Thiết kế và phát triển hệ thống ghi đo chuyển động chi dưới trong không gian ba chiều bằng hệ camera nhúng

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Thiết kế phát triển hệ thống ghi đo chuyển động chi không gian ba chiều hệ camera nhúng HOÀNG THỊ THU HIỀN Ngành Kỹ thuật Y sinh Giảng viên hướng dẫn: TS Đào Việt Hùng Viện: Điện tử - Viễn thông HÀ NỘI, 2022 TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LUẬN VĂN THẠC SĨ Thiết kế phát triển hệ thống ghi đo chuyển động chi không gian ba chiều hệ camera nhúng HOÀNG THỊ THU HIỀN Ngành Kỹ thuật Y sinh Giảng viên hướng dẫn: TS Đào Việt Hùng Chữ ký GVHD Viện: Điện tử - Viễn thông HÀ NỘI, 2022 CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ tên tác giả luận văn: Hoàng Thị Thu Hiền Đề tài luận văn: Thiết kế phát triển hệ thống ghi đo chuyển động chi không gian ba chiều hệ camera nhúng Chuyên ngành: Kỹ thuật Y sinh Mã số SV: 20202686M Tác giả, Người hướng dẫn khoa học Hội đồng chấm luận văn xác nhận tác giả sửa chữa, bổ sung luận văn theo biên họp Hội đồng ngày 20/10/2022 với nội dung sau: - Đã chỉnh sửa số lỗi tả định dạng luận văn - Đã chỉnh sửa trích dẫn tài liệu tham khảo Ngày Giáo viên hướng dẫn TS Đào Việt Hùng tháng năm 2022 Tác giả luận văn Hoàng Thị Thu Hiền CHỦ TỊCH HỘI ĐỒNG PGS TS Trần Quang Vinh LỜI CẢM ƠN Để hồn thành luận văn này, tơi xin chân thành gửi lời cảm ơn tới TS Đào Việt Hùng hướng dẫn tạo điều kiện thuận cho trình thực Đồng cảm ơn bạn sinh viên nghiên cứu phòng 308A nhà C9, trường Đại học Bách khoa Hà Nội hỗ trợ trình tiến hành thử nghiệm hệ thống Hà Nội, ngày tháng năm 2022 Tác giả Hoàng Thị Thu Hiền MỤC LỤC CHƯƠNG TỔNG QUAN 1.1 Đo lường y học 1.2 Ghi đo chuyển động 1.2.1 Định nghĩa 1.2.2 Ứng dụng 1.2.3 Các phương pháp ghi đo chuyển động 1.3 Phương pháp ghi đo chuyển động sử dụng thị giác máy tính 1.4 Mục tiêu luận văn 11 1.5 Đối tượng, phạm vi nghiên cứu, phương pháp nghiên cứu 11 1.5.1 Đối tượng nghiên cứu 11 1.5.2 Phạm vi nghiên cứu 12 1.5.3 Phương pháp nghiên cứu 13 1.6 Ý nghĩa khoa học ý nghĩa thực tiễn 13 1.7 Bố cục luận văn 13 CHƯƠNG LÝ THUYẾT CĂN BẢN VỀ GHI ĐO CHUYỂN ĐỘNG SỬ DỤNG THỊ GIÁC MÁY TÍNH 15 2.1 Kỹ thuật xử lý ảnh số 15 2.1.1 Khái niệm thị giác máy tính xử lý ảnh số 15 2.1.2 Thư viện xử lý ảnh số 16 2.1.3 Một số phương pháp lọc nhiễu xử lý ảnh 17 2.1.4 Hiệu chuẩn camera 20 2.1.5 Đồng camera 24 2.2 Hệ thống phần cứng 27 2.2.1 Hệ thống ghi đo chuyển động không sử dụng điểm đánh dấu 27 2.2.2 Hệ thống ghi đo chuyển động sử dụng điểm đánh dấu 28 CHƯƠNG KHẢO SÁT VÀ ĐỀ XUẤT GIẢI PHÁP CHI TIẾT 36 3.1 Khảo sát thuật tốn ước tính tư 36 3.2 Khảo sát giao thức truyền liệu 39 3.3 Khảo sát phương pháp hiệu chuẩn camera 41 3.4 Khảo sát số hệ camera nhúng 43 i 3.5 Đề xuất giải pháp chi tiết 43 CHƯƠNG XÂY DỰNG HỆ THỐNG 46 4.1 Cấu hình hệ thống thu nhận xử lý ảnh 46 4.2 