(Luận văn thạc sĩ) mô hình phân loại dáng đi của con người dựa trên dữ liệu cảm biến imu và mô hình mạng nơ ron truyền thẳng đa lớp

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN THANH NHÃ MƠ HÌNH PHÂN LOẠI DÁNG ĐI CỦA CON NGƯỜI DỰA TRÊN DỮ LIỆU CẢM BIẾN IMU VÀ MƠ HÌNH MẠNG NƠ-RON TRUYỀN THẲNG ĐA LỚP NGÀNH: KHOA HỌC MÁY TÍNH SKC007965 Tp Hồ Chí Minh, tháng 3/2023 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN THANH NHÃ MƠ HÌNH PHÂN LOẠI DÁNG ĐI CỦA CON NGƯỜI DỰA TRÊN DỮ LIỆU CẢM BIẾN IMU VÀ MƠ HÌNH MẠNG NƠRON TRUYỀN THẲNG ĐA LỚP NGÀNH: KHOA HỌC MÁY TÍNH Tp Hồ Chính Minh, tháng 03/2023 Bảng 5 Confusion matrix of ANN-BP Walk Up Down on heel stair stair Walk on toe Sit Normal up walk TAR 20 0 20/22=0.91 15 0 15/16=0.94 Up stair 14 0 14/16=0.88 Down stair 0 11 11/12=0.92 Sit up 0 17 17/18=0.94 Normal 0 0 16 16/16=1 0/20=0 3/18=0.1 1/15=0 1/12=0.0 1/17=0 1/16=0.0 07 06 Walk on toe Walk on heel walk FAR Ta thực phân loại dáng sử dụng hai thuật toán máy học SVM k-NN với tập liệu gồm 99 mẫu Bảng 5.6 trình bày lựa chọn thơng số thuật toán SVM k-NN Bảng 5.7 Bảng 5.8 minh họa khảo sát ma trận hỗn loạn hai thuật toán SVM k-NN 44 Bảng Thơng số thuật tốn SVM k-NN Cubic SVM Fine k-NN Kernel function Cubic Number of neighbors Nuclear scale Automatical Distance index Euclide Box constrain level Distance weight Equal Multiclass method One-vs-One Bảng Confusion matrix of SVM Walk Walk Up Down Sit on heel stair stair up on toe mal TAR walk 14/19=0.74 Walk on heel 8/17=0.47 Up stair 13 13/15=0.87 Down stair 0 11 0 11/13=0.85 Sit up 2 12 12/18=0.67 Normal walk 0 1 11 11/16=0.69 Walk on toe FAR 14 Nor 5/19= 2/10=0 12/25= 1/12= 9/21= 0/11= 0.26 0.43 0.48 0.08 45 Bảng Confusion matrix of k-NN Walk Walk on toe Walk on 17 Down Up stair stair on heel 1 Sit Normal up walk Walk on 13 1 13/17=0 76 heel 0 12 Up stair 12/15=0 0 10 10/13=0 77 stair 2 0 14 Sit up Normal 17/19=0 89 toe Down TAR 14/18=0 78 0 0 15 15/16=0 94 walk 4/21=0.1 2/15=0.1 5/17=0.2 1/11=0.0 4/18=0.2 1/16=0.0 FAR 9 Dựa vào Bảng 5.6, Bảng 5.7 Bảng 5.8, thực so sánh TAR FAR mơ hình đề xuất hai thuật toán cổ điển máy học cho việc phân loại dáng minh họa Bảng 5.9 46 Bảng So sánh TAR FAR TAR SVM 14 13 11 12 11 19 17 15 13 18 16 ( + + + + + ) FAR ( × 100 = 71.5% 12 + + + + + ) 19 10 25 12 21 11 × 100 = 16.33% k-NN ( 17 13 12 10 14 15 + + + + + ) 19 17 15 13 18 16 ( × 100 = 82.33% ANNBP ( + + + + + ) 21 15 17 11 18 16 × 100 = 11.5% 20 15 14 11 17 16 + + + + + ) 22 16 16 12 18 16 ( 1 1 + + + + + ) 20 18 15 12 17 16 × 100 = 7.33% × 100 = 93.17% Bảng 5.9 cho thấy mơ hình đề xuất có TAR lớn FAR nhỏ so sánh với SVM k-NN 47 CHƯƠNG 6: KẾT LUẬN 6.1 Kết đạt Qua q trình nghiên cứu phân tích đạt kết sau:  Hiểu sở lý thuyết phân tích dáng người  Hiểu khái niệm mạng nơ rôn truyền thẳng lớp đa lớp để áp dụng vào trình traning liệu  Hiểu mơ hình phân loại dáng người  Từ xác định từ loại dáng đi, để áp dụng vào mơ hình luận luyện mạng tập liệu lấy từ dáng thực tế để thiện thu độ gần xác từ việc phân loại dáng  Kết luận chuyển thành báo, báo cáo hội nghị AMAS lựa chọn để đăng Lecture Notes in Mechanical Engineering Spinger - hệ thống Scopus - chất lượng Q4 2022-Thinh-Human Gait Classification Model Based on Data of IMU Sensor and Multilayer 6.2 Hướng phát triển đề tài Đề tài tiếp tục phát triển hoàn thiện nội dung sau:  Tiến hành thu thập nhiều liệu thật để đánh giá thực nghiệm hiệu việc áp dụng phân tích dáng người vào việc so sánh độ xác phân loại dáng  Dùng kết đạt làm tảng để phát triển phân loại dáng từ liệu thực tế mà lấy 48 TÀI LIỆU THAM KHẢO [1] M H & S A T Ahmed, Human gender classification based on gait features using kinect sensor IEEE International Conference on Cybernetics (CYBCONF)., IEEE, 2017 [2] W.