Phát hiện và xác định vị trí người ngã trong thời gian thực bằng mobile phone

Các phương pháp phát hiện ngã có thể chia làm hai loại chính: v Loại 1: Giải pháp sử dụng trang thiết bị môi trường như camera, cảmbiến âm thanh, hình ảnh hay cảm biến rung chắn sàn nhà.

NGUYÊN THỊ DỊU

PHÁT HIỆN VÀ XÁC ĐỊNH VỊ TRÍ NGƯỜI NGÃ TRONG THỜI

GIAN THỰC BẰNG MOBILE PHONE

LUẬN VĂN THẠC SĨ KỸ THUẬT

HÀ NỘI - 2014

Người hướng dẫn khoa học: TS.Phạm Văn Cường

(Ghi rõ học hàm, học vị)

Phản biện 1: Nguyễn Thanh Giang

Phản biện 2: Nguyễn Đình Việt.

Luận văn sẽ được bảo vệ trước Hội đồng chấm luận văn thạc sĩ tại Học

viện Công nghệ Bưu chính Viễn thông

Vào lúc: 14 giờ 00 ngày 08 tháng 02 năm 2014.

Có thê tìm hiệu luận văn tại:

- Thư viện của Học viện Công nghệ Bưu chính Viễn thông

MỞ ĐẦU

Với những người lớn tuổi thì ngã có thể là nguyên nhân gây ra các thương tíchnghiêm trọng như gãy hông, tổn thương dau, nghiêm trọng hơn là có thé bị nằm liệtgiường hoặc gây ra cái chết sớm hơn Tỉ lệ và độ trầm trọng của ngã tăng lên từ từ bắtdau từ tuôi 60 Theo thống kê, ở Mỹ cứ 3 người từ 65 tuổi trở lên thì có 1 người ngã và

tỉ lệ này càng cao hơn sau tuôi 75 Ở Việt Nam không có con sé thống kê cụ thé, nhưnghiện tượng ngã ở người cao tudi cũng không phải là ngoại lệ so với các nước khác

Những rủi ro đáng ké của ngã đã thúc day quá trình nghiên cứu và phát triển các

hệ thống cũng như các sản phẩm thương mại dựa trên phát hiện ngã Vì vậy, trong

những năm gần đây, có nhiều chương trình nghiên cứu và các giải pháp được đưa ra déphát hiện ngã Các phương pháp phát hiện ngã có thể chia làm hai loại chính:

v Loại 1: Giải pháp sử dụng trang thiết bị môi trường như camera, cảmbiến âm thanh, hình ảnh hay cảm biến rung chắn sàn nhà

v Loại 2: Giải pháp dựa trên cảm biến gia tốc

Giải pháp thứ nhất có tỉ lệ phát hiện cao tuy nhiên cần phải thiết lập môi trường

trước đó và chỉ sử dụng để phát hiện người ngã trong không gian hẹp Trong khi đógiải pháp dùng cảm biến mang trên người thuận tiện hơn như: không cần cài đặt, phạm

vi hoạt động không bị giới hạn do người sử dụng mang theo người Hiện nay loại thứ hai đang thu hút được sự quan tâm của các nhà nghiên cứu.

Hiện nay do sự phát triển mạnh mẽ của công nghệ thông tin, đặc biệt là điệnthoại di động Việc tích hợp các ứng dụng vào điện thoại di động ngày càng trở nênphô biến hơn Ứng dụng sự phát triển đó vào việc làm giảm thiểu rủi ro sau khi ngã chongười cao tuôi nên trong đồ án tôi sẽ nghiên cứu van dé “Phát hiện và xác định vị tríngười ngã trong thời gian thực bằng mobile phone”

Trong đồ án tôi trình bày một thuật toán phát hiện ngã và xây dựng một hệthống tự động phát hiện ngã sử dụng mobile phone