Xây dựng lưu đồ thuật toán 46 4.2.1 Thuật toán đồng hiển thị video 48 4.2.2 Thuật toán hiệu chuẩn camera 50 4.2.3 Thuật tốn tính tọa độ hai chiều 51 4.2.4 Thuật toán tái tạo tọa độ ba chiều 52 4.2.5 Thuật tốn tính góc vận tốc 53 CHƯƠNG KIỂM THỬ PHƯƠNG PHÁP ĐO VÀ KẾT LUẬN 55 5.1 Thiết lập thí nghiệm 55 5.1.1 Thiết lập thiết bị đo 55 5.1.2 Thiết lập dụng cụ hiệu chuẩn 57 5.2 Các bước tiến hành 58 5.2.1 Hiệu chuẩn camera 58 5.2.2 Đồng thu nhận video từ Raspberry Pi 59 5.2.3 Tính góc khớp vận tốc 62 5.2.4 Thử nghiệm với tình nguyện viên 63 5.3 Kết thí nghiệm 64 5.3.1 Hiệu chuẩn camera 64 5.3.2 Đồng thu nhận video từ Raspberry Pi 67 5.3.3 Tính góc tính vận tốc 68 5.3.4 Thử nghiệm với tình nguyện viên 74 5.4 Kết luận kiến nghị 78 5.4.1 Kết luận chung 78 5.4.2 Kiến nghị đề xuất 79 TÀI LIỆU THAM KHẢO 80 PHỤ LỤC 84 ii DANH MỤC BẢNG BIỂU Bảng 2.1 Các ma trận hạt nhân Gaussian phổ biến 19 Bảng 2.2 Thông số kỹ thuật số phiên Nvidia Jetson 30 Bảng 2.3 Thông số kỹ thuật số phiên BeagleBone 32 Bảng 3.1 Thông số kỹ thuật Raspberry Pi model B+ BeagleBone Black Rev C 43 Bảng 3.2 Điểm so sánh Raspberry Pi model B+ BeagleBone Black Rev C 45 Bảng 5.1 Thông số kỹ thuật Raspberry Pi model B+ 56 Bảng 5.2 Thông số kỹ thuật cameraV1 56 Bảng 5.3 Thơng số kỹ thuật máy tính Dell Inspiron 7400 57 Bảng 5.4 Kết hiệu chuẩn camera trái 66 Bảng 5.5 Kết hiệu chuẩn camera phải 66 Bảng 5.6 Kết thí nghiệm đồng hai camera (1) 67 Bảng 5.7 Kết thí nghiệm đồng hai camera (2) 67 Bảng 5.8 Kết thí nghiệm đồng hai camera (3) 67 Bảng 5.9 Kết thí nghiệm đồng hai camera (4) 68 Bảng 5.10 Sai số đo khoảng cách 69 Bảng 5.11 Lỗi đo lường liên quan tới khoảng cách hai camera 72 Bảng 5.12 Sai số phép đo vận tốc 74 iii DANH MỤC HÌNH VẼ Hình 1.1 Ghi đo chuyển động [2] Hình 1.2 Ghi đo chuyển động phục hồi chức [4] Hình 1.3 Ghi đo chuyển động thể thao Hình 1.4 Ghi đo chuyển động giám sát công cộng Hình 1.5 Ghi đo chuyển động phịng thí nghiệm chun ngành Hình 1.6 Ghi đo chuyển động sử dụng lực Hình 1.7 Ghi đo chuyển động sử dụng tín hiệu điện Hình 1.8 Ghi đo chuyển động sử dụng điện kế Hình 1.9 Ghi đo chuyển động sử dụng cảm biến đeo Hình 1.10 Hệ thống chụp chuyển động phịng thí nghiệm 10 Hình 1.11 Trang phục chuyên dụng gắn điểm đánh dấu phản quang 10 Hình 2.1 Mơ hình camera lỗ kim 21 Hình 2.2 Mơ hình máy chủ/khách 26 Hình 2.3 Hệ thống ghi đo chuyển động 27 Hình 2.4 Hệ thống chụp chuyển động VICON 28 Hình 2.5 Bo mạch Jetson Nano Developer Kit 29 Hình 2.6 Bo mạch Jetson TX2 29 Hình 2.7 Bo mạch Jetson Xavier NX 30 Hình 2.8 Bo mạch BeagleBone Black 31 Hình 2.9 Bo mạch BeagleBone Blue 31 Hình 2.10 Bo mạch BeagleBone AI-64 32 Hình 2.11 Bo mạch Raspberry Pi 33 Hình 2.12 Module camera tiêu chuẩn 35 Hình 2.13 Module camera khơng có lọc hồng ngoại 35 Hình 3.1 Ước tính tư sử dụng thư viện OpenPose 37 Hình 3.2 Mơ hình stereo camera 