Đang tải... (xem toàn văn)
Nhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minhNhận dạng cử chỉ người với đồng hồ đeo tay thông minh
i LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu riêng tơi Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác Tác giả luận văn Nguyễn Việt Tiệp ii LỜI CẢM ƠN Qua trình học tập nghiên cứu, để có kết ngày hơm nay, đặc biệt hoàn thành nội dung luận văn tốt nghiệp Thạc sĩ khoa học Tôi xin bày tỏ lòng biết ơn sâu sắc tới tất Thầy, Cơ giáo Học viện Cơng nghệ Bưu Viễn thơng, người tận tình giảng dạy, truyền đạt cho kiến thức quý báu, tạo cho tảng kiến thức vững để học tập nghiên cứu Tơi xin bày tỏ lòng kính trọng lời cảm ơn sâu sắc tới thầy giáo PGS.TS Phạm Văn Cường, Thầy tận tình hướng dẫn, bảo, định hướng nghiên cứu, lời khuyên, lời nhận xét truyền đạt nhiều ý tưởng, kiến thức quý báu cho suốt trình thực luận văn Cuối cùng, xin gửi lời cảm ơn chân thành tới gia đình, bạn bè đồng nghiệp, người quan tâm, giúp đỡ, động viên tạo điều kiện tốt cho nghiên cứu học tập Tôi xin chân thành cảm ơn ! Tác giả luận văn Nguyễn Việt Tiệp iii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC THUẬT NGỮ, CHỮ VIẾT TẮT v DANH MỤC BẢNG vi DANH MỤC BIỂU ĐỒ vii DANH MỤC HÌNH VẼ viii MỞ ĐẦU .1 Lý chọn đề tài .1 Mục đích nghiên cứu .1 Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu .2 Chương TỔNG QUAN NHẬN DẠNG CỬ CHỈ 1.1 Giao diện cử 1.1.1 Định nghĩa cử 1.1.2 Phân loại cử 1.2 Nhận dạng cử 1.2.1 Kỹ thuật nhận dạng cử 1.2.2 Ứng dụng nhận dạng cử 1.3 Tương tác cử thiết bị thông minh .11 1.4 Các nghiên cứu trước 11 1.4.1 Nhận dạng người dùng dựa đặc điểm sinh trắc học 11 1.4.2 Nhận dạng dựa chuyển động 12 1.5 Kết luận chương 16 iv Chương NHẬN DẠNG CỬ CHỈ NGƯỜI VỚI ĐỒNG HỒ ĐEO TAY THÔNG MINH 17 2.1 Cảm biến với hoạt động nhận dạng 17 2.2 Cảm biến gia tốc Accelerometers quay hồi chuyển Gyroscope .19 2.2.1 Cảm biến gia tốc Accelerometers 20 2.2.2 Cảm biến quay hồi chuyển .22 2.3 Xử lý liệu cảm biến .24 2.4 Trích chọn đặc trưng 28 2.5 Mơ hình Markov ẩn (Hiden Markov Model - HMM) 31 2.5.1 Giới thiệu mơ hình Markov ẩn 31 2.5.2 Tham số mơ hình Markov ẩn 34 2.6 Mơ hình Markov ẩn cho tốn nhận dạng cử 36 2.6.1 Filtering (Bộ lọc) .37 2.6.2 Vector quantization (Định lượng véc tơ) 39 2.6.3 Model 41 2.7 Kết luận chương 46 Chương THỬ NGHIỆM VÀ ĐÁNH GIÁ 47 3.1 Thu thập liệu 47 3.2 Thực nghiệm đánh giá 52 3.2.1 Đánh giá 1: Đánh giá người .53 3.2.2 Đánh giá 2: Đánh giá độc lập người dùng 55 3.3 Kết luận chương 56 KẾT LUẬN .58 DANH MỤC TÀI LIỆU THAM KHẢO v DANH MỤC THUẬT NGỮ, CHỮ VIẾT TẮT GPS Hệ thống định vị toàn cầu HMM Mơ hình Markov ẩn HCI Tương tác Người - Máy MEMS Hệ vi điện tử FRR Tỷ lệ loại bỏ sai FAR Tỷ lệ chấp nhận sai EER Tỷ lệ cân lỗi MCR Tỷ lệ vượt qua trung bình ZCR Tỷ lệ vượt qua điểm khơng vi DANH MỤC BẢNG Bảng 2.1 Sơ lược cảm biến gắn người sử dụng