Tải bản đầy đủ

Sử dụng thuật toán vector máy hỗ trợ để nhận dạng trạng thái té ngã sử dụng camera kinect

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
TRỊNH HOÀI ÂN

SỬ DỤNG THUẬT TOÁN VECTOR MÁY HỖ TRỢ
ĐỂ NHẬN DẠNG TRẠNG THÁI TÉ NGÃ SỬ DỤNG
CAMERA KINECT

NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203

S K C0 0 4 6 0 7

Tp. Hồ Chí Minh, tháng 10/2015


BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT

THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
TRỊNH HOÀI ÂN

SỬ DỤNG THUẬT TOÁN VECTOR MÁY HỖ TRỢ ĐỂ
NHẬN DẠNG TRẠNG THÁI TÉ NGÃ SỬ DỤNG
CAMERA KINECT

NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203

Tp. Hồ Chí Minh, tháng 10/2015


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT
THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ
TRỊNH HOÀI ÂN

SỬ DỤNG THUẬT TOÁN VECTOR MÁY HỖ TRỢ ĐỂ
NHẬN DẠNG TRẠNG THÁI TÉ NGÃ SỬ DỤNG
CAMERA KINECT

NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203
Hƣớng dẫn khoa học:
TS. NGUYỄN THANH HẢI

Tp. Hồ Chí Minh, tháng 10/2015


Quyết định giao đề tài


LÝ LỊCH KHOA HỌC
I. LÝ LỊCH SƠ LƢỢC:

Họ & tên: Trịnh Hoài Ân


Giới tính: Nam

Ngày, tháng, năm sinh: 19/12/1990

Nơi sinh: Tiền Giang

Quê quán: Tiền Giang

Dân tộc: Kinh

Chỗ ở riêng hoặc địa chỉ liên lạc: 80, Tổ 3, Ấp 4, Xã Tam Hiệp, Huyện Châu Thành,
Tỉnh Tiền Giang
Điện thoại cơ quan:

Điện thoại nhà riêng:

E-mail: hoaiantiengiang@gmail.com
II. QUÁ TRÌNH ĐÀO TẠO:
1. Trung học chuyên nghiệp:
Hệ đào tạo: Thời gian đào tạo từ ……/…… đến ……/ ……
Nơi học (trƣờng, thành phố):
Ngành học:
2. Đại học:
Hệ đào tạo: Chính quy

Thời gian đào tạo từ 10/2008 đến 08/2012

Nơi học (trƣờng, thành phố): Đại học Sƣ Phạm Kỹ Thuật TP.HCM
Ngành học: Kỹ thuật Điện – Điện Tử
Tên đồ án, luận án hoặc môn thi tốt nghiệp: PHÂN LOẠI SẢN PHẨM THEO MÀU
SẮC
Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: 08/2012, Bộ môn Điện Tử
Công Nghiệp, Khoa Điện – Điện Tử, Đại học Sƣ Phạm Kỹ Thuật TP.HCM.
Ngƣời hƣớng dẫn: ThS. Tạ Văn Phƣơng
III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI
HỌC:
Thời gian
08/2012 – 09/2013
10/2013 – nay

Nơi công tác

Công việc đảm nhiệm

Công ty TNHH Sonion Việt Nam – Khu

Kỹ sƣ phòng nghiên

Công Nghệ Cao TP.HCM

cứu và phát triển

Trung tâm Nghiên cứu và Đào tạo Thiết kế
Vi mạch (ICDREC) – ĐHQG TP.HCM

i

Kỹ sƣ phụ trách đào tạo


LỜI CAM ĐOAN
Tôi cam đoan đây là công trình nghiên cứu của tôi.
Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai
công bố trong bất kỳ công trình nào khác
Tp. Hồ Chí Minh, ngày … tháng … năm 2015
(Ký tên và ghi rõ họ tên)