37 Hình 3.3 Hai mặt phẳng trực giao để hiệu chuẩn máy ảnh 42 Hình 3.4 Mẫu bàn cờ phẳng sử dụng để hiệu chuẩn camera 42 Hình 4.1 Hệ thống thu nhận ảnh đề xuất 46 Hình 4.2 Sơ đồ khối hệ thống 47 Hình 4.3 Mơ hình đồng Raspberry Pi 48 iv Hình 4.4 Các trạng thái lệnh ghi, dừng, gửi video 48 Hình 4.5 Truy xuất video từ Firebase sử dụng ngôn ngữ javascript 49 Hình 4.6 Hàm tạo nút bấm cho giao diện website 49 Hình 4.7 Sơ đồ thuật tốn hiệu chuẩn camera 50 Hình 5.1 Raspberry Pi cameraV1 55 Hình 5.2 Các điểm đánh dấu phản quang 55 Hình 5.3 Dụng cụ hiệu chuẩn máy ảnh 57 Hình 5.4 Dụng cụ hiệu chuẩn hệ thống 58 Hình 5.5 Giao diện bật camera Raspberry Pi 58 Hình 5.6 Một số hình ảnh bàn cờ sử dụng để hiệu chuẩn camera 59 Hình 5.7 Trang chủ tạo project 59 Hình 5.8 Thêm tên project 60 Hình 5.9 Khởi tạo cloud 60 Hình 5.10 Giao diện cloud sau khởi tạo 60 Hình 5.11 Thêm Firebase vào ứng dụng web 61 Hình 5.12 Cấu hình Firebase Raspberry Pi 61 Hình 5.13 Thiết lập thí nghiệm đồng máy ảnh 62 Hình 5.14 Hai khung hình tương ứng thu từ hai camera 62 Hình 5.15 Vị trí gắng điểm đánh dấu phản quang chi 64 Hình 5.16 Vị trí gắn điểm đánh dấu phản quang chi 64 Hình 5.17 Kết nhận dạng góc bàn cờ 65 Hình 5.18 Kết đồng hai Raspberry Pi 68 Hình 5.19 Hiển thị tọa độ ba chiều khung hình 69 Hình 5.20 Lỗi đo lường trạng thái tĩnh 71 Hình 5.21 Lỗi đo lường chuyển động chậm 71 Hình 5.22 Lỗi đo lường chuyển động nhanh 72 Hình 5.23 Giá trị góc hiển thị khung hình 73 Hình 5.24 Giá trị vận tốc đo chuyển động chậm 74 Hình 5.25 Giá trị vận tốc đo chuyển động nhanh 74 Hình 5.26 Giá trị góc khớp gối đo 75 Hình 5.27 Một số chu kì dáng thể 75 Hình 5.28 Góc khớp gối đo tình nguyện viên khỏe mạnh 76 v Hình 5.29 Góc khớp gối đo bệnh nhân 76 Hình 5.30 Giá trị góc khủy tay đo 77 Hình 5.31 Định nghĩa góc khủy tay giải phẫu 78 vi Hình 5.20 Lỗi đo lường trạng thái tĩnh Hình 5.21 Lỗi đo lường chuyển động chậm 71 Hình 5.22 Lỗi đo lường chuyển động nhanh 5.3.3.2 Sai số đo góc liên quan tới khoảng cách hai camera Học viên thực thí nghiệm với khoảng cách hai camera bao gồm: 15, 20, 25, 70 cm Để đánh giá kết quả, trạng thái dụng cụ hiệu chuẩn với khoảng cách hai camera khác nhau, kết so sánh Bảng 5.11 Bảng 5.11 Lỗi đo lường liên quan tới khoảng cách hai camera Sai số (°) Tĩnh Chuyển động chậm Chuyển động nhanh Khoảng cách hai camera(cm) 15 20 25 70 0.68 0.63 0.61 17.67 0.79 0.95 0.91 29.28 1.33 1.28 1.23 38.94 72 Hình 5.23 Giá trị góc hiển thị khung hình 5.3.3.3 Sai số vận tốc Học viên thực thí nghiệm điều kiện khoảng cách hai camera 25 cm, dụng cụ hiệu chuẩn cách camera mét Để đánh giá kết sai số phép đo vận tốc, học viên di chuyển dụng cụ hiệu chuẩn quãng đường dài 1.2 m tiến hành bấm giờ: • Đối với chuyển động chậm, thời gian thực tế chuyển động 11.14 giây, vận tốc trung bình 0.108 m/s, tương đương với 108 mm/s • Đối với