Luận văn Sử dụng thuật toán vector máy hỗ trợ để nhận dạng trạng thái té ngã sử dụng camera Kinect (Phần 1)

Nội dung text: Luận văn Sử dụng thuật toán vector máy hỗ trợ để nhận dạng trạng thái té ngã sử dụng camera Kinect (Phần 1)

1. 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
2. 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
3. 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
4. Quyết định giao đề tài
5. 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 Nơi công tác Công việc đảm nhiệm Công ty TNHH Sonion Việt Nam – Khu Kỹ sƣ phòng nghiên 08/2012 – 09/2013 Công Nghệ Cao TP.HCM cứu và phát triển Trung tâm Nghiên cứu và Đào tạo Thiết kế 10/2013 – nay Kỹ sƣ phụ trách đào tạo Vi mạch (ICDREC) – ĐHQG TP.HCM i
6. 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
7. 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
8. 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
9. 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
10. 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
11. 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
12. 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
13. 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
14. 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
15. 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
16. 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
17. 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
18. 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
19. 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
20. 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
21. 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
22. S K L 0 0 2 1 5 4