-C e a Hsu, Multiple-wearable-sensor-based gait classification and analysis in patients with neurological disorders Sensors (Basel), 18(10), 3397., Taiwan: mdpi, 2018 [3] Z L G F F & G H Chen, Personnel recognition and gait classification based on multistatic micro-Doppler signatures using deep convolutional neural networks IEEE Geoscience and Remote Sensing Letters, 15(5), 669–673., China, UK: IEEE, 2018 [4] S A e al, Gait-based gender classifcation using smartphone accelerometer sensor In: 2019 5th international conference on frontiers of signal processing (ICFSP) IEEE, Iraq, UK: IEEE, 2019, pp 742-749 [5] V G N L P e a Semwal, "Pattern identification of different human joints for different human walking styles using inertial measurement unit (IMU) sensor Artif Intell Rev (2021) https://doi.org/10.1007/s10462-021-09979-x.," Pattern identification of different human joints for different human walking styles using inertial measurement unit (IMU) sensor Artif Intell Rev (2021) https://doi.org/10.1007/s10462-021-09979-x., 2022 [6] ITNavi, "Tổng quan Neural Network(mạng Nơ Ron nhân tạo) gì?," ITNavi, 31 May 2021 [Online] Available: https://itnavi.com.vn/blog/neural-network-la-gi [Accessed January 2022] [7] amazon, "https://aws.amazon.com/vi/what-is/neural-network/," amazon, [Online] Available: https://aws.amazon.com/vi/what-is/neural-network/ [Accessed December 2022] [8] VijayBhaskarSemwal, "Human Activities Gait Data set," NIT Bhopal, Febrauary 2019 [Online] Available: http://www.manit.ac.in/content/dr-vijay-bhaskar-semwal [Accessed January 2022] 49 [9] W A G M M A Ohoud Nafea, "mdpi," mdpi, 18 March 2021 [Online] Available: https://www.mdpi.com/1424-8220/21/6/2141/htm [Accessed January 2022] [10] M B Frish, "The structure of a multilayer perceptron neural network.," Physical Sciences Inc., May 2011 [Online] Available: https://www.researchgate.net/figure/The-structureof-a-multilayer-perceptron-neural-network_fig3_241347660 [Accessed January 2022] [11] E K a S L B Chiu, "Probabilistic Discovery of Time Series Motifs", in Proceedings of the 9th International Conference on Knowledge Discovery and Data mining, 2003, pp 493498," Probabilistic Discovery of Time Series Motifs", in Proceedings of the 9th International Conference on Knowledge Discovery and Data mining, 2003, pp 493-498, 2003 [12] Wikipedia, "Support vector machine," Wikipedia, [Online] Available: https://en.wikipedia.org/wiki/Support_vector_machine [Accessed January 2022] [13] G Cox, "Peak Detection in a Measured Signal," Baeldung, 11 11 2022 [Online] Available: https://www.baeldung.com/cs/signal-peak-detection [Accessed 2022 11 20] [14] J Brownlee, "Develop k-Nearest Neighbors in Python From Scratch," 10 October 2019 [Online] Available: https://machinelearningmastery.com/tutorial-to-implement-k- nearest-neighbors-in-python-from-scratch/ [Accessed January 2022] [15] H a C S Sakoe, "https://www.psb.ugent.be/cbd/papers/gentxwarper/DTWalgorithm.htm," psb, [Online] Available: https://www.psb.ugent.be/cbd/papers/gentxwarper/index.htm [Accessed January 2022] [16] H T V Trinh, "Bộ não kì diệu người," Đại học Y Dược Thành phố Hồ Chí Minh, 13 April 2022 [Online] [Accessed August 2022] [17] N V Huấn, "Tế bào thần kinh: Cấu tạo, hoạt động chức năng," Khoa Ngoại Thần kinh, Bệnh viện Đa khoa Vùng Tây Nguyên, 25 July 2022 [Online] Available: https://youmed.vn/tin-tuc/te-bao-than-kinh-cau-tao-hoat-dong-va-chuc-nang/ [Accessed January 2022] 50 [18] N D Khánh, "ĐẶC ĐIỂM SINH LÝ CỦA TẾ BÀO THẦN KINH," TRUNG TÂM BÁC SĨ GIA ĐÌNH, 31 August 2020 [Online] Available: https://bsgiadinh.vn/kham-benh/dac-diem-sinh-lycua-te-bao-than-kinh/ [Accessed January 2022] [19] H T Hoang, He Thong Dieu Khien Thong Minh, HCM: NXB Dai Hoc Quoc Gia Tp HCM, 2006 [20] D Q Huy, "Support Vector Machine," viblo, 28 July 2020 [Online] Available: https://viblo.asia/p/support-vector-machine-jvEla304Kkw [Accessed January 2022] [21] V H LONG, "K-nearest neighbors," Funda, 2017 [Online] Available: https://machinelearningcoban.com/2017/01/08/knn/ [Accessed January 2022] [22] A S S K.K.Paliwal, "A modification over Sakoe and Chiba's dynamic time warping algorithm for isolated word recognition," A modification over Sakoe and Chiba's dynamic time warping algorithm for isolated word recognition, pp 329-333, 1982 51 52 53 54 55 56 57 S K L 0