chuyển động nhanh hơn, thời gian thực tế chuyển động 4.35 giấy, vận tốc trung bình 0.276 m/s, tương đương với 276 mm/s Theo lý thuyết, điểm đánh dấu phản quang dụng cụ hiệu chuẩn có vận tốc chuyển động Tuy nhiên có sai số trình tái tạo tọa độ ba chiều nên tính tốn thực thế, giá trị vận tốc ba điểm xấp xỉ Vì để tính giá trị vận tốc dụng cụ hiệu chuẩn khung hình, học 73 viện thực lấy giá trị trung bình ba giá trị đo Kết đo vận tốc ba điểm thể hiên Hình 5.24 Hình 5.25 Hình 5.24 Giá trị vận tốc đo chuyển động chậm Hình 5.25 Giá trị vận tốc đo chuyển động nhanh Sai số vận tốc trung bình đo hệ thống đề xuất so với giá trị thực tế thể Bảng 5.12 Bảng 5.12 Sai số phép đo vận tốc Giá trị trung bình (mm/s) Sai số (mm/s) Chuyển động chậm Chuyển động nhanh 114.34 296.88 6.34 20.88 Sai số trung bình (mm/s) 13.61 5.3.4 Thử nghiệm với tình nguyện viên 5.3.4.4 Thử nghiệm với chi Trước tiến hành ghi đo chuyển động, hai máy ảnh hiệu chuẩn mơ hình bàn cờ Khoảng cách hai camera thí nghiệm 25 cm Khoảng cách camera chi mét 74 Sau hiệu chuẩn đo đạc, kết thu thể Hình 5.26 Trong lâm sàng, góc khớp gối đu tiền đu chu kì dáng định nghĩa Hình 5.27 • Giữa đu: Góc khớp α có giá trị khoảng 30 đến 60 độ, góc β có giá trị khoảng từ 120 đến 150 độ Giá trị góc β đo hệ thống đề xuất 124.14 độ (Hình 5.26(a)) Giá trị với lý thuyết giải phẫu • Tiền đu: Góc khớp α có giá trị khoảng đến 35 độ, góc β có giá trị khoảng từ 145 đến 180 độ Giá trị góc β đo hệ thống đề xuất 177.6 độ (Hình 5.26(b)) Giá trị với lý thuyết giải phẫu Hình 5.26 Giá trị góc khớp gối đo Hình 5.27 Một số chu kì dáng thể 75 Hình 5.28 Góc khớp gối đo tình nguyện viên khỏe mạnh Hình 5.29 Góc khớp gối đo bệnh nhân So sánh thay đổi góc khớp gối dáng người bình thường (Hình 5.28) người rối loạn dáng (Hình 5.29) cho thấy sự khác biệt đáng kể biến thiên góc tình nguyện viên khỏe mạnh bệnh nhân Kết thu cho thấy hệ thống đề xuất hoàn tồn có khả đo thay đổi góc khớp gối chuyển động phân biệt người khỏe mạnh người có bệnh lý dáng 76 5.3.4.5 Thử nghiệm với chi Trước tiến hành ghi đo chuyển động, hai máy ảnh hiệu chuẩn mơ hình bàn cờ Khoảng cách hai camera thí nghiệm 25 cm Khoảng cách camera chi mét Sau hiệu chuẩn đo đạc, kết thu thể Hình 5.30 Kết đo góc học viên so sánh với tầm vận động khớp khủy tay trạng thái tay duỗi Góc khớp khuỷu tay góc α xác định theo Hình 5.31 Khi tay trạng thái duỗi góc α có giá trị từ đến 10 độ, góc β có giá trị từ 170 đến 180 độ Kết đo hệ thống đề xuất tay trạng thái duỗi 177.08 độ (Hình 5.30), giá trị hoàn toàn nằm tầm vận động khớp duỗi theo giải phẫu sinh học Điều cho thấy giá trị góc khớp đo hệ thống đề xuất hồn tồn có khả xác định trạng thái vận động chi Hình 5.30 Giá trị góc khủy tay đo 77 Hình 5.31 Định nghĩa góc khủy tay giải phẫu 5.4 Kết luận kiến nghị 5.4.1 Kết luận chung Dựa sở kế thừa phát triển kết