CHƯƠNG I: TONG QUAN VE PHÁT HIỆN NGƯỜI NGÃ

1.1 Tại sao cần phát hiện và xác định vị trí người ngã trong thời gian thực

Ngã là một trong những nguyên nhân ảnh hưởng lớn đến sức khỏe và giảm chấtlượng cuộc sống của những người cao tuổi Ngã cũng là nguyên nhân hàng dau của cácchấn thương và cũng là nguyên nhân chủ yếu dẫn tới các ca tử vong do tai nạn ở ngườigià Những nghiên cứu trước đây cũng chỉ ra rằng, sau khi ngã người lớn tuổi thườngkhông tự đứng dậy được, kế cả khi ngã mà không bị chan thương, và kết quả họ vanngồi ở dưới đất một thời gian dài Hơn nữa, khoảng 1⁄2 số người già trong số đó, họ cóthé chết trong vòng 6 tháng nếu chan thương khi ngã không được phát hiện ra hoặcphát hiện ra quá muộn Do vậy việc phát hiện ngã sớm có ý nghĩa hết sức quan trọng,

nó giúp việc phát hiện ra các chan thương sớm nhằm giảm thời gian chữa trị

Với sự phát triển của xác hội, khi những người trẻ không có đủ thời gian chăm sóc cho ông bà, cha mẹ, nhiều người cao tuổi phải sống một mình do con cái di xa hoặc

những khi ở nhà một mình Với các nghiên cứu trên, cùng với việc cần gia tăng nhu

cầu chăm sóc sức khỏe đặc biệt là cho nguoi cao tudi, cdc san pham/ dich vu phat hién

ngã dang ngày càng trở nên cần thiết Đặc biệt hệ thống cần phát hiện người ngã trong

thời gian thực (phát hiện ngã sớm) Chính vì những lý do trên nên trong luận văn chúng tôi xây dựng hệ thông phát hiện ngã trong thời gian thực.

1.2 Các phương pháp trước đây về phát hiện người ngã

Hiện nay trên thế giới, các dòng sản phẩm phát hiện người ngã đang rất phát

triển và ngày càng được ứng dụng rộng rãi Các dòng sản phẩm về phát hiện ngã hiện

tại có thể chia thành hai loại chính:

v Loại thứ nhất gồm các giải pháp sử dung trang thiết bị môi trường nhưcamera theo dõi hình ảnh hoạt động của con người, cảm biên âm thanh,

v Loại thứ hai gồm các giải pháp sử dung cảm biến mặc được, trong loạicảm biến này thì có một hoặc nhiều thiết bị được gắn lên cơ thé dé theo đõi các hoạtđộng, tư thế của người.

Ở loại thứ nhất có tỉ lệ phát hiện ngã cao tuy nhiên ở mỗi nơi cần sử dụng thìcần cảm biến dé cài đặt môi trường tại nơi đó, như vậy phương pháp này có giới hạn vềkhông gian Thêm vào đó, phương pháp này thường có chi phí đắt đỏ do phải lắp thiết

bị theo dõi ở khu vực cần phát hiện ngã và bị ảnh hưởng bởi ảnh sáng hoặc nhiễu âm từmôi trường Trong khi cách tiếp cận thứ hai linh động hơn về không gian giới hạn do

hệ thống được gan trên người va có thé hoạt động ở bất kỳ nơi đâu Sự thuận tiện nàygiúp tăng số lượng người sử dụng cũng như số lượng các tình huống phát hiện ngã, do

đó có thé áp dụng tốt cho các hoạt động phát hiện ngã trong thời gian dài ké cả trườnghợp khi có nguy cơ xảy ra ngã cao Hiện nay, cách tiếp cận thứ hai được sử dụng vàtriển khai nhiều nhất bởi vì hiện nay có rất nhiều thiết bị, đặc biệt là thiết bị đi động cótrang bị cảm biến gia tốc