ii


LỜI CẢM ƠN
Em xin chân thành cảm ơn quý thầy cô trƣờng Đại học Sƣ Phạm Kỹ Thuật
TP.HCM, nhất là quý thầy cô khoa Điện – Điện Tử đã giảng dạy, truyền đạt kiến
thức quý báu cũng nhƣ giúp đỡ em giải quyết những khó khăn gặp phải trong suốt
quá trình làm luận văn.
Đặc biệt em xin chân thành cảm ơn TS. Nguyễn Thanh Hải là giảng viên
hƣớng dẫn đã tận tình giúp đỡ, chỉ dạy và đề xuất các hƣớng giải quyết các vấn đề
khó khăn trong quá trình nghiên cứu và hoàn thành đề tài này.
Bên cạnh đó em cũng xin cảm ơn các anh/chị học viên, bạn bè, đồng nghiệp,
đã đóng góp ý kiến, hỗ trợ, cùng cộng tác và tạo mọi mọi điều kiện thuận lợi nhất
để hoàn thành luận văn này
Học viên

Trịnh Hoài Ân

iii


TÓM TẮT
Té ngã là một trong những nguyên nhân gây ra chấn thƣơng nghiêm trọng và
những tai nạn nguy hiểm đối với những ngƣời lớn tuổi. Do đó việc phát hiện sớm té
ngã và có những phƣơng pháp điều trị kịp thời là một điều rất quan trọng có thể
giúp cứu sống nhiều bệnh nhân. Chính vì lẽ đó, trong những năm gần đây, các nhà
khoa học đã nghiên cứu, phát triển nhiều công trình, nhiều phƣơng pháp phát hiện
và nhận dạng té ngã có độ chính xác cao, phục vụ cho việc chăm sóc sức khỏe
ngƣời lớn tuổi đƣợc tốt hơn. Trong đề tài này, học viên nghiên cứu các giải thuật và
thiết kế một hệ thống phát hiện, cảnh báo té ngã sử dụng phƣơng pháp vector hỗ trợ
học máy (Support Vector Machine – SVM). Dữ liệu đƣợc thu thập từ camera Kinect
đƣợc đặt tại một vị trí cố định trong không gian cần giám sát. Đặc trƣng của dữ liệu
đƣợc trích xuất bằng phƣơng pháp phân tích thành phần chính (Principal
Component Analysis – PCA). Thuật toán SVM đƣợc sử dụng để huấn luyện và
nhận dạng các trạng thái của con ngƣời xem có xảy ra té ngã hay không. Các kết
quả thí nghiệm đƣợc thực hiện trên ba ngƣời với các trƣờng hợp nhƣ thực tế đã cho
kết quả tƣơng đối tốt và độ tin cậy của hệ thống.

iv


ABSTRACT
Falls are the major reason of serious injury and dangerous accident for olderly
people. It is important to recognize falls early for assistance and treatment to save
more patients. Therefore, in recent years, scientists have been developing multiple
projects with multiple methods of detection and recognition of human falls better. In
this thesis, subjects were introduced a system for recognition and warning falls
using the SVM method. Data were collected from the Kinect camera, which is
placed at a fixed position in space. Features of the data are extracted using the PCA
algorithm. The SVM was used for training and recognition of the human states to
detect the fall whether fall or not fall. Experimental results show that the high
accuracy of recognition activities the proposed approach produced.

v


MỤC LỤC
Trang tựa

TRANG

Quyết định giao đề tài
LÝ LỊCH KHOA HỌC ............................................................................................... i
LỜI CAM ĐOAN ...................................................................................................... ii
LỜI CẢM ƠN ........................................................................................................... iii
TÓM TẮT ................................................................................................................. iv
ABSTRACT ................................................................................................................v
MỤC LỤC ................................................................................................................. vi
DANH SÁCH BẢNG ............................................................................................... ix
DANH SÁCH HÌNH...................................................................................................x
DANH MỤC CÁC TỪ VIẾT TẮT ..........................................................................xii
Chƣơng 1
TỔNG QUAN .............................................................................................................1
1.1 Tổng quan chung về lĩnh vực nghiên cứu ..........................................................1
1.2 Mục đích của đề tài.............................................................................................5
1.3 Nhiệm vụ và giới hạn của đề tài .........................................................................5
1.3.1 Nhiệm vụ ......................................................................................................5
1.3.2 Giới hạn........................................................................................................5
1.4 Phƣơng Pháp Nghiên Cứu ..................................................................................6
1.5 Tóm Tắt Đề Tài ..................................................................................................6
Chƣơng 2
CƠ SỞ LÝ THUYẾT ..................................................................................................7
2.1 Té ngã và các yếu tố ảnh hƣởng đến té ngã .......................................................7
2.1.1 Định nghĩa té ngã .........................................................................................7
2.1.2 Các yếu tố đặc trƣng của hoạt động té ngã ..................................................7