nghiên cứu từ đề tài trước học viên, kết hợp với nghiên cứu nguồn tài liệu nước, sau kết thúc đề tài, luận văn học viên đạt số mục tiêu cụ thể sau: • Khảo sát trình bày vai trò ghi đo chuyển động lĩnh vực y tế số lĩnh vực khác bao gồm thể thao an ninh quốc phịng • Khảo sát phương pháp ghi đo chuyển động, đặc biệt nhóm phương pháp chụp chuyển động Đánh giá ưu nhược điểm phương pháp, từ tạo nên sở đề xuất giải pháp • Nghiên cứu đề xuất thuật toán xử lý ảnh thực thi máy tính cá nhân máy tính nhúng Raspberry Pi, phương pháp đồng máy ảnh • Xây dựng thí nghiệm thu kết quả; xử lý số liệu đưa giá trị sai số trung bình phép đo Đối với phép đo góc, sai số trạng thái tính khơng vượt 0.7 độ, trạng thái chuyển động chậm không độ Sai số phép đo vận tốc 13.61 mm/s Kết thu cho thấy hệ thống đề xuất có tiềm ứng dụng thực tế, đóng góp thêm phương pháp xây dựng hệ thống chụp chuyển động Tuy nhiên, hệ thống đề xuất có sai số lớn khoảng cách hai camera xa từ 70 cm Sau kết thúc trình nghiên cứu hồn thành luận văn, học viên nâng cao khả nghiên cứu, tìm hiểu, giải vấn đề Đồng thời nâng cao khả lập trình xử lý kết đo đạc 78 5.4.2 Kiến nghị đề xuất Trên sở kết đạt sau hoàn thành luận văn, để cải thiện sai số hệ thống đề xuất chuyển động nhanh, học viện đề xuất cải thiện trình đồng camera cài đặt lại tốc độ khung hình giây video Việc đồng phần mềm chứng minh có ưu điểm so với đồng phần cứng Tuy nhiên đồng phần mềm tồn điểm hạn chế Trong mơ hình máy chủ/máy khách ln có độ trễ q trình truyền tín hiệu xử lý hệ thống, gây sai số trình đồng camera Để khắc phục nhược điểm này, học viên đề xuất nghiên cứu phương pháp đồng mềm sử dụng tín hiệu bên ngồi tín hiệu từ LED Tốc độ video tính tốn dựa độ trễ trình đồng để đảm bảo độ trễ không không dài thời gian khung hình Tuy nhiên, tốc độ khung hình giây phụ thuộc nhiều vào chất lượng giá thành phần cứng sử dụng 79 TÀI LIỆU THAM KHẢO [1] M N Lassere, “A users guide to measurement in medicine,” Osteoarthritis and Cartilage, tập 14, pp 10-13, 2006 [2] A Derungs O Amft, “Estimating wearable motion sensor performance from personal biomechanical models and sensor data synthesis,” Scientific reports, tập 10, số 1, pp 1-13, 2020 [3] K S Al-Zahrani M O Bakheit, “A historical review of gait analysis,” Neurosciences Journal, tập 13, số 2, pp 105-108, 2008 [4] Heike Vallery et al, “Complementary limb motion estimation for the control of active knee prostheses,” Biomedical Engineering, tập 56, số 1, pp 45-51, 2011 [5] S Zhao, Y Chen Y Chen, “Clinical application of gait analysis in hip arthroplasty,” Orthopaedic Surgery, tập 2, số 2, pp 94-99, 2010 [6] K A Lamkin-Kennard M B.Popovic, “Sensors: Natural and Synthetic Sensors,” Biomechatronics, 2019, pp 81-107 [7] James M Wakeling et al, “Surface EMG shows distinct populations of muscle activity when measured during sustained sub-maximal exercise,” European Journal of Applied Physiology, tập 86, số 1, pp 40-47, 2001 [8] P J Rowe et al, “Validation of flexible electrogoniometry as a measure of joint kinematics,” Physiotherapy, tập 87, số 9, pp 479-488, 2001 [9] Angelo M Sabatini et al, “Assessment of walking features from foot inertial sensing,” IEEE Transactions on biomedical engineering, tập 52, số 3, pp 486-494, 2005 [10] S C Wearing, S R Urry J E Smeathers, “The effect of visual targeting on ground reaction force and temporospatial parameters of gait,” Clinical Biomechanics, tập 15, số 8, pp 583-591, 2000 [11] G F Harris J J Wertsch, “Procedures for gait analysis,” Archives of Physical Medicine and Rehabilitation, tập 75, số 2, pp 216-225, 1994 [12] S R Simon, “Quantification of human motion: gait analysis—benefits and 80 limitations to its application to clinical problems,” Journal of biomechanics, tập 37, số 12, pp 1869-1880, 2004 [13] M A LaFortune, “Three-dimensional acceleration of the tibia during walking and running,” Journal of biomechanics, tập 24, số 10, pp 877-886, 1991 [14] P Bonato, “Wearable sensors/systems and their impact on biomedical engineering,” IEEE Engineering in medicine and biology magazine, tập 22, số 3, pp 18-20, 2003 [15] X Xu R W McGorry, “The validity of the first and second generation Microsoft Kinect™ for identifying joint center locations during static postures,” Applied ergonomics, tập 49, pp 47-54, 2015 [16] A Prochazka, M Kubicek A Pavelka, “Multicamera systems in the moving body recognition,” Proceedings ELMAR 2006 IEEE, 2006 [17] G Litos, X Zabulis G Triantafyllidis, “Synchronous image acquisition based on network synchronization,” 2006 Conference on Computer Vision and Pattern Recognition Workshop (CVPRW'06), 2006 [18] Asraf Ali et al, “Gait disorder rehabilitation using vision and non-vision based sensors: a systematic review,” Bosnian journal of basic medical sciences, tập 12, số 3, p 193, 2012 [19] Ross A Clark et al, “Concurrent validity of the Microsoft Kinect for assessment of spatiotemporal gait variables,” Journal of biomechanics, tập 46, số 15, pp 2722-2725, 2013 [20] J D Arango Paredes et al, “A reliability assessment software using Kinect to complement the clinical evaluation of Parkinson's disease,” 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2015 [21] Jingbo Zhao et al, “Gait assessment using the Kinect RGB-D sensor,” 2015 37th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2015 [22] A Leardini et al, “Quantitative comparison of current models for trunk motion in human movement analysis,” Clinical Biomechanics, tập 24, số 7, 81 pp 542-550, 2009 [23] A F Khalifa, E Badr H N Elmahdy, “A survey on human detection surveillance systems for raspberry pi,” Image and Vision Computing, tập 85, pp 1-13, 2019 [24] V