Dưới đây chúng tôi sẽ trình bày một số phương pháp phát hiện ngã: Hệ thống tựđộng phát hiện ngã cho thiết tại gia thông minh của Chia-Wen Lin va Zhi-Hong Ling[15] Day là hệ thống sử dụng camera đề quan sát phát hiện ngã Trong nghiên cứu này

tác giả sử dụng video được nén trong miền nèn để phát hiện ngã và kiểm tra sự di

chuyển của đối tượng Sau khi phát hiện sự chuyển động của đối tượng thì các tínhnăng miền nén của mỗi đối tượng được khai thác dé xác định và định vị vị trí ngã Ba

tham số được sử dụng dé phat hién nga:

v Trọng tâm của đối tượng: khi ngã thi trọng tâm của người ngã thay đổiđáng ké và nhanh chóng

v Giá tri của phép chiếu thang đứng: xét theo chiều dọc giá trị của phépchiếu thang đứng thì giá trị mức tối đa của phép chiếu thay đổi lớn trong quá trình xảy

ra ngã.

v Khoảng thời gian dé xác định và định vi vi trí ngã: sự cô ngã thường xảy

ra trong thời gian ngắn, khoảng 0,4 — 0,8s

Dé có được giá trị của ba tham số này thì phương pháp chia nhỏ miền nén được

đề xuất Đây là kỹ thuật mang lại hiệu quả trong việc tính toán phức tạp và giá thành

lưu trữ vì nó có thể tận dụng được lợi thế của thông tin được truyền trong nén bitstream

video mà không cần giải mã do đó giảm đáng ké số lượng dữ liệu Tuy nhiên hạn chếcủa phương pháp là chất lượng hình ảnh mà camera thu được bị ảnh hưởng bởi các yêu

tố khách quan như ánh sáng và bóng tối, đồ đạc trong nhà làm che bớt tam quan sát củacamera, vv Thêm một hạn chế nữa cho hệ thống này đó là sự giới hạn về không gianquan sát Chỉ những nơi nào được lắp đặt camera quan sát thì mới có thé ghi lại đượchình ảnh và phát hiện ngã Ngoài ra phát hiện ngã bằng camera còn liên quan đến vấn

dé bảo mật, riêng tư của người sử dụng.

Phương pháp phát hiện ngã bằng theo dõi quỹ đạo đầu người [12] Phươngpháp này thực hiện bang cách sử dụng dữ liệu 3D quỹ dao đầu người, cho phép theodõi chuyển động và phân biệt được ngã từ các hành động bình thường Thuật toán pháthiện ngã của hệ thống bao gồm ba bước:

v Xác định vị trí đầu: bước này thực hiện theo dõi vi tri đầu người — bộphận cơ thể luôn nhìn thấy trên khung hình và sẽ chuyển động nhanh trong quá trìnhngã Đầu người có dạng hình trái xoan trong mặt phăng 3D và có hình elip trong mặt

phăng 2D Đầu người được xác định bằng thuật toán Dementhon

v Theo dõi 3D: Lợi thế của các bộ lọc riêng phần là chúng cho phép sự

thay đôi đột ngột trên quỹ đạo và có thế đối phó với những lỗi nhỏ Phương pháp thông

thường để theo dõi dầu là sử dụng những bộ lọc riêng phần làm việc tốt với nhữngchuyển động nhỏ Trong trường hợp này, chuyên động có thé rất lớn khi ngã, do vậycần điều chỉnh phương pháp hiện tai dé giải quyết vấn đề này Bộ lọc riêng phần đượcđiều chỉnh thành ba bước Đầu tiên một bộ lọc riêng phần tìm lân cận của vị trí cuối

cùng hình elip Nếu nó không tìm thấy đầu, một bộ lọc thứ hai được sử dụng để tìm

kiếm vị trí gần đúng của đầu người trong ảnh mới và bộ lọc riêng phần thứ ba lọc racác vị trí Các bộ lọc riêng phần được dựa trên mức xám xung quanh chu vi hình elip

và kha năng thay đổi màu nền trong đó

v Phát hiện ngã: Tiến hành lấy mẫu sử dung vector V, theo phương thangđứng và vector Vụ theo phương nằm ngang trong hệ tọa độ chuan dé phân biệt ngã vớicác hoạt động bình thường Quỹ đạo 3D được trích xuất từ tín hiệu video được sử dụng

dé đưa ra những nét đặc trưng Bằng cách lay ngưỡng vector V, và Vụ có thể xác định

ngã.

