Nghiên cứu phát hiện tần suất hoạt động của trẻ tự kỷ bằng vòng đeo tay thông minhNghiên cứu phát hiện tần suất hoạt động của trẻ tự kỷ bằng vòng đeo tay thông minhNghiên cứu phát hiện tần suất hoạt động của trẻ tự kỷ bằng vòng đeo tay thông minhNghiên cứu phát hiện tần suất hoạt động của trẻ tự kỷ bằng vòng đeo tay thông minhNghiên cứu phát hiện tần suất hoạt động của trẻ tự kỷ bằng vòng đeo tay thông minhNghiên cứu phát hiện tần suất hoạt động của trẻ tự kỷ bằng vòng đeo tay thông minhNghiên cứu phát hiện tần suất hoạt động của trẻ tự kỷ bằng vòng đeo tay thông minhNghiên cứu phát hiện tần suất hoạt động của trẻ tự kỷ bằng vòng đeo tay thông minhNghiên cứu phát hiện tần suất hoạt động của trẻ tự kỷ bằng vòng đeo tay thông minh
HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - NGUYỄN THỊ HẠNH NGHIÊN CỨU PHÁT HIỆN TẦN SUẤT HOẠT ĐỘNG CỦA TRẺ TỰ KỶ BẰNG VỊNG ĐEO TAY THƠNG MINH LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) HÀ NỘI – 2018 HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THÔNG - NGUYỄN THỊ HẠNH NGHIÊN CỨU PHÁT HIỆN TẦN SUẤT HOẠT ĐỘNG CỦA TRẺ TỰ KỶ BẰNG VÒNG ĐEO TAY THƠNG MINH CHUN NGÀNH : KHOA HỌC MÁY TÍNH MÃ SỐ : 8.48.01.01 LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định hướng ứng dụng) NGƯỜI HƯỚNG DẪN KHOA HỌC PGS.TS.PHẠM VĂN CƯỜNG HÀ NỘI – 2018 i LỜI CAM ĐOAN Luận văn thành trình học tập nghiên cứu em giúp đỡ, khuyến khích q thầy sau năm em theo học chương trình đào tạo Thạc sĩ, chuyên ngành Khoa học máy tính trường Học viện Cơng nghệ Bưu Viễn thơng Em cam đoan cơng trình nghiên cứu riêng em Nội dung luận văn có tham khảo sử dụng số thơng tin, tài liệu từ nguồn sách, tạp chí liệt kê danh mục tài liệu tham khảo trích dẫn hợp pháp Tác giả (Ký ghi rõ họ tên) Nguyễn Thị Hạnh ii LỜI CÁM ƠN Sau thời gian dài học tập nghiên cứu, cuối em hoàn thành luận văn tốt nghiệp này, dịp tốt để em bày tỏ lòng biết ơn sâu sắc đến người Em xin gửi lời cảm ơn sâu sắc đến thầy PGS.TS.Phạm Văn Cường, tận hình hướng dẫn, định hướng cho em suốt thời gian thực đề tài Thầy cho em lời khuyên quý báu giúp em hoàn thành tốt luận văn Em xin cảm ơn khoa Công Nghệ Thông Tin khoa Đào tạo Sau Đại Học – Học viện Cơng nghệ Bưu Viễn thơng, cảm ơn thầy khoa tận tình giảng dạy, truyền đạt cho em kiến thức quý báu năm học vừa qua, giúp cho em có tảng kiến thức vững để thực luận văn nghiên cứu học tập sau Con xin gửi lời cảm ơn chân thành đến bố, mẹ, người ln ln quan tâm, chăm sóc cho vật chất lẫn tinh thần, tạo điều kiện tốt cho chuyên tâm học tập, nghiên cứu Gia đình ln nguồn động viên, chỗ dựa tinh thần vững cho Cuối cùng, em xin gửi lời cảm ơn đến tất bạn bè, anh, chị, người giúp đỡ, khích lệ phê bình, góp ý, giúp tơi hồn thành luận văn cách tốt Em xin chân thành cảm ơn! Hà Nội, ngày 30/10/2017 Tác giả Nguyễn Thị Hạnh iii MỤC LỤC LỜI CAM ĐOAN i LỜI CÁM ƠN ii MỤC LỤC iii DANH MỤC TỪ VIẾT TẮT v DANH MỤC CÁC BẢNG BIỂU vi DANH MỤC CÁC HÌNH VẼ vii MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN VỀ TRẺ TỰ KỶ VÀ NHẬN DẠNG HOẠT ĐỘNG CỦA TRẺ TỰ KỶ 1.1 Tổng quan trẻ tự kỷ 1.1.1 Bê ̣nh tự kỷ ở trẻ em biể u hiê ̣n thế nào? 1.1.2 Các hoạt động trẻ tự kỷ 1.1.3 Lý nghiên cứu tầ n suấ t vâ ̣n đô ̣ng của trẻ tự kỷ? 12 1.2 Các nghiên cứu trước nhận dạng hoạt động trợ giúp trẻ tự kỷ 13 1.2.1 Nghiên cứu nhận dạng hoạt động người 13 1.2.2.Nghiên cứu trợ giúp trẻ tự kỷ 18 1.3 Phạm vi giả định .22 1.3.1 Một số hạn chế 23 1.3.2 Phạm vi nghiên cứu 24 1.4 Kết chương 24 CHƯƠNG 2: PHÁT HIỆN TẦN XUẤT VẬN ĐỘNG CỦA TRẺ TỰ KỶ .26 2.1.Thiết kế vòng đeo tay thơng minh 26 2.1.1.Cấu hình cảm biến 26 2.1.2 Thiết kế vòng đeo tay thơng minh 26 2.2 Phân tích xử lý liệu cảm biến 28 iv 2.2.1 Tiền xử lý liệu 28 2.2.2 Phân đoạn trích đặc trưng 29 2.3 Phát tần xuất hoạt động .33 2.3.1 Huấn luyện mơ hình học máy .33 2.3.2 Phát theo dõi vận động .34 2.4 Kết chương 39 CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ 40 3.1 Thu thập liệu 40 3.2 Thực nghiệm đánh giá 43 3.2.1.Phương pháp đánh giá 43 3.2.2.Quá trình thực nghiệm 46 3.3 Kết 47 3.4 Kết chương 51 KẾT LUẬN 52 TÀI LIỆU THAM KHẢO 54 v DANH MỤC TỪ VIẾT TẮT STT Tiế ng Anh Từ viết tắt ASD PDD-NOS Tiế ng Viêṭ Autism Spectrum Disorder Rối loạn phổ tự kỷ Pervasive developmental Rối loạn phát triển disorder-not otherwise lan tỏa không đặc specified hiệu Tự kỷ chức cao HFA High Funtion Autism MAE Mean absolute error RMSE Root mean squared error SVM Support Vector Machine Sai số tuyệt đối trung bình Sai số tuyệt đối trung bình gốc Máy vector hỗ trợ vi DANH MỤC CÁC BẢNG BIỂU Bảng 3-1:Thông số cá nhân đối tượng tham gia 40 Bảng 3-2:Bảng tổng hợp hình ảnh liệu kho liệu 42 Bảng 3-3:Bảng ma trận lỗi 44 Bảng 3-4: Ma trận lỗi thu từ việc huấn luyện liệu mẫu thuật toán SVM 47 Bảng 3-5: Kết huấn luyện liệu mẫu thuật toán SVM 47 Bảng 3-6: Ma trận lỗi thu từ việc huấn luyện liệu mẫu thuật toán RandomForest 48 Bảng 3-7: Kết huấn luyện liệu mẫu thuật toán RandomForest 48 Bảng 3-8:Kết thực nhóm đặc tính cửa số di chuyển khác 49 Bảng 3-9:Tập đặc tính cửa sổ di chuyển sử dụng 50 Bảng 3-8: Kết tần suất hoạt động trẻ 1h 51 vii DANH MỤC CÁC HÌNH VẼ Hình 1-1:Các biểu chung trẻ tự kỷ .9 Hình 1-2:Hệ thống thu nhận liệu trung tâm nghiên cứu đại học Rutgers[18] 14 Hình 1-3: Vị trí cảm biến gia tốc nghiên cứu Andreas Bulling[13] 15 Hình 1-4: Hệ thống TI OMAP[14] 16 Hình 1-5:Các thiết bị nghiên cứu Emmanuel Munguia Tapia[16] 16 Hình 1-6:hệ thống thu nhận liệu nghiên cứu Dean M Karantonis[17] .17 Hình 1-7:Ảnh hình từ cơng nghệ thu thập phân tích liệu Abaris[20] 19 Hình 1-8:Ảnh hình từ hệ thống đánh giá hành vi chức CareLog[20] 20 Hình 1-9: Kích thước tương đối vị trí gia tốc khơng dây cảm biến người lớn[20] .20 Hình 1-10:(a) Một gia tốc không dây đặt cổ tay (b) Một máy đo gia tốc không dây đặt ngực (c) Người nhận liệu cảm biến (d) Hình ảnh đứa trẻ phòng thí nghiệm (e) Phần mềm mã hố video cho phép thích xác khung (f) Chú giải hoạt động thời gian thực (g) Cửa sổ liệu tăng tốc vẽ đồ thị