nhận dạng .18 Bảng 2.2 Phương pháp trích chọn đặc trưng cho tín hiệu gia tốc 29 Bảng 3.1 Kết thực nghiệm với Độ xác - Precision 54 Bảng 3.2 Kết thực nghiệm với Độ bao phủ - Recall 54 Bảng 3.3 Kết thực nghiệm độc lập người dùng tính tốn theo độ xác – Precision 55 Bảng 3.4 Kết thực nghiệm độc lập người dùng tính tốn theo độ bao phủ - Recall 56 vii DANH MỤC BIỂU ĐỒ Biểu đồ Minh họa cử 48 Biểu đồ Minh họa cử 49 Biểu đồ Minh họa cử 49 Biểu đồ Minh họa cử 50 Biểu đồ Minh họa cử 50 Biểu đồ Minh họa cử 51 Biểu đồ Minh họa cử 51 Biểu đồ Minh họa cử 52 viii DANH MỤC HÌNH VẼ Hình 1.1 Minh họa cử tĩnh Hình 1.2 Minh họa cử động Hình 1.3 Minh họa cử HCI Hình 1.4 Sơ đồ bước nhận dạng cử Hình 2.1 Chuyển động góc tuyến tính .20 Hình 2.2 Cảm biến Accelerometer 21 Hình 2.3 Minh họa Gyroscope giám sát độ nghiêng máy bay 23 Hình 2.4 Cảm biến quay hồi chuyển Gyroscope .24 Hình 2.5 Hệ thống nhận dạng cử 25 Hình 2.6 Các tín hiệu gia tốc cử khác 29 Hình 2.7 Mơ hình Markov ẩn 31 Hình 2.8 Đồ thị vô hướng HMM .32 Hình 2.9 Mơ hình Markov ẩn với sáu trạng thái 35 Hình 2.10 Thành phần hệ thống nhận dạng .36 Hình 2.11 Cử tham khảo 36 Hình 2.12 Trạng thái sử dụng lọc cho cử hình vng 38 Hình 2.13 Mơ tả giảm bớt số lượng véc tơ sử dụng hai lọc 38 Hình 2.14 Minh họa phân cụm liệu 40 Hình 2.15 Sơ đồ huấn luyện liệu .42 Hình 2.16 Sơ đồ toán nhận dạng cử .44 Hình 3.1 Mẫu cử .47 MỞ ĐẦU Lý chọn đề tài Ngày nay, sản phẩm công nghệ trở nên gần gũi với người sử dụng Nó mang lại nhiều tiện ích ứng dụng hỗ trợ đắc lực giúp cho sống công việc trở nên đơn giản, thuận tiện tiết kiệm thời gian Những sản phẩm công nghệ thông minh ngày phát triển điện thoại thông minh, đồng hồ đeo tay thông minh,… Ưu điểm thiết bị chúng dễ dàng mang theo, sử dụng hầu hết khắp nơi thời điểm Khi máy tính ngày thu nhỏ kích thước kính hay đồng hồ đeo tay việc sử dụng bàn phím, chuột hay hình cảm ứng trở nên khơng thích hợp Thay vào đó, tương tác người – máy nghiên cứu phát triển mạnh Bàn tay, phận hoạt động xác hiệu người sử dụng công cụ, đánh giá nhiều tiềm Và thực tế toán nhận dạng cử nhận nhiều quan tâm nghiên cứu có ứng dụng cụ thể tương tác robot, nhận diện ngôn ngữ cử chỉ, hay điều khiển thiết bị thông minh Tuy nhiên, ứng dụng tương tác qua bàn tay thường đòi hỏi độ xác cao số bậc tự lớn khiến phương pháp truyền thống tỏ hiệu Thay vào đó, phương pháp nhận dạng cử người dựa đồng hồ đeo tay thông minh hướng tiếp cận khả thi Các cơng trình nghiên cứu trước cho thấy cử giao tiếp tự nhiên với người có tiềm trở thành tương tác mặt cử Trong luận văn này, nghiên cứu xây dựng chế kỹ thuật nhận dạng cử người thông qua việc sử dụng công nghệ cảm biến gia tốc chiều quay hồi quy chiều tích hợp sẵn đồng hồ đeo tay thông minh Mục đích nghiên cứu Tương tác người – máy lĩnh vực nghiên cứu thu hút nhiều quan tâm nhà khoa học giới nước thời gian gần Mục đích