Hệ thống phát hiện gã bao gồm môt camera duy nhất được đặt trong một góctrên của căn phòng Dé giảm chi phí, hệ thống được xây dựng dựa trên một webcamUSB có góc quan sát rộng khoảng 70 độ đủ dé quan sát toàn bộ căn phòng Việc theo

dõi đầu người cung cấp cho ta một quỹ đạo 3D, hữu dụng khi phân biệt ngã với các

tình huống bình thường Tuy nhiên vẫn còn một số điểm cần phải được cải thiện Hiệnnay, các hình elip đại điện cho đầu người trong hình ảnh đầu tiên là phải tự khởi tạo, do

đó cần phát triển một phương pháp phát hiện đầu người tự động khi có người bước vào

phòng.

Khắc phục những nhược điểm về giá cả cho phát hiện ngã, hệ thống phát hiện

ngã sử dụng thiết bị cảm ứng Wii Remotes [6] Wii Remotes là một thiết bị thường

được sử dụng trong các trò chơi tương tác và sẵn có trên thị trường, nó được tích hợp

bộ cảm biến gia tốc có kích thước nhỏ gọn Có bốn giai đoạn được tiễn hành như sau:

v Xử lý tín hiệu: ban đầu một bộ lọc sẽ được sử dụng dé loại bỏ tiếng ồn,những dữ liệu không rõ ràng và điền vào các mau dữ liệu bị mat Sau đó dữ liệu

sẽ được nhóm tới các khung cửa số trượt hoặc các khung dữ liệu

v Phân đoạn: một cửa số trượt hoặc khung dữ liệu được sử dụng để phânkhúc luồng dữ liệu và cửa số trượt/khung dit liệu này có độ dài là 1,8 giây

v Trích chon đặc trưng: từ một khung dữ liệu các đặc trưng khác nhau

được trích chọn.

Y Phân loại dữ liệu dựa trên mô hình Markov ân: với mỗi model số lượngcác trạng thái ân sẽ được tính toán, điều chỉnh cho phù hợp cho việc phân loại

dữ liệu Trong giai đoạn dao tạo thì các thông số của mỗi mô hình được xácđịnh băng cách sử dụng thuật toán BaumWelch Sau đó đến giai đoạn suy luậnthì mô hình đã được đào tạo ở trên dùng dé phân loại hoạt động ngã va các hoạtđộng khác.

Điểm mạnh của thiết bị này là dễ dàng cho người sử dụng và giá thành rẻ Tuynhiên, hạn chế của thiết bị này là thiết bi sử dụng Bluetooth dé kết nối với máy tính

Do hạn chế về khoảng cách kết nối của Bluetooth đến máy tính nên khoảng không gianxác định ngã cũng bị hạn chế gần nơi máy tính được đặt mà thiết bị cảm ứng WiiRemote kết nối với Thêm một điều nữa là người dùng cần phải chú ý mang theo thiết

bị bên mình Điều này cũng gây ra một số bất tiện cho nguoi cao tudi vi ho phai mangthêm một thiết bi ma không dùng vào công việc hàng ngày của ho

SmartFall [16] Sản phẩm SmartFall được phát triển từ nền tảng trước đó:SmartCane — một chiếc gậy được thiết kế hiện đại, bao gồm một bộ cảm biến và một

bộ phát tín hiệu wireless Dữ liệu cảm biến sẽ được chuyền tới một thiết bị cá nhân ở

xa Mục đích của hệ thống này là tự động cảnh báo khẩn cấp cho người thân khi sử dụng gậy ngã mà không thê gọi sự giúp đỡ Cấu trúc của gậy SmartCane gồm 3 thành

phan:

v Một bộ cảm biến: cảm biến trên gay SmartCane bao gồm một gia tốc kế ba trục,

ba trục con quay hồi chuyên tín hiệu và hai cảm biến áp lực

v Một bộ thu nhận tín hiệu: bộ phận nay có nhiệm vu thu nhận tín hiệu từ bộ cam

biến và giao tiếp với các thiết bị bên ngoài thông qua mạng không dây

Một thiết bị cá nhân: là thiết bi di động bat kỳ mà có hỗ trợ Bluetooth, mục dich

là thu thập và xử lý dữ liệu được gửi từ bộ phận thu nhận tín hiệu từ bộ cảm biến