vi


2.2 Các phƣơng pháp phát hiện và nhận dạng té ngã ...............................................8
2.2.1 Phƣơng pháp sử dụng cảm biến môi trƣờng ................................................8
2.2.2 Phƣơng pháp sử dụng cảm biến đeo cơ thể .................................................9
2.2.3 Phƣơng pháp sử dụng thị giác máy tính (sử dụng camera) .......................10
Chƣơng 3
XÂY DỰNG HỆ THỐNG THU DỮ LIỆU TÉ NGÃ ..............................................14
3.1 Phần cứng hệ thống ..........................................................................................14
3.1.1 Camera Kinect và các thƣ viện hỗ trợ .......................................................14
3.1.2 Module báo động .......................................................................................17
3.2 Nhận dạng khớp xƣơng và ảnh hƣởng khớp xƣơng đến tƣ thế ........................18
3.2.1 Nhận dạng khớp xƣơng..............................................................................18
3.2.2 Ảnh hƣởng của khớp xƣơng đến tƣ thế của con ngƣời .............................21
3.3 Thu thập dữ liệu................................................................................................24
Chƣơng 4
TRÍCH ĐẶC TRƢNG VÀ NHẬN DẠNG SỬ DỤNG PHƢƠNG PHÁP PCA .....31
4.1 Tổng quan về PCA ...........................................................................................31
4.2 Trích đặc trƣng sử dụng thuật toán PCA ..........................................................33
4.3 Nhận dạng sử dụng phƣơng pháp khoảng cách Euclide ..................................38
Chƣơng 5
HUẤN LUYỆN VÀ NHẬN DẠNG SỬ DỤNG THUẬT TOÁN SVM .................41
5.1 Tổng quan về SVM ..........................................................................................41
5.1.1 Giai đoạn huấn luyện SVM .......................................................................41
5.1.2 Giai đoạn nhận dạng ..................................................................................43
5.2 Nhận dạng dựa vào thuật toán SVM ................................................................44
Chƣơng 6
KẾT QUẢ THỰC HIỆN ...........................................................................................47
6.1 Thu dữ liệu té ngã .............................................................................................47
6.2 Hệ thống thông báo té ngã ................................................................................53

vii


6.3 Kết quả nhận dạng sử dụng Euclide .................................................................54
6.4 Kết quả nhận dạng sử dụng SVM ....................................................................55
Chƣơng 7
KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN ................................................................59
7.1 Kết Luận ...........................................................................................................59
7.2 Hƣớng Phát Triển ............................................. Error! Bookmark not defined.
TÀI LIỆU THAM KHẢO .........................................................................................61
PHỤ LỤC .................................................................................................................. 64

viii


DANH SÁCH BẢNG
Bảng

TRANG

Bảng 2.1 So sánh độ chính xác của các phƣơng pháp nhận dạng ............................11
Bảng 2.2 Hiệu suất nhận dạng của các phƣơng pháp đƣợc đề xuất .........................12
Bảng 3.1 Đặc trƣng của các tƣ thế khi thu dữ liệu bằng Kinect ............................... 22
Bảng 4.1 Thứ tự các mẫu dữ liệu.............................................................................. 33
Bảng 6.1 Mô tả các trƣờng hợp lấy mẫu .................................................................. 47
Bảng 6.2 Kết quả nhận dạng với số lƣợng vector đặc trƣng là 1000 (41,7%) .........54
Bảng 6.3 Kết quả nhận dạng với số lƣợng vector đặc trƣng là 2000 (83,3%) .........55
Bảng 6.4 Kết quả nhận dạng với số lƣợng vector đặc trƣng là 2400 (100%) ..........55
Bảng 6.5 Kết quả nhận dạng các trạng thái té ngã và không té ngã. ........................57
Bảng 6.6 Kết quả nhận dạng té ngã với các hoạt động thƣờng ngày khác ...............57