liệu theo thời gian thực (h) Cửa sổ video với hình ảnh chụp (i) máy ảnh USB đặt đỉnh đầu máy tính[21] 22 Hình 2-1: Hình ảnh cảm biến Wax3 26 Hình 2-2:Các thành phần vòng đeo tay thơng minh 27 Hình 2-3:Hình ảnh thực tế trẻ tự kỷ đeo vòng tay thơng minh 28 Hình 2-4:Siêu phẳng h phân chia liệu huấn luyện thành lớp + - với khoảng cách biên lớn Các điểm gần h vector hỗ trợ 36 Hình 3-1:Quá trình gán nhãn video 41 MỞ ĐẦU Khi mô ̣t đứa trẻ sinh đời, nó không biế t và cũng không thể lựa cho ̣n cho mình mô ̣t thể khỏe ma ̣nh, mô ̣t tinh thầ n minh mẫn hay mô ̣t thể khuyế t tâ ̣t, mô ̣t tinh thầ n còi co ̣c, vì thế bên ca ̣nh những cháu bé bình thường và phát triể n tố t, còn có mô ̣t tỷ lê ̣ không nhỏ các cháu có những khiế m khuyế t về thể chấ t hay tâm lý và những cháu bé này cầ n có những sự can thiê ̣p và hỗ trơ ̣ càng sớm càng tôt để giúp cho các em có đươ ̣c những hô ̣i tố t nhấ t viê ̣c phát triể n và hô ̣i nhâ ̣p xã hô ̣i Có hai tiǹ h tra ̣ng khuyế t tâ ̣t của trẻ là khuyế t tâ ̣t về thể chấ t và khuyế t tâ ̣t về tâm lý Trong số những trẻ khuyế t tâ ̣t về tâm lý thì trẻ có hô ̣i chứng tự kỷ là mô ̣t những đố i tươ ̣ng gă ̣p nhiề u khó khăn nhấ t Đồ ng thời, theo số liệu từ Liên Hợp Quốc, có 1% dân số giới, tức khoảng 70 triệu người mắc bệnh tự kỷ Đặc biệt, tỷ lệ trẻ em ngày tăng Bởi 150 em nhỏ giới có em mắc chứng bệnh Còn Việt Nam, theo thống kê Bộ Lao động-Thương binh Xã hội, có khoảng 200.000 trẻ em có chứng tự kỷ số tiếp tục tăng nhanh thời gian tới[25] Đặc biệt, qua nhiều nghiên cứu chứng y học, tự kỷ khuyết tật phát triển chưa có loại thuốc phương pháp cụ thể đánh giá chữa khỏi hồn tồn Chính thế, Việt Nam với giới giành nhiều quan tâm chăm sóc đến trẻ em mắc bệnh tự kỷ Và nó đã trở thành vấ n đề quan tâm chung của toàn xã hô ̣i và là nỗi niề m canh cánh của nhiề u người có lương tâm và trách nhiê ̣m cũng nỗi lo âu lớn nhấ t của gia điǹ h, bố me ̣ các em Đồ ng hành cũng sự bùng nổ công nghê ̣ thông tin những năm gầ n là sự đời của những giải pháp công nghê ̣ áp du ̣ng vào liñ h vực y tế xã hô ̣i.Đă ̣c biê ̣t để đảm bảo an toàn cho trẻ tự kỷ có nhiều giải pháp cơng nghệ công cụ để giám sát hoạt động trẻ tự kỷ Trong đó, việc theo dõi tầ n suấ t hoạt động trẻ tự kỷ giúp bố mẹ giám sát đảm bảo an toàn cho trẻ lúc nơi Từ cấp thiết việc bảo vệ chăm sóc trẻ tự kỷ với tìm hiểu 41 -0.03125: giá trị gia tốc theo trục Y 0.6875: giá trị gia tốc theo trục Z Sau thu thập liệu thơ từ vòng đeo tay thơng minh, ta bắt đầu xây dựng kho liệu mẫu theo bước sau: Bước 1: Sử dụng phần mềm ELAN 4.9.4 để đánh dấu hoạt động o Đầu vào video quay trình lấy mẫu trẻ o Đầu danh sách hoạt động với thời gian bắt đầu kết thúc Hình 3-1:Quá trình gán nhãn video Bước 2: Cắt liệu cảm biến dựa danh sách gán nhãn video giám sát o Đầu vào: file text liệu cảm biến thu từ đối tượng file gán nhãn video thực bước o Đầu ra: liệu cảm biến gán nhãn Thí dụ trường hợp gán nhãn có định dạng sau: ACCEL,2017-09-24 06:57:19.949,41362,-76,-262,12,chay