Hiệu quả của SmartFall được đo thông qua một loạt các thí nghiệm Tỷ lệ phát hiện ngã của hệ thông là tương đôi cao, tuy nhiên nó vẫn có một sô hạn chê như:

SmartFall chỉ có thé phát hiện ngã nếu đem gậy bên mình, điều này làm hạn chế hiệunăng phát hiện ngã của hệ thống do người già rất hay quên Một hạn chế nữa của hệthống là bộ cảm biến giao tiếp với thiết bị bên ngoài thông qua mạng không dây làmgiảm không gian có thể phát hiện ngã Do mức độ phủ sóng của mạng không dây là

không lớn.

1.3 Phát biểu bài toán và các giả định

Trên đây là những nghiên cứu, những sản phẩm thương mai dé phát hiện ngã tựđộng Có những hệ thống phát hiện ngã băng camera, bằng cảm biến, bằng mobilephone, bằng thiết bị cảm biến đeo trên người, hoặc dựa trên rung chấn sàn nhà, âmthanh, vv Tuy nhiên những hệ thống này vẫn còn tồn tại những hạn chế về không gian,quyền riêng tư, xác suất phát hiện ngã còn chưa cao do ảnh hưởng của môi trường nhưánh sáng và bóng tối, hay chi phí sử dụng chưa phù hợp, vv Những điều này đã dẫnđến hạn chế của việc phân tán rộng rãi sản phẩm hữu ích này tới người sử dụng Cùngvới nhu cầu cấp thiết của thiết bị này cuộc sống hiện nay, nó đã tạo động lực để tôi bắttay vào nghiên cứu đề tài về phát hiện người ngã Dé tài nghiên cứu của tôi là “ Pháthiện và xác định vị trị người ngã trong thời gian thực bằng mobile phone” Trong

nghiên cứu này tôi trình bày một thuật toán phát hiện người ngã trong thời gian thực và

xây dựng một hệ thống tự động phát hiện ngã trên nền tảng mobile phone Để kiểmnghiệm và đánh giá phương pháp đề xuất, chúng tôi sẽ thực hiện thu thập dữ liệu trên

12 người thực hiện ngã có chủ đích với các tư thế ngã khác nhau, bên cạnh đó tôi cũng

sẽ thu thập cả dữ liệu với các tư thế, hoạt động tương tự ngã như ngồi, nam Sau đó

dữ liệu được xử lý và trích chọn ra các đặc trưng Những đặc trưng này sẽ tạo nên các

vector đặc trưng để huấn luyện và thuật toán phát hiện ngã Mô hình Markov an

(hidden Markov models) sẽ được huấn luyện và sau đó mô hình sé được sử dụng dé

phát hiện ngã Phương pháp được đề xuất cũng được đánh giá và so sánh với hai

phương pháp phát hiện ngã khác là [5] va [11] Hệ thống hứa hẹn sẽ mang lại hiệu quảtốt và tính ứng dụng cao trong thực tế

CHƯƠNG II: PHƯƠNG PHÁP PHÁT HIỆN VÀ XÁC ĐỊNH VỊ

TRÍ NGƯỜI NGÃ TRONG THỜI GIAN THỰC Trong chương này tôi sẽ trình bày cách tiếp cận dé giải bài toán phát hiện ngã và

xác định vị trí người ngã trong thời gian thực Cụ thể, thuật toán phát hiện ngã bao gồmcác bước chính như sau:

v Xử lý tín hiệu: mục đích của bước này là loại bỏ nhiễu hoặc khôi phục dit

liệu bị mat trên dữ liệu cảm biến thu được

Y Trích chọn đặc trưng: dữ liêu sau khi được xử lý sẽ được đưa vào các khung

dữ liệu, sau đó chúng tôi trích chọn đặc trưng từ mỗi khung dữ liệu/cửa số

trượt.