ix


DANH SÁCH HÌNH
Hình

TRANG

Hình 1.1 Tỷ lệ nhập viện do té ngã tăng dần theo độ tuổi và giới tính tại Canada ....1
Hình 1.2 Các chấn thƣơng ngƣời lớn tuổi thƣờng gặp phải do bị té ngã [1] .............2
Hình 2.1 Các phƣơng pháp phát hiện và nhận dạng té ngã ........................................ 8
Hình 3.1 Sơ đồ khối hệ thống ................................................................................... 14
Hình 3.2 Kinect X-Box 360......................................................................................15
Hình 3.3 Cấu tạo camera Kinect [19] .......................................................................15
Hình 3.4 Mô tả cách thu dữ liệu của cảm biến độ sâu [19] ......................................15
Hình 3.5 Mô tả hệ tọa độ độ sâu của Kinect. ...........................................................16
Hình 3.6 Sơ đồ khối module báo động .....................................................................17
Hình 3.7 Sơ đồ thực hiện nhận diện khớp xƣơng của Kinect [20] ...........................19
Hình 3.8 a) Chuyển đổi ảnh chiều sâu thành bản đồ bộ phận cơ thể [20]................19
Hình 3.9 Ví dụ các câu hỏi của thuật toán RDF .......................................................20
Hình 3.10 Randomized Decision Forest ...................................................................21
Hình 3.11 Sơ đồ 20 vị trí khớp xƣơng ......................................................................21
Hình 3.12 Vị trí đặt camera Kinect ..........................................................................25
Hình 3.13 Mô tả tọa độ (x, y, z) của các khớp xƣơng ..............................................26
Hình 3.14 Minh họa hoạt động té ngã của con ngƣời ..............................................27
Hình 3.15 Tọa độ theo trục Y của khớp xƣơng đầu giữa té ngã và không té ngã ....28
Hình 3.16 Mô tả dữ liệu tập mẫu P ..........................................................................29
Hình 3.17 Mô tả dữ liệu của tập mẫu S ....................................................................30
Hình 4.1 Mô tả phƣơng pháp PCA ........................................................................... 31
Hình 4.2 Mô tả quá trình biến đổi dữ liệu bằng PCA ..............................................32
Hình 4.3 Lƣu đồ thực hiện thuật toán PCA ..............................................................34
Hình 4.4 Chuyển đổi dữ liệu đầu vào thành vector n2x1..........................................35

x


Hình 4.5 Mô tả tập dữ liệu mẫu PCA .......................................................................35
Hình 4.6 Mô tả trung bình mẫu PCA .......................................................................36
Hình 4.7 Lƣu đồ chƣơng trình nhận dạng bằng khoảng cách Euclide .....................39
Hình 5.1 Các siêu phẳng H1 và H2 chia các mẫu thành các lớp khác nhau. ........... 42
Hình 5.2 Lƣu đồ chƣơng trình phát hiện và nhận dạng té ngã sử dụng SVM .........44
Hình 5.3 Phân loại các trạng thái dựa vào siêu phẳng của thuật toán SVM [24].....45
Hình 6.1 Dữ liệu về tọa độ của các khớp xƣơng đƣợc lƣu dƣới dạng .xls ............... 48
Hình 6.2 Mô tả các trƣờng hợp thu tập mẫu ............................................................50
Hình 6.3 Phân bố dữ liệu khớp xƣơng đầu trong các trƣờng hợp té ngã .................51
Hình 6.4 Phân bố dữ liệu khớp xƣơng đầu trong các trƣờng hợp không té ngã ......52
Hình 6.5 Hệ thống thông báo té ngã thực tế .............................................................53
Hình 6.6 Gửi tin nhắn thông báo khi có té ngã ........................................................53
Hình 6.7 Tự động gọi điện thông báo.......................................................................54
Hình 6.8 Kết quả nhận dạng đối tƣợng bị té ngã......................................................56
Hình 6.9 Kết quả nhận dạng đối tƣợng không té ngã ...............................................56