nghiên cứu nhằm hướng tới hệ tương tác người máy, tiệm cận tương tác người với người, nghĩa dùng phương tiện tương tác thơng qua cử chỉ,… Mục tiêu nghiên cứu Luận văn có hai mục tiêu: Đầu tiên, nghiên cứu phát triển phương pháp nhận dạng cử người với đồng hồ đeo tay thông minh Đánh giá phương pháp đề xuất thực nghiệm với liệu thu thập người dùng khác Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu: Nghiên cứu phát triển phương pháp nhận dạng cử người đồng hồ đeo tay thông minh Phạm vi nghiên cứu: Nghiên cứu lập trình với cảm biến gia tốc xử lý liệu cảm biến gia tốc Nghiên cứu thuật toán nhận dạng cử người Thử nghiệm đánh giá phương pháp Phương pháp nghiên cứu - Nghiên cứu cảm biến gia tốc: xử lý tín hiệu liệu cảm biến đến từ đồng hồ đeo tay thông minh - Nghiên cứu phương pháp học máy cho toán nhận dạng cử người sử dụng đồng hồ đeo tay thông minh - Thử nghiệm đánh giá phương pháp 48 Việc lấy liệu từ cảm biến thực sau: Đầu tiên, người dùng đeo đồng hồ thông minh bên tay phải Sau đó, thực cử hình 3.1 Đồng hồ thơng minh có trang bị cảm biến gia tốc gắn dùng để cảm nhận gia tốc theo ba trục Mỗi mẫu tín hiệu cử ba giá trị tương ứng với trục x, y, z cảm biến với tốc độ lấy mẫu thiết lập mức 100 Hz Dữ liệu thu trục x, y, z cảm biến số hóa phi tuyến tính với gia tốc trọng trường cảm biến Cảm biến gia tốc đo giá trị gia tốc với khoảng đo đầy đủ ± 2g Sau thu liệu từ cảm biến, dòng liệu từ cảm biến truyền qua Bluetooth tới phần mềm xử lý trung tâm máy tính điện thoại di động Tại đây, luồng tín hiệu đầu vào từ cảm biến sau tiền xử lý phân đoạn thành khung cửa sổ trượt (sliding window) thực trích xuất đặc trưng Sau đó, áp dụng kỹ thuật, thuật toán học máy để tạo tập huấn luyện Từ tập huấn luyện, kết nhận dạng so sánh để kiểm chứng tổng hợp nhằm nhận dạng cử người dùng Dưới hình ảnh mơ tả dòng liệu lấy từ cảm biến bên đồng hồ đeo tay thông minh với việc thực cử nêu Biểu đồ Minh họa cử 49 Biểu đồ Minh họa cử Biểu đồ Minh họa cử 50 Biểu đồ Minh họa cử Biểu đồ Minh họa cử 51 Biểu đồ Minh họa cử Biểu đồ Minh họa cử 52 Biểu đồ Minh họa cử 3.2 Thực nghiệm đánh giá Chúng ta có tất cử chỉ, gán nhãn cho mẫu cử đánh số từ đến theo hình 3.1, tập cử G = {G1, G2, G3, G4, G5, G6, G7, G8} Tiến hành thực nghiệm người dùng gán nhãn từ người thứ đến người thứ tám tương ứng với tập P = {P1, P2, P3, P4, P5, P6, P7, P8} Cơ sở liệu bao gồm 80 lần thực cử dành cho người, phép thử nghiệm i tăng từ đến 80 Kịch xây dựng thực nghiệm để đánh giá tập mẫu sau: - Trong tập cử gồm 80 cử huấn luyện, lấy cử người để đối sánh với 79 cử lại Có nghĩa là, kịch ta đánh giá cử thực người, từ người thứ đến người thứ tám 53 - Kịch xây dựng dựa việc đánh giá độc lập với người Dùng người thực cử để lấy mẫu huấn luyện người thực cử để đối sánh với tập huấn luyện mẫu Để đánh giá hệ thống kiểm tra đòi hỏi phân tích thành phần: Precision (Độ xác) Recall (Độ bao phủ) Precision tập cử sở liệu cử đối sánh nhận dạng Recall tập cử sở liệu, nhận dạng cử Precision Recall định nghĩa sau: Precision = Recall = 𝑇𝑃 𝑇𝑃+𝐹𝑃 𝑇𝑃 𝑇𝑃+𝐹𝑁 (2.20) (2.21) Trong đó: TP: Số cử dùng để test nhận dạng FP: Số cử sai nhận dạng FN: Số cử nhận dạng sai 3.2.1 Đánh giá 1: Đánh giá người Với tập sở liệu gồm 80 cử huấn luyện, lấy cử người để kiểm tra đối sánh với 79 cử lại Q trình lặp lại lấy mẫu cử kiểm tra từ người thứ P1 đến P8 Kết kiểm tra dựa vào Độ xác Precision Độ bao phủ Recall thể bảng 3.1 bảng 3.2 Kết giá trị trung bình cộng giá trị người 54 Bảng 3.1 Kết thực nghiệm với Độ xác - Precision G1 G2 G3 G4 G5 G6 G7 G8 Pre Pre Pre Pre Pre Pre Pre Pre G1 92.7 1.11 2.02 3.52 0 0 G2 0.2 91.3 2.46 2.21 2.21 0 1.09 G3 2.35 1.69 93.1 0.39 0.4 0 G4 1,24 0.73 91.2 0.35 0 G5 0.86 1.78 0.87 0.41 90.4 0 0.97 G6 0.55 1.33 0.15 1.09 3.67 93 2.61 4.15 G7 1.24 0.82 0.55 0.57 0.21 93.8 0.89 G8 0.86 1.31 0.8 0.53 2.56 6.7 3.53 92.9 Bảng 3.2 Kết thực nghiệm với Độ bao phủ - Recall G1 G2 G3 G4 G5 G6 G7 G8 Re Re Re Re Re Re Re Re G1 93 0.21 2.35 2.5 0 0 G2 1.24 94.5 2.74 1.89 2.1 0 0.9 G3 1.9 1.22 90.7 1.01 0.76 0 G4 0.68 0.9 92.3 0.6 0 G5 0.7 0.86 1.42 0.62 91 0 1.1 G6 0.05 0.92 0.22 1.3 2.6 93.2 2.5 2.97 G7 2.31 0.89 1.6 0.27 0.8 95 0.94 G8 0.02 0.44 0.95 0.09 2.12 6.75 2.48 94 Kết sau thực nghiệm nhận dạng liệu mẫu, ta thấy tỷ lệ nhận dạng người dùng tương đối cao tin cậy Giá trị Precision trung bình đạt giá trị 93%, giá trị Recall trung bình đạt 94% 55 Dựa vào kết ghi nhận bảng trên, ta nhận thấy cử tương tự cử G2-G5, G6-G8 có độ nhận dạng xác cử thực quỹ đạo chuyển động không gian Các cử khác có quỹ đạo chuyển động hồn tồn khác tỷ lệ nhận dạng độ bao phủ thấp Những cử thực đơn giản có kết nhận dạng cao cử có quỹ đạo chuyển động phức tạp Qua kết thực nghiệm, cử thực với tốc độ chậm, rõ ràng đem lại kết cao 3.2.2 Đánh giá 2: Đánh giá độc lập người dùng Với tập liệu người dùng tương ứng với 560 cử huấn luyện Chọn người thực cử để kiểm tra đối sánh so với mẫu huấn luyện Kết thể qua bảng 3.3 bảng 3.4 Bảng 3.3 Kết thực nghiệm độc lập người dùng tính tốn theo độ xác – Precision P1 P2 P3 P4 P5 P6 P7 P8 Pre Pre Pre Pre Pre Pre Pre Pre G1 95.95 94 94.75 93.5 95.25 95 96.2 93.75 G2 93.5 95.3 94 96.15 94.25 93.75 95.5 95.2 G3 95.15 94.67 95.05 94.4 93.8 94.3 96.02 95.6 G4 94.76 95.3 93.5 93.85 95.6 95.05 93.5 94.05 G5 90.2 91.3 90.06 92.35 91.35 93.1 90.58 92.7 G6 89.7 90.07 88.95 91.2 92.3 89.89 90.87 89.05 G7 90.3 88.05 89.93 89.55 89.94 90.01 89.03 89.15 G8 88.52 90.5 89.8 88.6 89.67 89.73 91.01 91.3 TB 92.26 93.22 92.01 92.45 92.77 92.6 92.84 92.6 56 Bảng 3.4 Kết thực nghiệm độc lập người dùng tính tốn theo độ bao phủ - Recall P1 P2 P3 P4 P5 P6 P7 P8 Recall Recall Recall Recall Recall Recall Recall Recall G1 96.5 95.3 97.2 94.05 94.75 96.3 94.1 95.78 G2 