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 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 riêng địa liên lạc: 80, Tổ 3, Ấp 4, Xã Tam Hiệp, Huyện Châu Thành, Tỉnh Tiền Giang Điện thoại quan: Điện thoại nhà riêng: E-mail: hoaiantiengiang@gmail.com II QUÁ TRÌNH ĐÀO TẠO: Trung học chuyên nghiệp: Hệ đào tạo: Thời gian đào tạo từ ……/…… đến ……/ …… Nơi học (trƣờng, thành phố): Ngành học: 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 môn thi tốt nghiệp: PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC Ngày & nơi bảo vệ đồ án, luận án 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 – Nơi công tác Công việc đảm nhiệm Công ty TNHH Sonion Việt Nam – Khu Kỹ sƣ phòng nghiên Công Nghệ Cao TP.HCM cứu phát triển Trung tâm Nghiên cứu Đào tạo Thiết kế Vi mạch (ICDREC) – ĐHQG TP.HCM i Kỹ sƣ phụ trách đào tạo LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chƣa đƣợc công bố công trình khác Tp Hồ Chí Minh, ngày … tháng … năm 2015 (Ký tên 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, quý thầy cô khoa Điện – Điện Tử giảng dạy, truyền đạt kiến thức quý báu nhƣ giúp đỡ em giải khó khăn gặp phải suốt trình làm luận văn Đặc biệt em xin chân thành cảm ơn TS Nguyễn Thanh Hải giảng viên hƣớng dẫn tận tình giúp đỡ, dạy đề xuất hƣớng giải vấn đề khó khăn trình nghiên cứu hoàn thành đề tài Bên cạnh em xin cảm ơn anh/chị học viên, bạn bè, đồng nghiệp, đóng góp ý kiến, hỗ trợ, cộng tác tạo mọi điều kiện thuận lợi để hoàn thành luận văn Học viên Trịnh Hoài Ân iii TÓM TẮT Té ngã nguyên nhân gây chấn thƣơng nghiêm trọng tai nạn nguy hiểm ngƣời lớn tuổi Do việc phát sớm té ngã có phƣơng pháp điều trị kịp thời điều quan trọng giúp cứu sống nhiều bệnh nhân Chính lẽ đó, năm gần đây, nhà khoa học nghiên cứu, phát triển nhiều công trình, nhiều phƣơng pháp phát nhận dạng té ngã có độ xác cao, phục vụ cho việc chăm sóc sức khỏe ngƣời lớn tuổi đƣợc tốt Trong đề tài này, học viên nghiên cứu giải thuật thiết kế 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 vị trí cố định không gian cần giám sát Đặc trƣng liệu đƣợc trích xuất phƣơng pháp phân tích thành phần (Principal Component Analysis – PCA) Thuật toán SVM đƣợc sử dụng để huấn luyện nhận dạng trạng thái ngƣời xem có xảy té ngã hay không Các kết thí nghiệm đƣợc thực ba ngƣời với trƣờng hợp nhƣ thực tế cho kết tƣơng đối tốt độ tin cậy 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 TỔNG QUAN .1 1.1 Tổng quan chung lĩnh vực nghiên cứu 1.2 Mục đích đề tài 1.3 Nhiệm vụ giới hạn đề tài 1.3.1 Nhiệm vụ 1.3.2 Giới hạn 1.4 Phƣơng Pháp Nghiên Cứu 1.5 Tóm Tắt Đề Tài Chƣơng CƠ SỞ LÝ THUYẾT 2.1 Té ngã yếu tố ảnh hƣởng đến té ngã .7 2.1.1 Định nghĩa té ngã 2.1.2 Các yếu tố đặc trƣng hoạt động té ngã vi 2.2 Các phƣơng pháp phát nhận dạng té ngã .8 2.2.1 Phƣơng pháp sử dụng cảm biến môi trƣờng 2.2.2 Phƣơng pháp sử dụng cảm biến đeo thể 2.2.3 Phƣơng pháp sử dụng thị giác máy tính (sử dụng camera) .10 Chƣơng XÂY DỰNG HỆ THỐNG THU DỮ LIỆU TÉ NGÃ 14 3.1 Phần cứng hệ thống 14 3.1.1 Camera Kinect thƣ viện hỗ trợ .14 3.1.2 Module báo động .17 3.2 Nhận dạng khớp xƣơng ảnh hƣởng khớp xƣơng đến tƣ 18 3.2.1 Nhận dạng khớp xƣơng 18 3.2.2 Ảnh hƣởng khớp xƣơng đến tƣ ngƣời .21 3.3 Thu thập liệu 24 Chƣơng TRÍCH ĐẶC TRƢNG VÀ NHẬN DẠNG SỬ DỤNG PHƢƠNG PHÁP PCA .31 4.1 Tổng quan 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 HUẤN LUYỆN VÀ NHẬN DẠNG SỬ DỤNG THUẬT TOÁN SVM 41 5.1 Tổng quan 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 KẾT QUẢ THỰC HIỆN 47 6.1 Thu liệu té ngã .47 6.2 Hệ thống thông báo té ngã 53 vii 6.3 Kết nhận dạng sử dụng Euclide 54 6.4 Kết nhận dạng sử dụng SVM 55 Chƣơng 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 xác phƣơng pháp nhận dạng 11 Bảng 2.2 Hiệu suất nhận dạng phƣơng pháp đƣợc đề xuất 12 Bảng 3.1 Đặc trƣng tƣ thu liệu Kinect 22 Bảng 4.1 Thứ tự mẫu liệu 33 Bảng 6.1 Mô tả trƣờng hợp lấy mẫu 47 Bảng 6.2 Kết nhận dạng với số lƣợng vector đặc trƣng 1000 (41,7%) 54 Bảng 6.3 Kết nhận dạng với số lƣợng vector đặc trƣng 2000 (83,3%) 55 Bảng 6.4 Kết nhận dạng với số lƣợng vector đặc trƣng 2400 (100%) 55 Bảng 6.5 Kết nhận dạng trạng thái té ngã không té ngã 57 Bảng 6.6 Kết nhận dạng té ngã với hoạt động thƣờng ngày khác .57 ix DANH SÁCH HÌNH Hình TRANG Hình 1.1 Tỷ lệ nhập viện té ngã tăng dần theo độ tuổi giới tính Canada Hình 1.2 Các chấn thƣơng ngƣời lớn tuổi thƣờng gặp phải bị té ngã [1] .2 Hình 2.1 Các phƣơng pháp phát nhận dạng té ngã 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 liệu cảm biến độ sâu [19] 15 Hình 3.5 Mô tả hệ tọa độ độ sâu Kinect .16 Hình 3.6 Sơ đồ khối module báo động .17 Hình 3.7 Sơ đồ thực nhận diện khớp xƣơng Kinect [20] 19 Hình 3.8 a) Chuyển đổi ảnh chiều sâu thành đồ phận thể [20] 19 Hình 3.9 Ví dụ câu hỏi 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) khớp xƣơng 26 Hình 3.14 Minh họa hoạt động té ngã ngƣời 27 Hình 3.15 Tọa độ theo trục Y khớp xƣơng đầu té ngã không té ngã 28 Hình 3.16 Mô tả liệu tập mẫu P 29 Hình 3.17 Mô tả liệu tập mẫu S 30 Hình 4.1 Mô tả phƣơng pháp PCA 31 Hình 4.2 Mô tả trình biến đổi liệu PCA 32 Hình 4.3 Lƣu đồ thực thuật toán PCA 34 Hình 4.4 Chuyển đổi liệu đầu vào thành vector n2x1 35 x Hình 4.5 Mô tả tập liệu mẫu PCA .35 Hình 4.6 Mô tả trung bình mẫu PCA .36 Hình 4.7 Lƣu đồ chƣơng trình nhận dạng khoảng cách Euclide .39 Hình 5.1 Các siêu phẳng H1 H2 chia mẫu thành lớp khác 42 Hình 5.2 Lƣu đồ chƣơng trình phát nhận dạng té ngã sử dụng SVM 44 Hình 5.3 Phân loại trạng thái dựa vào siêu phẳng thuật toán SVM [24] 45 Hình 6.1 Dữ liệu tọa độ khớp xƣơng đƣợc lƣu dƣới dạng xls 48 Hình 6.2 Mô tả trƣờng hợp thu tập mẫu 50 Hình 6.3 Phân bố liệu khớp xƣơng đầu trƣờng hợp té ngã 51 Hình 6.4 Phân bố liệu khớp xƣơng đầu 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 có té ngã 53 Hình 6.7 Tự động gọi điện thông báo .54 Hình 6.8 Kết nhận dạng đối tƣợng bị té ngã 56 Hình 6.9 Kết 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 Tổng quan Chƣơng TỔNG QUAN 1.1 Tổng quan chung lĩnh vực nghiên cứu Đối với ngƣời lớn tuổi chấn thƣơng té ngã tai nạn nguy hiểm phổ biến Điều gây nên gánh nặng lớn cá nhân, gia đình hệ thống chăm sóc sức khỏe Theo báo cáo quan Y tế Công cộng Canada công bố năm 2014 [1] cho thấy tỷ lệ nhập viện té ngã tăng dần theo độ tuổi Cụ thể có khoảng – ngƣời/1000 ngƣời độ tuổi từ 65 – 69 phải nhập viện chấn thƣơng liên quan đến té ngã tăng lên dần theo độ tuổi đến mức khoảng 49 – 68 ngƣời/1000 ngƣời độ tuổi 90 phải nhập viện té ngã nhƣ trình bày hình 1.1 Các chấn thƣơng liên quan đến té ngã nguyên nhân phải nhập viện gây tử vong hàng đầu ngƣời lớn tuổi Hình 1.1 Tỷ lệ nhập viện té ngã tăng dần theo độ tuổi giới tính Canada năm 2010 [1] Ở ngƣời lớn tuổi việc té ngã không xảy lần mà thƣờng tái diễn Hầu hết ngƣời già té ngã tự làm cho họ bị chấn thƣơng Ngay không bị tổn thƣơng lần té ngã làm cho họ lo âu giảm mức độ sinh hoạt Chƣơng Tổng quan ngày Kết lần té ngã gây chấn thƣơng nghiêm trọng Chẳng hạn nhƣ trật khớp, bong gân, gãy xƣơng vị trí khác nhau, tụ máu dƣới màng cứng, tổn thƣơng mô mềm nghiêm trọng khác chấn thƣơng đầu nhƣ mô tả hình 1.2 Hình 1.2 Các chấn thƣơng ngƣời lớn tuổi thƣờng gặp phải bị té ngã [1] Các nguyên nhân gây té ngã ngƣời già đƣợc [2 – 3] bao gồm:  Bị thăng di chuyển: chân yếu giữ thăng bằng, vội vàng di chuyển, mang giày dép không an toàn khoảng không gian trơn trƣợt  Do chóng mặt, tăng/giảm huyết áp đột ngột, đột quỵ  Do ảnh hƣởng bệnh nhƣ: loãng xƣơng, Parkinson, viêm khớp  Tầm nhìn bị hạn chế: bệnh liên quan đến mắt ngƣời lớn tuổi nhƣ đục thủy tinh thể, tăng nhãn áp…  Do ảnh hƣởng sử dụng thuốc: thuốc an thần, thuốc chống trầm cảm, thuốc chống loạn thần góp phần làm giảm tỉnh táo tinh thần, ảnh hƣởng xấu đến cân dáng gây tăng huyết áp đứng Chƣơng Tổng quan  Các mối nguy hại môi trƣờng xung quanh: liên quan đến mối nguy hiểm đối tƣợng/vật dụng tồn nhà, vấp ngã vật dụng sàn  Các yếu tố khác bao gồm ánh sáng kém, thiếu vịn/tay vịn đồ nội thất không phù hợp Tác động trực tiếp việc té ngã ngƣời lớn tuổi bị chấn thƣơng, nặng tử vong Nếu nạn nhân đƣợc phát muộn hậu nghiêm trọng nhƣ bị hạ thân nhiệt máu Việc phát nạn nhân sớm mang đến nhiều hội để cứu sống nạn nhân Những nghiên cứu mặt y học nêu nêu lên nhìn tổng quan té ngã ngƣời lớn tuổi, nguyên nhân dẫn đến té ngã… Thế nhƣng đứng góc độ khoa học công nghệ việc nghiên cứu, ứng dụng thành tựu khoa học công nghệ để tìm giải pháp nhằm ngăn chặn, cảnh báo té ngã ngƣời lớn tuổi đƣợc xem nhƣ vấn đề cần thiết đầy tiềm Một loạt phƣơng pháp đƣợc thực với công nghệ phát té ngã mức độ khác đem đến thành công định Thiết bị phát trạng thái té ngã đƣợc kể đến nhƣ thiết bị báo động mặc/đeo đƣợc thiết bị báo động hình ảnh dạng bị động Đã có nhiều công trình nghiên cứu sử dụng thiết bị đại với mục đích giám sát hoạt động ngƣời lớn tuổi Các thiết bị dò tìm, phát việc té ngã phát 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 té ngã bao gồm: sử dụng loại camera việc giám sát, dò tìm phát té ngã [4 – 5], sử dụng loại cảm biến môi trƣờng [6] sử dụng cảm biến đeo thể ngƣời [7 – 8] Trong trƣờng hợp sử dụng camera hệ thống đƣợc thiết lập không gian cố định để giám sát hoạt động ngƣời lớn tuổi Dữ liệu đƣợc thu nhận sử dụng phƣơng pháp, thuật toán xử lý ảnh để nhận biết trạng thái đối tƣợng ảnh Ƣu điểm phƣơng pháp ngƣời sử dụng không cần đeo thiết bị lên ngƣời, việc dò tìm đƣợc thực cách tự động hoàn Chƣơng Tổng quan toàn chủ động không gian Thế nhƣng nhƣợc điểm đôi lúc bị ảnh hƣởng độ chói số nhiễu khác môi trƣờng xung quanh dẫn đến làm tăng độ khó thuật toán xử lý để đạt kết tốt Đối với trƣờng hợp sử dụng cảm biến môi trƣờng nhƣ cảm biến hồng ngoại hay cảm biến âm thanh, hệ thống dò tìm đƣợc môi trƣờng thiết lập Ƣu điểm phƣơng pháp chi phí thấp thuận tiện cho ngƣời dùng mang thêm thiết bị Tuy nhiên, hệ thống dò tìm môi trƣờng đƣợc thiết lập sẵn tìm ẩn nhiều tín hiệu nhiễu từ vật thể khác môi trƣờng Đối với trƣờng hợp sử dụng cảm biến đeo thể ngƣời sử dụng loại cảm biến nhƣ cảm biến gia tốc, quay hồi chuyển, cảm biến góc nghiêng Dữ liệu thu đƣợc từ cảm biến đƣợc xử lý, nhận dạng tƣ vị trí ngƣời dùng Ƣu điểm phƣơng pháp thiết bị nhỏ gọn, sử dụng động di chuyển, dễ sử dụng Thế nhƣng nhƣợc điểm ngƣời sử dụng phải đeo thiết bị lên thể gây cảm giác khó chịu cho ngƣời sử dụng Mặc khác té, ngƣời già tỉnh táo, khó để nhấn nút kích hoạt báo động thiết bị Mặc dù có hiểu biết định yếu tố nguy dẫn đến té ngã, giai đoạn nguy hiểm xảy té ngã ngày vị trí phổ biến cho té ngã nhƣng chƣa có phƣơng pháp để dự đoán xác thời điểm trạng thái té ngã xảy Để nắm bắt đƣợc thời điểm xác té ngã, ngƣời bị té ngã phải đƣợc theo dõi liên tục số lƣợng lớn ngƣời lớn tuổi phải đƣợc quan sát để thu thập sở liệu đầy đủ cho việc cảnh báo té ngã Có nhiều vấn đề có ảnh hƣởng đến tuân thủ ngƣời lớn tuổi: nhiều ngƣời lớn tuổi lo sợ sử dụng công nghệ nhận dạng té ngã phức tạp, khó khăn “nhàm chán” để họ sử dụng; họ đơn giản quên sử dụng thiết bị Phòng ngừa té ngã trình lâu dài bắt buộc ngƣời bị té ngã phải hiểu yếu tố cần thiết việc sử dụng thiết bị cảnh báo giúp cho việc thu thập liệu ngăn chặn có hiệu trƣờng hợp té ngã xảy Chƣơng Tổng quan Các kỹ thuật đại y tế, đặc biệt việc chăm sóc sức khỏe cho ngƣời già ngƣời khuyết tật nhằm mục đích phòng ngừa điều trị hiệu quả, từ nâng cao chất lƣợng sống 1.2 Mục tiêu đề tài Mục tiêu đề tài xây dựng hệ thống nhận dạng phát trạng thái té ngã sử dụng camera Kinect, áp dụng thuật toán phân tích thành phần (PCA) để trích xuất đặc trƣng sử dụng phƣơng pháp nhận dạng dựa thuật toán vector máy hỗ trợ (SVM) để huấn luyện nhận dạng ngƣời bị té ngã Bên cạnh đề tài đƣa tín hiệu cảnh báo qua thiết bị báo động (chuông) tin nhắn điện thoại cho số điện thoại cài đặt phát té ngã 1.3 Nhiệm vụ giới hạn đề tài 1.3.1 Nhiệm vụ - Xây dựng thu thập tập sở liệu với RGB image depth image trạng thái té ngã tƣ thƣờng ngày - Áp dụng thuật toán PCA để trích xuất đặc trƣng liệu thu đƣợc - Thực việc huấn luyện nhận dạng trạng thái té ngã thuật toán SVM - Xây dựng hệ thống báo động xảy té ngã qua tin nhắn SMS/tự động gọi điện chuông/còi báo động 1.3.2 Giới hạn - Khoảng cách thu nhận liệu giới hạn phạm vi [1m – 5m] - Thực nhận dạng tƣ có tƣ té ngã tƣ hoạt động ngày - Nhận dạng trạng thái tĩnh, xử lý hình ảnh offline - Tập sở liệu thu ngƣời - Thực thí nghiệm môi trƣờng S K L 0 [...]... 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... 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... 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. .. 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... 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... 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... 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 ... 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... 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... 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