K Bhanse M D Jaybhaye, “Face Detection and tracking using Image processing on Raspberry Pi,” 2018 International Conference on Inventive Research in Computing Applications (ICIRCA), 2018 [25] C H Chen D Ramanan, “3d human pose estimation= 2d pose estimation+ matching,” Proceedings of the IEEE conference on computer vision and pattern recognition, 2017 [26] G Pavlakos, X Zhou K Daniilidis, “Ordinal depth supervision for 3d human pose estimation,” Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2018 [27] Dario Pavllo et al, “3d human pose estimation in video with temporal convolutions and semi-supervised training,” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2019 [28] Helge Rhodin et al, “Learning monocular 3d human pose estimation from multi-view images,” Proceedings of the IEEE conference on computer vision and pattern recognition, 2018 [29] Karim Iskakov et al, “Learnable triangulation of human pose,” Proceedings of the IEEE/CVF International Conference on Computer Vision, 2019 [30] A Toshev C Szegedy, “Deeppose: Human pose estimation via deep neural networks,” Proceedings of the IEEE conference on computer vision and pattern recognition, 2014 [31] Shih-En Wei et al, “Convolutional pose machines,” Proceedings of the IEEE conference on Computer Vision and Pattern Recognition, 2016 [32] J Zhou, “Realization of Time Synchronization Server Based on C/S,” Computer System Networking and Telecommunications, tập 1, số 1, pp 913, 2018 82 [33] Z Zhang, “Camera calibration with one-dimensional objects,” IEEE transactions on pattern analysis and machine intelligence, tập 26, số 7, pp 892-899, 2004 [34] Nobuyasu Nakano et al, “Evaluation of 3D markerless motion capture accuracy using OpenPose with multiple video cameras,” Frontiers in sports and active living, tập 2, p 50, 2020 [35] L Z Mezher, “Digital image processing filtering with LABVIEW,” International Journal of Computer Science Trends and Technology, tập 4, số 4, 2016 83 PHỤ LỤC A1 Kết đo với khoảng cách hai camera 20 cm Hình Lỗi đo lường trạng thái tĩnh Hình Lỗi đo lường chuyển động chậm 84 A2 Kết đo với khoảng cách hai camera 25 cm Hình Lỗi đo lường trạng thái tĩnh Hình Lỗi đo lường chuyển động chậm 85 ... xây dựng hệ thống ghi đo chuyển động sử dụng thị giác máy tính Theo đó: • Thiết kế phát triển hệ thống ghi đo chuyển động chi không gian ba chi? ??u hệ camera nhúng nhằm phát triển hệ thống có giá... luận văn nghiên cứu phương pháp ghi đo chuyển động thể sử dụng thị giác máy tính nhằm thiết kế phát triển phương pháp ghi đo chuyển động chi không gian ba chi? ??u, sử dụng hệ camera nhúng Các mục... ngồi Các hệ thống ghi đo chuyển động sử dụng điểm đánh dấu phổ biến thường phát triển công ty tiếng Vicon, Qualisys, OptiTrack Trong nghiên cứu, hệ thống ghi đo chuyển động không gian ba chi? ??u Vicon