94.6 95.02 96.7 94.1 96.03 94 96.3 95.35 G3 94.2 95.4 95.14 95 95.25 96.04 95.35 96 G4 95 96.01 95.3 96.2 94.5 95.2 95.05 94.15 G5 93.2 92.78 92.05 94 93.06 92.15 91.89 92.1 G6 91.06 90.59 90.25 91.03 90.1 91.07 90.23 91.09 G7 90.15 90.2 90.5 90.15 90.22 91 90.79 90.3 G8 91.01 90.15 91.09 90.3 90.1 91.06 90.2 90.05 TB 93.22 93.18 93.53 93.10 93 93.35 92.99 93.10 Kết đánh giá độc lập người dùng thể qua bảng 3.9 cho thấy, giá trị Precision đạt giá trị trung bình 92.49%, giá trị Recall đạt giá trị trung bình 93.18% Kết đánh giá hệ thống nhận dạng tương đối tốt Qua đánh giá 2, nhận thấy việc nhận dạng độc lập người dùng có tỷ lệ thấp nhận dạng người việc thực cử mẫu huấn luyện cử khác nhau, thực người dùng độc lập Tuy ngữ điệu cử người dùng thực cử khơng thể giống Vì vậy, mẫu liệu để huấn luyện cử nhiều học máy đạt kết xác cao, đem lại khả nhận dạng cử cao, thời gian nhận dạng nhanh hơn, kết nhận dạng tốt 3.3 Kết luận chương Chương trình bày việc lấy mẫu dựa cử tham khảo Dựa vào cử tiến hành thực nghiệm đánh giá kết thu từ thực nghiệm Kết thu được đánh giá thông qua Độ xác 57 Precision Độ bao phủ Recall cho thấy hệ thống nhận dạng tương đối tốt, đạt kết cao Quá trình nhận dạng hệ thống khả thi hứa hẹn nhiều hướng nghiên cứu 58 KẾT LUẬN Trong luận văn trình bày: Tổng quan nhận dạng cử người: khái niệm, đặc trưng, kỹ thuật ứng dụng nhận dạng cử người Trong tìm hiểu nghiên cứu trước nhận dạng cử để làm tiền đề phát triển cho luận văn Nhận định cảm biến liệu cảm biến gia tốc tích hợp đồng hồ đeo tay thông minh: Khảo sát cảm biến tích hợp, phân tích xử lý liệu cảm biến gia tốc đầu vào Nghiên cứu hình thành phương pháp trích chọn đặc trưng từ liệu đầu vào Nghiên cứu kỹ thuật, bước nhận dạng cử Nghiên cứu mô hình Markov ẩn, áp dụng mơ hình HMM vào nhận dạng cử người Thơng qua mơ hình HMM với thuật toán huấn luyện liệu Baum-Welch thuật tốn nhân dạng Viterbi hình thành hệ thống nhận dạng cử Thực nghiệm đánh giá theo hướng nhận định nghiên cứu chứng minh nhận dạng cử người với đồng hồ đeo tay thơng minh hồn tồn khả thi, tạo tiền đề phát triển cho nghiên cứu “Nhận dạng cử người với đồng hồ đeo tay thông minh” hướng nghiên cứu mang tính khả thi, phù hợp với thời đại công nghệ mà thiết bị công nghệ thông minh ngày phát triển, mang lại nhiều tiện ích sử dụng, gắn liền với hoạt động người sống Đây kỹ thuật nhận dạng cử người với độ xác cao, mang lại kết đáng tin cậy, nhanh chóng Qua đó, cho thấy hướng nghiên cứu tiến gần giao tiếp người – máy tương tự giao tiếp người với người cách tự nhiên 59 DANH MỤC TÀI LIỆU THAM KHẢO Abdulla, Waleed H., Chow, David and Sin, Gary 2003 Cross-words [1] Reference Template for DTW-based Speech Recognition Systems TENCON 2003 Conference on Convergent Technologies for Asia-Pacific Region October 15-17, 2003, Vol 4, pp 1576-1579 Adams, Anne and Sasse, Martina Angela 1999 Users are not the [2] Enemy Communications of the ACM December 1999, Vol 12, 42, pp 4146 Ashbrook, D., Starner, T (2003), Using GPS to Learn Significant [3] Locations and Predict Movement Across Multiple Users, Personal Ubiquitous Comput, Springer-Verlag, London, UK, UK 7(5), p 275–86 [4] Bao, L., Intille, S.S (2004) Activity Recognition from User-Annotated Acceleration Data, Pervasive Computing, pp 1–17 [5] Bishop, M Christopher 2007 Pattern Recognition and Machine Learning (Information Science and Statistics) Secaucus, NJ, USA : Springer, 2007 Vol 1st ed 2006 Corr 2nd printing ISBN 9780387310732 Brady, S., Dunne, L.E., Tynan, R., Diamond, D., Smyth, B., O’Hare, [6] G.M.P (2005), Garment-based monitoring of respiration rate using a foam pressure sensor, Wearable Computers, 2005 Proceedings Ninth IEEE International Symposium on, p 214–5 [7] Brillinger, D.R (2001), Time series: data analysis and theory, Siam [8] Bulling, A., Blanke, U., Schiele, B (2014), A tutorial on human activity recognition using body-worn inertial sensors, ACM Computing Surveys (CSUR), 46(3), p 1–33 [9] Figo, D., Diniz, P.C., Ferreira, D.R., Cardoso, J.M.P (2010), Preprocessing techniques for context recognition from accelerometer data, 60 Personal and Ubiquitous Computing, Springer 14(7), p 645–62 Guerra Casanova, J., et al 2010 A Real-Time In-Air Signature Biometric Technique Using a Mobile Device Embedding an [10] Accelerometer [ed.] Filip Zavoral, et al Communications in Computer and Information Science: Networked Digital Technologies Heidelberg, Germany: Springer, 2010, Vol 87 [11] Huynh, T., Schiele, B (2005), Analyzing Features for Activity Recognition, Proceedings of the 2005 Joint Conference on Smart Objects and Ambient Intelligence: Innovative Context-Aware Services: Usages and Technologies, ACM, New York, NY, USA p 159–63 [12] Jones, Neil C and Pevzner, Pavel 2004 An Introduction to Bioinformatic Algorithms s.l.: MIT Press, 2004 ISBN 9780262101066 Kern, N., Schiele, B., Junker, H., Lukowicz, P., Troster, G (2003), [13] Wearable sensing to annotate meeting recordings, Personal and Ubiquitous Computing, Springer 7(5), p 263–74 [14] Lee, S.-W., Mase, K (2002), Activity and location recognition using wearable sensors, IEEE Pervasive Computing, 1(3), p 24–32 Lester, J., Choudhury, T., Kern, N., Borriello, G., Hannaford, B (2005), [15] A Hybrid Discriminative/Generative Approach for Modeling Human Activities, IJCAI, p 766–72 Liao, L., Patterson, D.J., Fox, D., Kautz, H (2007), Learning and [16] inferring transportation routines, Artificial Intelligence, Elsevier 171(5), p 311–31 Lukowicz, P., Hanser, F., Szubski, C., Schobersberger, W (2006), [17] Detecting and interpreting muscle activity with wearable force sensors, Lecture Notes in Computer Science, Springer 3968, p 101–16 [18] Lukowicz, P., Ward, J.A., Junker, H., Stager, M., Troster, G., Atrash, 61 A et al (2004), Recognizing workshop activity using body worn microphones and accelerometers, Pervasive Computing, Springer p 18– 32 Mahmoud Elmezain , Ayoub Al-hamadi , Bernd Michaelis (2008), “A Hidden Markov Model-Based Isolated and Meaningful Hand Gesture [19] Recognition”, World Academy of science, engineering and technology, Vol 31, pp.394-401 Patterson, D.J., Liao, L., Fox, D., Kautz, H (2003), Inferring high-level [20] behavior from low-level sensors, UbiComp 2003: Ubiquitous Computing, p 73–89 Prekopcsák, Zoltán 2008 Accelerometer Based Real-Time Gesture [21] Recognition POSTER 2008: Proceedings of the 12th International Student Conference on Electrical Engineering 2008 Pylvänäinen, Timo 2005 Accelerometer Based Gesture Recognition using continuous HMMs [ed.] Jorge Marques, Nicolás Pérez de la Blanca [22] and Pedro Pina Lecture Notes in Computer Science: Pattern Recognition and Image Analysis Heidelberg, Germany: Springer, 2005, Vol 3522, pp 413-430 Rabiner, Lawrence R 1989 A Tutorial on Hidden Markov Models and [23] Selected Applications in Speech Recognition Proceedings of the IEEE 1989, Vol 77, 2, pp 257-286 [24] Ravi, N., Dandekar, N., Mysore, P., Littman, M.L (2005), Activity recognition from accelerometer data, AAAI, p 1541–6 Rico, Julie and Brewster, Stephen 2010 Usable Gestures for Mobile Interfaces: Evaluating Social Acceptability CHI '10 Proceedings of the [25] 28th international conference on Human factors in computing systems April 10-15, 2010 62 Sung, M., DeVaul, R., Jimenez, S., Gips, J., Pentland, A.S (2004), [26] Shiver motion and core body temperature classification for wearable soldier health monitoring systems, Wearable Computers, 2004 ISWC 2004 Eighth International Symposium on, p 192–3 Zhang, M., Sawchuk, A.A (2011), A feature selection-based framework for human activity recognition using wearable multimodal sensors, [27] Proceedings of the 6th International Conference on Body Area Networks, p 92–8 [28] Zhang, M., Sawchuk, A a (2013), Human daily activity recognition with sparse representation using wearable sensors, IEEE Journal of Biomedical and Health Informatics, 17(3), http://dx.doi.org/10.1109/JBHI.2013.2253613 p 553–60 ... từ đồng hồ đeo tay thông minh - Nghiên cứu phương pháp học máy cho toán nhận dạng cử người sử dụng đồng hồ đeo tay thông minh - Thử nghiệm đánh giá phương pháp Chương TỔNG QUAN NHẬN DẠNG CỬ CHỈ... ý Nhận dạng cử người xác định xem người thực cử thuộc lớp cử số tập cử huấn luyện từ trước 1.2.1 Kỹ thuật nhận dạng cử Các bước nhận dạng cử mơ tả hình 1.4 đây: Hình 1.4 Sơ đồ bước nhận dạng cử. .. 16 iv Chương NHẬN DẠNG CỬ CHỈ NGƯỜI VỚI ĐỒNG HỒ ĐEO TAY THÔNG MINH 17 2.1 Cảm biến với hoạt động nhận dạng 17 2.2 Cảm biến gia tốc Accelerometers quay hồi chuyển Gyroscope