xi


DANH MỤC CÁC TỪ VIẾT TẮT
Từ viết tắt
ADL

Activities of Daily Living

IR

Infra-red

PCA

Principal Component Analysis

RDF

Randomized Decision Forest

RGB

Red – green – blue

SD

Standard Deviation

SVC

Support Vector Classifier

SVM

Support Vector Machine

xii


Chƣơng 1. Tổng quan

Chƣơng 1
TỔNG QUAN

1.1 Tổng quan chung về lĩnh vực nghiên cứu
Đối với ngƣời lớn tuổi hiện nay thì các chấn thƣơng do té ngã đang là những
tai nạn nguy hiểm và phổ biến. Điều này sẽ gây nên những gánh nặng lớn đối với cá
nhân, gia đình và hệ thống chăm sóc sức khỏe hiện tại. Theo báo cáo của cơ quan Y
tế Công cộng Canada công bố năm 2014 [1] cho thấy tỷ lệ nhập viện do té ngã tăng
dần theo độ tuổi. Cụ thể có khoảng 4 – 6 ngƣời/1000 ngƣời ở độ tuổi từ 65 – 69
phải nhập viện do các chấn thƣơng liên quan đến té ngã và tăng lên dần theo độ tuổi
đến mức khoảng 49 – 68 ngƣời/1000 ngƣời ở độ tuổi trên 90 phải nhập viện do té
ngã nhƣ trình bày trong hình 1.1. Các chấn thƣơng liên quan đến té ngã là một trong
những nguyên nhân phải nhập viện và gây tử vong hàng đầu ở những ngƣời lớn
tuổi.

Hình 1.1 Tỷ lệ nhập viện do té ngã tăng dần theo độ tuổi và giới tính tại Canada
năm 2010 [1]
Ở ngƣời lớn tuổi việc té ngã không chỉ xảy ra một lần mà thƣờng tái diễn. Hầu
hết những ngƣời già té ngã tự làm cho họ bị chấn thƣơng. Ngay cả khi không bị tổn
thƣơng thì chỉ một lần té ngã cũng làm cho họ lo âu và giảm mức độ sinh hoạt hằng

1


Chƣơng 1. Tổng quan

ngày. Kết quả của những lần té ngã sẽ gây ra những chấn thƣơng nghiêm trọng.
Chẳng hạn nhƣ trật khớp, bong gân, gãy xƣơng ở các vị trí khác nhau, tụ máu dƣới
màng cứng, các tổn thƣơng mô mềm nghiêm trọng khác hoặc chấn thƣơng đầu nhƣ
mô tả ở hình 1.2.

Hình 1.2 Các chấn thƣơng ngƣời lớn tuổi thƣờng gặp phải do bị té ngã [1]
Các nguyên nhân gây té ngã của ngƣời già đƣợc chỉ ra [2 – 3] bao gồm:


Bị mất thăng bằng khi di chuyển: chân yếu không thể giữ thăng bằng, vội vàng

trong khi di chuyển, mang giày dép không an toàn khi đi trên những khoảng không
gian trơn trƣợt.


Do chóng mặt, tăng/giảm huyết áp đột ngột, đột quỵ.



Do ảnh hƣởng của các bệnh nhƣ: loãng xƣơng, Parkinson, viêm khớp...



Tầm nhìn bị hạn chế: các bệnh liên quan đến mắt ở ngƣời lớn tuổi nhƣ đục thủy

tinh thể, tăng nhãn áp…


Do ảnh hƣởng khi sử dụng thuốc: thuốc an thần, thuốc chống trầm cảm, thuốc

chống loạn thần có thể góp phần làm giảm sự tỉnh táo về tinh thần, ảnh hƣởng xấu
đến sự cân bằng và dáng đi và gây ra tăng huyết áp khi đứng.

2


Chƣơng 1. Tổng quan



Các mối nguy hại của môi trƣờng xung quanh: liên quan đến các mối nguy

hiểm của những đối tƣợng/vật dụng tồn tại trong nhà, vấp ngã các vật dụng trên sàn.


Các yếu tố khác bao gồm ánh sáng kém, thiếu thanh vịn/tay vịn và đồ nội thất

không phù hợp.
Tác động trực tiếp của việc té ngã ở ngƣời lớn tuổi là bị chấn thƣơng, nặng
hơn nữa là tử vong. Nếu nạn nhân đƣợc phát hiện quá muộn thì hậu quả sẽ càng
nghiêm trọng hơn nhƣ bị hạ thân nhiệt hoặc là mất máu. Việc phát hiện nạn nhân
sớm có thể mang đến nhiều cơ hội để cứu sống nạn nhân hơn.
Những nghiên cứu về mặt y học nêu trên đã nêu lên những cái nhìn tổng quan
về té ngã của ngƣời lớn tuổi, các nguyên nhân dẫn đến té ngã…. Thế nhƣng đứng
trên góc độ khoa học công nghệ thì việc nghiên cứu, ứng dụng các thành tựu khoa
học công nghệ mới để tìm ra các giải pháp nhằm ngăn chặn, cảnh báo té ngã ở
ngƣời lớn tuổi đƣợc xem nhƣ là vấn đề hết sức cần thiết và đầy tiềm năng.
Một loạt các phƣơng pháp đã đƣợc thực hiện với công nghệ phát hiện té ngã ở
các mức độ khác nhau đã đem đến những sự thành công nhất định. Thiết bị phát
hiện trạng thái té ngã có thể đƣợc kể đến nhƣ các thiết bị báo động có thể mặc/đeo
đƣợc và các thiết bị báo động bằng hình ảnh dạng bị động.
Đã có nhiều công trình nghiên cứu sử dụng các thiết bị hiện đại với mục đích
giám sát sự hoạt động của ngƣời lớn tuổi. Các thiết bị này sẽ dò tìm, phát hiện việc
té ngã và phát ra tín hiệu báo động cho ngƣời xung quanh để nhân viên y tế để kịp
thời cấp cứu. Có ba phƣơng pháp đƣợc sử dụng để thiết kế hệ thống phát hiện té ngã
bao gồm: sử dụng các loại camera trong việc giám sát, dò tìm và phát hiện té ngã [4
– 5], sử dụng các loại cảm biến môi trƣờng [6] và sử dụng các cảm biến đeo trên cơ
thể ngƣời [7 – 8].
Trong trƣờng hợp sử dụng camera thì hệ thống đƣợc thiết lập trong không gian
cố định để giám sát các hoạt động của ngƣời lớn tuổi. Dữ liệu đƣợc thu nhận và sử
dụng các phƣơng pháp, thuật toán xử lý ảnh để nhận biết trạng thái của đối tƣợng
trong ảnh. Ƣu điểm của phƣơng pháp này là ngƣời sử dụng không cần đeo bất kỳ
thiết bị nào lên ngƣời, do đó việc dò tìm đƣợc thực hiện một cách tự động và hoàn

3


Chƣơng 1. Tổng quan

toàn chủ động trong mọi không gian. Thế nhƣng nhƣợc điểm là đôi lúc bị ảnh
hƣởng bởi độ chói và một số nhiễu khác của môi trƣờng xung quanh dẫn đến làm
tăng độ khó của các thuật toán xử lý để đạt kết quả tốt.
Đối với trƣờng hợp sử dụng cảm biến môi trƣờng nhƣ là cảm biến hồng ngoại
hay cảm biến âm thanh, hệ thống này chỉ dò tìm đƣợc trong môi trƣờng đã thiết lập.
Ƣu điểm của phƣơng pháp này là chi phí thấp và thuận tiện cho ngƣời dùng vì
không phải mang thêm thiết bị. Tuy nhiên, hệ thống này chỉ dò tìm trong môi
trƣờng đã đƣợc thiết lập sẵn và tìm ẩn nhiều tín hiệu nhiễu từ các vật thể khác trong
môi trƣờng.
Đối với trƣờng hợp sử dụng cảm biến đeo trên cơ thể ngƣời có thể sử dụng các
loại cảm biến nhƣ cảm biến gia tốc, con quay hồi chuyển, cảm biến góc nghiêng.
Dữ liệu thu đƣợc từ cảm biến sẽ đƣợc xử lý, nhận dạng tƣ thế và vị trí của ngƣời
dùng. Ƣu điểm của phƣơng pháp này là các thiết bị nhỏ gọn, có thể sử dụng cơ động
khi di chuyển, dễ sử dụng. Thế nhƣng nhƣợc điểm là ngƣời sử dụng phải đeo thiết
bị lên cơ thể gây ra cảm giác khó chịu cho ngƣời sử dụng. Mặc khác khi té, ngƣời
già đã mất sự tỉnh táo, rất khó để có thể nhấn nút kích hoạt báo động trên thiết bị.
Mặc dù có những hiểu biết nhất định về các yếu tố là nguy cơ chính dẫn đến té
ngã, những giai đoạn nguy hiểm nhất xảy ra té ngã trong ngày và vị trí phổ biến
nhất cho té ngã nhƣng vẫn chƣa có phƣơng pháp nào để dự đoán chính xác thời
điểm trạng thái té ngã sẽ xảy ra. Để nắm bắt đƣợc thời điểm chính xác của té ngã,
ngƣời bị té ngã sẽ phải đƣợc theo dõi liên tục và một số lƣợng lớn những ngƣời lớn
tuổi sẽ phải đƣợc quan sát để thu thập một cơ sở dữ liệu đầy đủ nhất cho việc cảnh
báo té ngã. Có nhiều vấn đề có ảnh hƣởng đến sự tuân thủ của ngƣời lớn tuổi: nhiều
ngƣời lớn tuổi lo sợ rằng sử dụng các công nghệ nhận dạng té ngã có thể quá phức
tạp, khó khăn hoặc “nhàm chán” để họ sử dụng; hoặc họ chỉ đơn giản là có thể quên
sử dụng các thiết bị. Phòng ngừa té ngã là một quá trình lâu dài do đó bắt buộc
ngƣời bị té ngã phải hiểu đúng các yếu tố cần thiết trong việc sử dụng những thiết bị
cảnh báo giúp cho việc thu thập dữ liệu và ngăn chặn có hiệu quả những trƣờng hợp
té ngã có thể xảy ra.

4


Chƣơng 1. Tổng quan

Các kỹ thuật hiện đại trong y tế, đặc biệt là trong việc chăm sóc sức khỏe cho
ngƣời già và ngƣời khuyết tật nhằm mục đích phòng ngừa và điều trị hiệu quả, từ đó
nâng cao chất lƣợng cuộc sống.
1.2 Mục tiêu của đề tài
Mục tiêu của đề tài là xây dựng hệ thống nhận dạng và phát hiện trạng thái té
ngã sử dụng camera Kinect, áp dụng thuật toán phân tích thành phần chính (PCA)
để trích xuất các đặc trƣng và sử dụng phƣơng pháp nhận dạng dựa trên thuật toán
vector máy hỗ trợ (SVM) để huấn luyện và nhận dạng ngƣời bị té ngã. Bên cạnh đó
đề tài sẽ đƣa ra các tín hiệu cảnh báo qua các thiết bị báo động (chuông) và tin nhắn
điện thoại cho số điện thoại đã cài đặt khi phát hiện té ngã.
1.3 Nhiệm vụ và giới hạn của đề tài
1.3.1 Nhiệm vụ
-

Xây dựng và thu thập tập cơ sở dữ liệu với RGB image và depth image của các
trạng thái té ngã và các tƣ thế thƣờng ngày.

-

Áp dụng thuật toán PCA để trích xuất các đặc trƣng của dữ liệu thu đƣợc.

-

Thực hiện việc huấn luyện và nhận dạng các trạng thái té ngã bằng thuật toán
SVM.

-

Xây dựng hệ thống báo động khi xảy ra té ngã qua tin nhắn SMS/tự động gọi
điện và chuông/còi báo động.

1.3.2 Giới hạn
-

Khoảng cách thu nhận dữ liệu giới hạn trong phạm vi [1m – 5m].

-

Thực hiện nhận dạng trong 8 tƣ thế cơ bản trong đó có 4 tƣ thế té ngã và 4 tƣ
thế hoạt động hằng ngày.

-

Nhận dạng các trạng thái tĩnh, xử lý hình ảnh offline.

-

Tập cơ sở dữ liệu thu trên 3 ngƣời.

-

Thực hiện thí nghiệm trong cùng một môi trƣờng.

5


S

K

L

0

0

2

1

5

4



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

Tải bản đầy đủ ngay

×