Thêm trường cuối là: 42 chay: hoạt động thực Một số hình ảnh kho liệu mẫu sau: Bảng 3-2:Bảng tổng hợp hình ảnh liệu kho liệu Hoạt động 1.Vun g tay 2.Nhả y 3.Ném đồ vật Hình ảnh video Đồ thị 43 4.Cầm đồ vật 5.Vỗ tay Bộ liệu thu thập đầy đủ ban đầu bao gồm 4851 instance ta có: 1366 instance có nhãn “Vung tay” 841 instance có nhãn “Ném đồ vật” 807 instance có nhãn “Cầm đồ vật” 882 instance có nhãn “Vỗ tay” 955 instance có nhãn “Nhảy” 3.2 Thực nghiệm đánh giá 3.2.1.Phương pháp đánh giá Như nêu chương 2, luận văn chủ yếu sử dụng thuật toán học máy Random Forest SVM Để đánh giá thuộc tốn có độ xác cao hơn, luận văn đưa phương pháp đánh giá sau : Có phương pháp ước lượng là: 44 Cross validation 10 folds: phương pháp xác nhận chéo o Chia liệu thành 10 tập không giao o Lặp lại 10 lần công việc sau: huấn luyện mơ hình tập kiểm thử mơ hình tập lại Split tranning set: Phương pháp giữ lại phần: dùng 2/3 số ghi tệp liệu cho việc huấn luyện 1/3 lại cho việc kiểm thử Việc chia tệp liệu ngẫu nhiên Using test set: Sử dụng tập liệu mà liệu chưa có tập liệu huấn luyện ban đầu để kiểm thử thuật toán Ở sử dụng kết thông qua phương pháp ước lượng Cross validation 10 folds.Vì phương pháp ước lượng khơng làm thay đổi cách mà thuật tốn thực Bạn sử dụng phần mềm hệ thống để test với phương pháp ước lượng (1 phương pháp hỗ trợ trên) Các thước đo đánh giá bao gồm: Confusion matrix: hay gọi ma trận lỗi, khái niệm học máy cho phép mô hoạt động thuật toán dạng bảng Mỗi cột ma trận đại diện cho instance class dự đoán, hàng đại diện cho instance class thực tế Nó có dạng: Bảng 3-3:Bảng ma trận lỗi Lớp dự đoán Lớp thực tế Lớp = YES Lớp = NO Lớp = YES True positive(a) False negative(b) Lớp = NO False positive(c) True negative(d) Tỉ lệ class nhận dạng xác (true positive + true negative): Tỷ lệ theo phần trăm số instance gán class tổng số instance kiểm thử Tỉ lệ class nhận dạnh khơng xác(false positive + false negative): Tỷ lệ theo phần trăm số instance gán class sai tổng số instance kiểm thử Kappa statistics: gọi số Cohen's Kappa Chỉ số dùng để 45 so sánh tương hợp hai biến nhị phân Chỉ số giúp đánh giá tính xác trường hợp cụ thể nào, thường để phân biệt độ tin cậy liệu thu thập với giá trị true Cơng thức: Po = a +d (3.1) Pc = ( (a+b) * (a+c) + (b+d) * (c + d)) ) (3.2) Hệ số Kappa: K = (Po – Pc) / (1 – Pc) (3.3) Với: Các gía trị mục tiêu thực tế: a1a2…an Các giá trị mục tiêu dựđoán: p1p2… pn Ta có: Mean absolute error: sai số tuyệt đối trung bình, đo độ lớn trung bình lỗi dự đoán MAE dựa khác biệt giá trị tuyệt đối q trình dự đốn quan sát Giá trị bé mơ hình xác Công thức: ( p1 a1 ) ( pn a n ) n (3.4) Type equation here Root mean squared error: sai đố tuyệt đối trung bình gốc, thước đo thường sử dụng khác biệt giá trị dự đốn mơ hình với giá trị thực quan sát Giá trị bé mơ hình xác Cơng thức: ( p1 a1 ) ( pn a n ) n (3.5) Relative absolute error: sai số tuyệt đối tương đối Giá trị bé mơ hình xác Cơng thức: | p1 a1 | | pn