Mô hình Markov 4n cho bài toán phát hiện người ngã: trong bước này chúngtôi sẽ tiến hành huấn luyện thuật toán phát hiện ngã dựa vào đặc trưng đượcchiết suất từ bước trên dựa trên mô hình Markov ẩn Sau khi huấn luyệnthuật toán sẽ được sử dụng đề phát hiện ngã

v Phát hiện vị trí người ngã: Cuối cùng là phát hiện vị trí của người xảy ra ngã

2.1 Xử lý tín hiệu cảm biến

2.1.1 Cảm biến gia tốc.

Cảm biến gia tốc (Accelerometer) có tác dụng nhận diện sự thay đổi vềhướng/góc độ của điện thoại băng cách nhận biết các thay đổi về hướng trên cả ba

chiều của không gian.

Trong khi thực hiện thu thập dữ liệu, các yếu tô bên ngoài tác động vào nên dit

liệu có thé bị mat hoặc không chính xác Do dữ liệu cảm biến có thé đọc cả tiếng ồn, cóthé là rất lớn hoặc rất nhỏ Sự không chính xác của dit liệu cảm biến có thé ảnh hưởngđến kết quả của phát hiện ngã như phát hiện ngã không chính xác hay tỉ lệ phát hiệnngã thấp Dé giảm thiểu van dé này chúng tôi tiến hành xử ly dit liệu cảm biến thu thậpđược bang cách lọc nhiễu va lấp đầy dữ liệu cảm biến bị mat

Ở đây chúng tôi áp dụng bộ lọc dé loại bỏ tiếng ồn Trong bước này, việc loc ditliệu được thực hiện ở cả hai bộ lọc thông thấp (dé loại bỏ các giá trị thấp không bìnhthường) và bộ lọc thông cao (để loại bỏ các giá trị cao không bình thường) Sau khiloại bỏ những dữ liệu bất bình thường hay nhiễu, di liệu được nhóm vào trong cáckhung đữ liệu Nếu khung dữ liệu nào chứa đưới 75% tông đữ liệu đầy đủ khi chưa loại

bỏ nhiễu thì khung dữ liệu đó sẽ được loại bỏ vì nó không đủ thông tin dé phân tích, nó

có thé làm cho việc phân loại hoạt động thiếu chính xác hơn Ngược lại là những khung

dữ liệu đủ tiêu chí phân tích, nó sẽ được lấy lại mau dit liệu bị mất nhờ phương phápnội suy khối Spline [21]

2.1.2 Cảm biến GPS.

GPS (Global Positioning System) là hệ thống cho phép theo dõi mục tiêu hoặc

“điều hướng” dựa trên các bức ảnh hoặc bản đồ với sự trợ giúp của các vệ tinh

Trong nghiên cứu này, dữ liệu cảm biến GPS chỉ xử lý khi hành động đó đượcphát hiện là ngã Khi có hành động ngã được trả về, tọa độ (x, y) tai nơi xảy ra hànhđộng ngã đó sẽ được trả về

2.2 Trích chọn đặc trưng

Chọn ra đặc trưng của hành động ngã là yếu tố quyết định tới thành công củabất kỳ hệ thống phát hiện ngã nào Ở đây tôi sử dụng khung cửa số trượt (silingwindow) Dữ liệu từ bộ cảm biến biến thiên liên tục theo thời gian nên dé xác địnhkhoảng thời gian nào có nhiều khả năng người đeo bộ cảm biến bị ngã chúng tôi phânđoạn dữ liệu thành các khung cửa số trượt Các nghiên cứu trước đây cho thấy chiềudài của khung cửa số trượt ảnh hưởng đáng ké đến hiệu suất của hệ thống nhận dạng.Trong nghiên cứu này chúng tôi sử dụng chiều dài cửa số 1,8 giây, điều này cho phép

tránh trễ từ xử lý thời gian thực liên tục trong khi nhận dạng đánh giá hành động ngã

[6].

Sau khi dit liệu được chia vào các frame, trích chọn tính năng như bên dưới: