害風險上升
2 hr+
嚴重併發
壓瘡、肺炎、腎衰竭、死亡風險急遽攀升
獨居老人跌倒後，平均需
數小時甚至數天
才被發現 — 這就是我們要解決的核心問題。
1.3 · 雙重研究價值
1.3 為何這個題目值得研究
從實務痛點到學術挑戰，
雙重價值兼備。
實務價值 Practical Value
01
台灣
400 萬+
獨居或日間無人照護老人面臨安全威脅
02
跌倒未即時發現是照護體系最大缺口，直接威脅生命
03
照護人力短缺每年擴大，機器人輔助是必要方向
04
政府長照 2.0 政策積極推動科技輔具應用，政策支持強
學術挑戰性 Academic Challenge
計算機視覺 Computer Vision
邊緣設備上的輕量化姿態估計模型；複雜居家環境的魯棒性
機器人學 Robotics
人機共存安全跟隨算法、動態障礙物感知
人機互動 HCI
老年族群對陪伴機器人接受度、信任建立機制
醫療資訊學 Medical Informatics
本土跌倒事件資料集建置；跌倒前兆（Pre-fall）偵測
1.4 · 核心研究問題
1.4 核心研究問題定義
將社會需求
轉化為可執行的研究問題。
核心問題 Core Question
如何在
不侵害隱私、不干擾日常生活
的前提下，即時偵測老人跌倒事件，並在最短時間內有效通報相關人員？
RQ 01
偵測準確性
跌倒動作與日常動作（蹲、彎、坐）視覺極為相似 — 如何在複雜居家環境中準確區分，並將誤報率控制在
5% 以內
？
RQ 02
全域追蹤
固定視角裝置有天然死角，老人移動至監測盲區即失去保護。如何讓設備主動跟隨老人，實現
全程無盲角
監護？
RQ 03
即時通報
跌倒後 60 秒是關鍵窗口。如何設計
多層漸進式
通報機制，最快完成通報，又避免誤報造成恐慌？
PART 02 / 03
02
.
應用場域
明確定義
哪些人、在哪裡、有什麼具體需求？
2.1 · 三大應用場域總覽
2.1 三大應用場域
聚焦最迫切需要、
技術可行性最高的三個場域。
主要場域 PRIMARY
居家環境
使用者
獨居老人 / 白天無人照護
主要風險
夜間與白天無人期間
台灣 ~80 萬人
機構場域 INSTITUTION
輔助生活機構
使用者
半自理養老院住民
主要風險
夜間人力不足、走廊跌倒頻繁
全台 ~1,100 家機構
日間場域 DAY-CARE
社區照護中心
使用者
日照中心使用老人
主要風險
白天聚集、跌倒事件集中
全台 ~3,000 處
2.2 · 主要場域 / 居家
2.2 主要場域深析 / 居家環境
獨居老人，
是最優先、最迫切的服務對象。
典型危險情境
浴室
濕滑地板，居家跌倒最高風險地點（佔 32%）
早上洗澡
臥室
夜間起床上廁所，視線不良、地板障礙物
凌晨 2–4 時
廚房
站立烹飪疲勞、彎腰取物造成重心不穩
準備三餐
樓梯
上下樓膝蓋無力、踏空或踩空
任何時間
使用者需求分析
安全感
在家也能獲得 24 小時監護保護
隱私保護
不願讓陌生人或攝影機拍攝生活
免配戴
不願意隨時配戴感測裝置
自主生活
希望維持獨居生活、不進機構
家人安心
家屬外出工作時放心
2.3 · 延伸場域
2.3 延伸場域
不同場域，
有不同的技術需求差異。
輔助生活機構
痛點
夜間照護員不足，老人在臥室、浴室、走廊跌倒無人知曉。
需求
一台機器人巡邏整層樓，取代夜間人力，降低機構成本。
技術挑戰
多人環境中鎖定特定個人，識別跌倒 vs. 一般躺臥（睡眠）。
機會規模
全台 1,100 家機構 · 每機構潛在需求
1-3 台
。
社區日間照護中心
痛點
白天多位老人活動，工作人員無法全程盯守每一位。
需求
機器人與固定攝影機組成複合監控網絡，全面覆蓋。
技術挑戰
多人同時監測，區分不同老人動作，避免交叉誤判。
機會規模
全台 3,000 處日照中心 · 政府補助推動科技輔助。
主要場域優先順序：
居家
＞ 輔助生活機構 ＞ 社區日照中心 （依迫切性與技術可行性）
PART 03 / 03
03
.
既有技術
不足之處
現有解決方案，為什麼還不夠好？
3.1 · 穿戴式感測器
3.1 既有技術一 / 穿戴式感測器
代表產品：
智慧手錶與緊急通報配戴裝置。
技術原理 Principle
利用穿戴裝置內建的
加速度計
與
陀螺儀
，偵測手腕或腰部的突發性衝擊與姿態急變，超過設定閾值即觸發警報。
Accelerometer
Gyroscope
Threshold-based
核心不足之處 Core Gaps
依從性問題（最關鍵缺口）
65 歲以上老人穿戴日使用率不超過 60%。忘記配戴、睡覺取下、充電放置 → 關鍵時刻沒有裝置在身。
誤報率偏高
揮手、拍掌、快速起立都可能觸發。「狼來了效應」讓家屬與老人失去信任。
無視覺資訊
警報觸發後無法視覺確認，照護者必須親自前往，無法遠端評估嚴重程度。
充電維護負擔
每日充電對老人是負擔；忘記充電的時段，正是防護空窗期。
3.2 · 固定式感測器 / 智慧攝影機
3.2 既有技術二、三
最常見的居家監控方案，
卻有
根本性缺陷
。
固定式環境感測器
Kinect · 壓力地板 · 深度攝影機
固定視角死角多
家具遮蔽、走廊轉角無法覆蓋，盲點面積高達
40%+
。
改裝成本高昂
全屋安裝多個設備，費用
10 萬元以上
。
超出範圍即失去保護
無法主動追蹤移動中的老人。
智慧攝影機
家用雲端攝影機與智慧音箱配件
嚴重隱私疑慮（最大障礙）
影像上雲端 — 超過
70% 老人拒絕使用
。
視角固定且單一
走廊、臥室、浴室需各裝一台。
夜間準確率大幅下降
而凌晨正是最常發生跌倒的時段。
共同核心問題總結
✕ COVERAGE
固定視角，無法追蹤移動老人
✕ PRIVACY
雲端上傳，老人拒絕使用
✕ CONFIRM
無語音互動，無法確認
✕ ALERT
單層通報，無補救機制
3.3 · 全面比較
3.3 既有技術全面比較
四大方案 vs.
本研究提案的差異化分析。
技術方案
覆蓋範圍
隱私保護
免穿戴
語音互動
夜間偵測
核心缺口
穿戴式感測器
●
●
✕
✕
●
老人拒絕配戴
固定式感測器
✕
●
●
✕
◐
死角大、成本高
智慧攝影機
✕
✕
●
◐
✕
雲端隱私疑慮
手機 App
✕
◐
●
✕
✕
固定位置、準確率低
本研究 / 機器人
●●
●●
●
●
●
全方位解決
●● = 主動跟隨（全場域無死角）+ 本地邊緣計算（影像不上雲） · ● = 支援 · ◐ = 部分支援 · ✕ = 不支援
3.5 · 創新差異化與貢獻
3.5 本研究的創新差異化與貢獻
針對三大核心缺口，
提出整合性解決方案。
缺口 01
固定視角死角
→
主動跟隨機器人
自主移動底盤 + DeepSORT 目標追蹤，保持 1.5 公尺距離全程跟隨，消除一切死角。
缺口 02
雲端隱私外洩
→
邊緣計算本地處理
NVIDIA Jetson Nano 邊緣運算，所有影像分析在本地設備完成，原始畫面
永不離開家庭
。
缺口 03
單一被動通報
→
四層漸進式主動通報
L1
語音確認
L2
App 推播
L3
自動電話
L4
119 通報
60 秒內完成，每層皆可確認或升級。
三大創新設計的整合，是現有任何單一產品都無法實現的組合 —
本研究的核心學術與技術貢獻
。
Week 01 · Research Proposal
END