an | | a a1 | | a an | (3.6) Trong a trung bình Root relative square error: sai số tuyệt đối tương đối gốc, tính cách chia RMSE RMSE thu cách dự đốn trung bình 46 giá trị mục tiêu Giá trị nhỏ tốt ( p1 a1 ) ( p n a n ) Công thức: (3.7) (a a1 ) (a a n ) Coverage of cases: độ bao phủ trường hợp Thời gian thực đánh giá: thời gian thực trình ước lượng 3.2.2.Quá trình thực nghiệm Quá trình thực nghiệm luận văn diễn theo bước sau : Bước : Xác định thuật toán Bước : Xác định đặc trưng cửa sổ di chuyển khác Bước : Phát tần suất hoạt động trẻ tự kỷ dựa liệu thu chưa gán nhãn huấn luyện liệu mẫu Như nêu chương 2, luận văn sâu vào hai thuật toán Random Forest SVM Để xác định thuật toán cho kết phát cao hơn, sử dụng phương pháp xác nhận chéo phần mềm weka Đầu vào liệu mẫu thu thập được.Tương tự việc xác định thuật toán, xác định đặc trưng sổ di chuyển tương tự Để phát tần suất hoạt động ta cần trích chọn đặc tính nêu chương Bước quan trọng trình thử nghiệm phát tần suất hoạt động trẻ tử kỷ Sau xác định thuật toán đặc trưng quan trọng sổ di chuyển phù hợp cho tỷ lệ phát cao Ta thực gán nhãn cho liệu thô thu dựa tập liệu mẫu Dữ liệu thô thu liệu cảm biển thu khoảng 1h hoạt động trẻ tự kỷ mơi trường thử nghiệm.Ta có tất thử nghiệm sau: Bộ thử nghiệm 1: Nguyễn Duy Hưng (BTN1) Bộ thử nghiệm 2: Trần Đình Sơn (BTN2) Bộ thử nghiệm 3: Nguyễn Hải Đăng (BTN3) 47 3.3 Kết Dưới kết q trình thử nghiệm xác định thuật tốn có độ phát cao Bảng 3-4: Ma trận lỗi thu từ việc huấn luyện liệu mẫu thuật toán SVM Hành động Cầm đồ vật Nhảy Ném đồ vật Vung tay Vỗ tay Cầm đồ vật 755 0 51 Nhảy 69 142 744 Ném đồ vật 83 35 723 Vung tay 93 0 1242 31 Vỗ tay 0 0 882 Bảng 3-5: Kết huấn luyện liệu mẫu thuật toán SVM Hành TP FP động Rate Rate Cầm đồ 0.937 Precision Recall F- MCC Measure ROC PRC Area Area 0.061 0.755 0.937 0.836 0.806 0.985 0.937 0.149 0.000 1.000 0.149 0.259 0.351 0.923 0.798 Ném đồ 0.042 0.000 1.000 0.042 0.080 0.186 0.950 0.850 0.909 0.436 0.450 0.909 0.602 0.430 0.923 0.836 0.630 0.134 0.798 0.630 0.552 0.534 0.952 0.886 vật Nhảy vật Vung tay Vỗ tay 48 Bảng 3-6: Ma trận lỗi thu từ việc huấn luyện liệu mẫu thuật toán RandomForest Hành động Cầm đồ vật Nhảy Ném đồ vật Vung tay Vỗ tay Cầm đồ vật 767 31 0 Nhảy 80 325 134 416 Ném đồ vật 156 142 304 239 Vung tay 154 49 94 1069 Vỗ tay 0 0 882 Bảng 3-7: Kết huấn luyện liệu mẫu thuật toán RandomForest Hành TP FP động Rate Rate Cầm đồ 0.952 Precision Recall F- MCC Measure ROC PRC Area Area 0.096 0.663 0.952 0.781 0.747 0.946 0.657 0.051 0.620 0.340 0.439 0.370 0.715 0.407 0.065 0.540 0.361 0.433 0.351 0.721 0.345 0.783 0.188 0.620 0.783 0.692 0.559 0.797 0.560 1.000 0.000 1.000 1.000 1.000 1.000 1.000 1.000 vật Nhảy 0.34 Ném đồ 0.361 vật Vung tay Vỗ tay 49 Trên kết việc kiểm tra thuật toán liệu mẫu Với phương pháp Cross validation 10 folds hay gọi phương pháp xác nhận chéo Dựa vào ma trận kết từ hình 3-2 hình 3-3 cho ta thấy, hoạt động “vỗ tay” dễ dàng nhận biết Hoạt động “cầm đồ vật” dễ dàng phân biệt được, có tỷ lệ nhận biết hoạt động khác thấp Thí dụ thuật tốn RandomForest, tỷ lệ nhãn “cầm đồ vật” bị gán nhãn nhầm thành “nhảy” có 8/807 xấp xỉ 1% Ba hoạt động có kết nhận dạng thấp dễ gây nhầm lẫn “nhảy”, “ném đồ vật”, “vung tay” Đặc biệt hai hoạt động “ném đồ vật”, “vung tay” Tỷ lệ nhận dạng lỗi hoạt động “ném đồ vật” thành vung tay cao Điều dễ hiểu hai hoạt động thực tế gần gần giống Nếu hành động “ném đồ vật” diễn chậm rãi giống hoạt động “vung tay” Từ kết việc huấn luyện, ta thấy thuật toán SVM cho kết phân loại xác so với thuật toán RandomForest Tiếp theo ta sử dụng thuật toán với đặc trưng cửa sổ di chuyển khác Thực nghiệm ta thu kết sau: Bảng 3-8:Kết thực nhóm đặc tính cửa số di chuyển khác SVM RandomForest Features4_1.5 70.0744 % 71.8975 % Features4_2 70.1834 % 72.5579 % Features5_1.5 68.9595 % 71.251 % Features5_2 69.4355 % 72.2848 % Features6_1.5 70.8487 % 72.5727 % Features6_2 71.2875 % 73.1277 % Features7_1.5 74.0487 % 74.5727 % Features7_2 74.2875 % 75.1277 % Features 50 Bảng 3-9:Tập đặc tính cửa sổ di chuyển sử dụng Tập đặc tính Các đặc tính Window length (s: giây) Features4_1.5 Mean,StandardDeviation,Correlation,Entro 1.5s py Features4_2 Features5_1.5 Như Mean,StandardDeviation,Correlation,Entro 2s 1.5s py,Skewness Features5_2 Features6_1.5 Như Mean,StandardDeviation,Correlation,Entro 2s 1.5s py, Skewness, Kurtosis Features6_2 Features7_1.5 Như Mean,StandardDeviation,Correlation,Entro 2s 1.5s py,Skewness, Kurtosis, RMS Velocity Features7_2 Như 2s Features7_3 Như 3s Từ kết thu từ trình thử nghiệm đặc trưng cửa số di chuyển khác nhau, ta thấy việc sử dụng tất đặc trưng nêu cho kết phát cao việc xử lý chậm Nếu để áp dụng vào việc phát tần suất theo thời gian thực hạn chế Việc sử dụng cửa sổ di chuyển với độ dài 2s mang lại kết cao Từ kết trên, luận văn sử dụng thuật toán RadomForest tập đặc tính quan trọng cửa sổ di chuyển 2s liệu cảm biến thu khoảng 1h từ trẻ tự kỷ Luận văn xây dựng ứng dụng 51 đầu vào liệu cảm biến chưa gán nhãn trẻ với liệu mẫu huấn luyện Ứng dụng sử dụng thuật toán RandomForest Đầu số lần thực hoạt động sau: ném đồ vật, cầm đồ vật, nhảy, vỗ tay, vung tay Bảng 3-8: Kết tần suất hoạt động trẻ 1h Các hoạt động BTN1 BTN2 BTN3 Ném đồ vật 215 207 301 Cầm đồ vật 604 589 643 Nhảy 122 150 108 Vỗ tay 225 235 168 Vung tay 630 615 577 3.4 Kết chương Chương này, luận văn trình bày chi tiết bước trình thực nghiệm Để có liệu huấn luyện, tơi thu thập liệu cảm biến môi trường giả lập trẻ bị mắc chứng tự kỷ tăng động Sau đó, luận văn trình bày bước tiền xử lý liệu, gán nhãn liệu,… Luận văn thực nghiệm hoạt động sau: “cầm đồ vật”, “ném đồ vật”, “nhảy”, “vung tay”, “vỗ tay” Để đánh giá thuật toán sử dụng phân loại tốt hơn, đặc trưng hay cửa sổ di chuyển sử dụng tốt ta đưa bước đánh giá với phương pháp để đánh giá Dựa liệu mẫu thu được, luận văn sử dụng phương pháp xác nhận chéo để đánh giá thuật toán RandomForest hay SVM cho kết phân loại tốt Như nêu chương 2, ta có đặc trưng trích chọn cho việc phân loại với độ dài sổ di chuyển 2s 1,5s Ta thực đánh giá thử nghiệm với đặc trưng cửa sổ di chuyển khác Từ kết thực nghiệm, ta thấy việc sử dụng thuật toán RandomForest với đặc trưng cửa sổ di chuyển 2s cho kết phân loại cao Từ ta áp dụng vào việc phát tần suất hoạt động hoạt động thời gian 1h trẻ tự kỷ 52 KẾT LUẬN Trên sở tìm hiểu nghiên cứu tốn phát tần suất hoạt động trẻ tự kỷ vòng đeo tay thông minh, luận văn đạt kết sau: Luận văn trình bày cách tổng quát trẻ tự kỷ: tự kỷ, biểu trẻ em mắc hội chứng tự kỷ Đặc biệt luận văn nghiên cứu chi tiết hoạt động trẻ tự kỷ Trên sở thu thập, tổng hợp, phân tích kết nghiên cứu khoa học nước nước nhận dạng hoạt động trợ giúp trẻ tự kỷ, luận văn đưa toán cần giải Luận văn trình bày bước chi tiết để giải tốn Thứ việc thiết kế vòng đeo tay thông minh sử dụng cảm biến gia tốc Để tăng tính xác việc phát hiện, luận văn đưa bước tiền xử lý liệu với đặc tính quan trọng để nhận dạng phát tần suất Thứ hai trình bày thuật toán mà luận văn áp dụng để phát theo dõi hoạt động Cuối cùng, luận văn giải tốn q trình thực nghiệm Cùng với việc so sánh kết thu từ việc sử dụng thuật toán khác nhau, đặc trưng khác nhau, luận văn đưa kết luận sử dụng thuật toán RandomForest cho kết phát cao so với thuật toán SVM Đồng thời, việc sử dụng tất đặc tính cho kết phát tần suất xác Qua nghiên cứu luận văn tơi thấy tính bất thường hoạt động trẻ tự kỷ Đặc biệt tần suất hoạt động trẻ tự kỷ hoạt động liên quan đến phần tay nhiều Bên cạnh kết đạt hạn chế là: Kết hệ thống chưa ổn định, phụ thuộc nhiều vào điều kiện đặc điểm cảm biến hay đối tượng tham gia Chưa xây dựng hoàn chỉnh tất đặc trưng nhận dạng cần thiết cho hệ thống Hệ thống sử dụng số đặc trưng quan trọng Một số đặc trưng chưa xử lý 53 Hệ thống phát tần suất hoạt động liên quan đến phần tay thể không phát hết tất hoạt động thường ngày Qua kết hạn chế hệ thống cho thấy việc phát tần suất hoạt động trẻ tự kỷ đòi hỏi trình nghiên cứu thực lâu dài Trong phạm vi luận văn thực việc phát tần suất hoạt động trẻ tự kỷ khoảng thời gian Trước mắt hướng phát triển luận văn phải tập trung cải thiện tăng độ xác việc phát độ ổn định hệ thống với nhiều điều kiện hoàn cảnh khác nhau, xây dựng hoàn thiện nhận dạng thiếu sót, củng cố phát triển thuật tốn để khắc phục lỗi tồn Hướng phát triển đầy tiềm luận văn theo dõi phát tần suất hoạt động trẻ tự kỷ thời gian thực để có cảnh báo cụ thể cho phụ huynh 54 TÀI LIỆU THAM KHẢO Tài liệu Tiếng Việt [1] Vũ Bích Hạnh (2004), Hướng dẫn thực hành âm ngữ trị liệu, Nxb Y học, Hà Nội [2] Võ Nguyễn Tinh Vân (2002), Để hiểu Tự kỷ, Nxb Bamboo, Australia [3] Võ Nguyễn Tinh Vân (2002), Nuôi bị Tự kỷ, Nxb Bamboo, Australia [4] Võ Nguyễn Tinh Vân (2004), Chứng Asperger chứng NLD, Nxb Bamboo, Australia [5] Đào Thị Sâm (2013), Khảo sát thái độ cha mẹ có chứng tự kỷ, Trường đại học sư phạm Hồ chí minh [6] Daniel Tammet (2010), Sinh vào ngày xanh, (Tự truyện người Tự kỷ, trí tuệ phi thường), Biên dịch Phạm Ngọc Diệp, Nguyễn Dung, Nxb trẻ Tài liệu Tiếng Anh [10] Kanner,L (1943), Autistic disturbances of affective contact, Nervuos Child [11] Lorna Wing (1996), The Autistic Spectrum A guide for parents and profeeionals, Constable [12] Simon Barcon Cohen (2008), Autism and Asperger, oxfort University press [13] Andreas Bulling, Ulf Blanke, Bernt Schiele (2014) “A Tutorial on Human Activity Recognition Using Body-worn Inertial Sensors” [14] Pierluigi Casale, Oriol Pujol Petia Radeva (2011) “Human Activity Recognition from Accelerometer Data Using a Wearable Device” Computer Vision Center, Bellaterra, Barcelona, Spain [15] Ling Bao Stephen S Intille “Activity Recognition from User- Annotated Acceleration Data” Massachusetts Institute of Technology [16] Emmanuel Munguia Tapia (2003) “Using Machine Learning for Realtime Activity Recognition and Estimation of Energy Expenditure” Master of Science Massachusetts Institute of Technology, 2003 Cambridge, Massachusetts 55 [17] Dean M Karantonis, Michael R Narayanan, Merryn Mathie, Nigel H Lovell, Branko G Celler “Implementation of a Real-Time Human Movement Classifier Using a Triaxial Accelerometer for Ambulatory Monitoring” [18] Nishkam Ravi Nikhil Dandekar Preetham Mysore Michael L Littman “Activity Recognition from Accelerometer Data” Department of Computer Science, đại học Rutgers University [19]Anne Preston, Madeline Balaam, Paul Seedhouse, Daniel Jackson, Cuong Pham, Cassim Ladha, Karim Ladha, Thomas Plötz,Patrick Olivier: (2012) “The french kitchen: task-based learning in an instrumented kitchen” [20] Julie A Kientz, Gillian R Hayes, Tracy L Westeyn, Thad Starner and Gregory D Abowd “Pervasive Computing and Autism: Assisting Caregivers of Children with Special Needs” Georgia Institute of Technology [21] Fahd Albinali , Matthew S Goodwin, Stephen Intille “Detecting stereotypical motor movements in the classroom using accelerometry and pattern recognition algorithms” ta ̣i Massachusetts Institute of Technology, Cambridge, MA 02139, USA ;The Groden Center, Inc., Providence, RI 02906, USA ; Northeastern University, Boston, MA 02115, USA [23] Cortes, Corinna; and Vapnik, Vladimir N (1995) “Support-Vector Networks” Internet: [24] libSVM: http://www.csie.ntu.edu.tw/~cjlin/libsvm/ [25] https://suckhoe.vnexpress.net/tin-tuc/suc-khoe/canh-bao-gia-tang-tre- mac-hoi-chung-tu-ky-3379959.html ... - NGUYỄN THỊ HẠNH NGHIÊN CỨU PHÁT HIỆN TẦN SUẤT HOẠT ĐỘNG CỦA TRẺ TỰ KỶ BẰNG VỊNG ĐEO TAY THƠNG MINH CHUN NGÀNH : KHOA HỌC MÁY TÍNH MÃ SỐ : 8.48.01.01 LUẬN VĂN THẠC SĨ KỸ THUẬT (Theo định... trợ giúp trẻ tự kỷ sau 1.2 Các nghiên cứu trước nhận dạng hoạt động trợ giúp trẻ tự kỷ 1.2.1 Nghiên cứu nhận dạng hoạt động người Từ năm 1980, lĩnh vực nghiên cứu vể việc nhận dạng hoạt động người... QUAN VỀ TRẺ TỰ KỶ VÀ NHẬN DẠNG HOẠT ĐỘNG CỦA TRẺ TỰ KỶ 1.1 Tổng quan trẻ tự kỷ 1.1.1 Bê ̣nh tự kỷ ở trẻ em biể u hiê ̣n thế nào? 1.1.2 Các hoạt động trẻ tự kỷ