Phân tích dáng đi của người bị bệnh parkinson sử dụng đặc trưng LBP

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN THỊ HỒNG HUỆ PHÂN TÍCH DÁNG ĐI CỦA NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG ĐẶC TRƯNG LBP Chuyên ngành: Khoa học máy tính Mã số: 8480101 TĨM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT Đà Nẵng - Năm 2018 Công trình hồn thành TRƯỜNG ĐẠI HỌC BÁCH KHOA Người hướng dẫn khoa học: TS HUỲNH HỮU HƯNG Phản biện 1: PGS.TS NGUYỄN TẤN KHÔI Phản biện 2: TS.TRẦN VĂN CƯỜNG Luận văn bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ kỹ thuật chuyên ngành Khoa học máy tính Trường Đại học Bách khoa Đà Nẵng vào ngày 05 tháng 01 năm 2019 Có thể tìm hiểu luận văn tại: - Trung tâm Học liệu Truyền thông Trường Đại học Bách khoa Đại học Đà Nẵng - Thư viện Khoa Công nghệ thông tin, Trường Đại học Bách khoa Đại học Đà Nẵng MỞ ĐẦU Lý chọn đề tài Một bệnh lý liên quan đến dáng bệnh Parkinson Parkinson bệnh thần kinh mạn tính thường kết hợp với rối loạn tâm thần, gặp chủ yếu người cao tuổi Theo thống kê độ tuổi khởi bệnh Parkinson trung bình vào khoảng 60 tuổi, với tỷ lệ mắc 90 - 100/100.000 dân tỷ lệ mắc 20/100.000 dân/năm, gặp trường hợp khởi bệnh trước 40 tuổi Khoảng 45% bệnh nhân Parkinson bị trầm cảm 30 - 60% bị sa sút tinh thần Phòng điều trị bệnh gặp khó khăn, bên cạnh đó, bệnh Parkinson dẫn đến số biến chứng [63] Số người mắc bệnh ngày gia tăng ngày trẻ hóa Parkinson khơng phải bệnh nguy hiểm cấp tính gây cản trở lớn đến công việc, sinh hoạt ngày, làm giảm chất lượng sống người bệnh, bệnh diễn tiến ngày nặng dần Nếu không điều trị đắn, kịp thời, sau từ đến năm có nguy bị tàn phế Cho tới nay, y học đại chưa có cách để phòng ngừa chữa khỏi hẳn bệnh Parkinson, việc phát sớm can thiệp kịp thời biện pháp tốt giúp người bệnh cải thiện chức vận động mình, đồng thời phát cảnh báo cho người phụ trách chăm sóc trở thành nhu cầu cấp thiết Ngày nay, nghiên cứu lĩnh vực thị giác máy tính hỗ trợ nhiều cơng tác y tế, đặc biệt nghiên cứu phân tích dáng giúp quan sát bệnh nhân phát sớm số bệnh tật Ứng dụng phân tích dáng lĩnh vực y tế triển khai từ sớm để chuẩn đoán phát bệnh tiềm ẩn liên quan đến khung xương [1] Đặc trưng LBP (Local Binary Pattern) đặc trưng sử dụng phổ biến tốn liên quan đến nhận dạng khn mặt nói riêng nhận dạng nói chung, LBP có khả bất biến với độ sáng khả phân tách cao chi phí tính tốn thấp Với lí trên, tơi đề xuất chọn đề tài “Phân tích dáng người bị bệnh Parkinson sử dụng đặc trưng LBP” Mục tiêu nhiệm vụ 2.1 Mục tiêu Mục tiêu đề tài xây dựng giải pháp đề xuất để phân tích dáng người bệnh Parkinson, áp dụng phương pháp trích xuất đặc trưng LBP với xây dựng mơ hình huấn luyện dựa mơ hình SVM để phân tích dáng xem người có bị bệnh Parkinson hay khơng? 2.2 Nhiệm vụ Từ mục tiêu đề tài, luận văn tập trung nghiên cứu nhiệm vụ sau: - Tìm hiểu tổng quan bệnh Parkinson; - Tìm hiểu loại camera hỗ trợ ghi nhận dáng đi; - Tìm hiểu mơ hình sử dụng phân tích nhận dạng dáng đi; - Nghiên cứu phương pháp trích chọn đặc trưng LBP; - Triển khai thực nghiệm để kiểm chứng kết Đối tượng phạm vi nghiên cứu 3.1 Đối tượng Luận văn tập trung tìm hiểu vấn đề sau: - Dáng người bị bệnh Parkinson; - Các kỹ thuật nhận dạng dáng đi, phương pháp phân tích dáng đi; - Phương pháp trích chọn đặc trưng LBP 3.2 Phạm vi nghiên cứu Luận văn tập trung phạm vi nghiên cứu phân tích dáng với liệu thu từ camera liệu có sẵn, áp dụng phương pháp trích xuất đặc trưng LBP mơ hình SVM để nhận dạng dáng người bị bệnh Parkinson Phương pháp nghiên cứu 4.1 Phương pháp nghiên cứu tài liệu Luận văn tập trung nghiên cứu số lý thuyết sau: - Tìm hiểu kĩ thuật xử lý ảnh; - Tìm hiểu phương pháp trích chọn đặc trưng LBP; - Tìm hiểu tài liệu có nhận dạng dáng khác nhau; thiết bị sử dụng phân tích dáng - Nghiên cứu báo liên quan 4.2 Phương pháp thực nghiệm - Xây dựng liệu; - Thực nghiệm mơ hình; - Phân tích, đánh giá kết Ý nghĩa khoa học thực tiễn Về khoa học: Kết nghiên cứu đề tài tiền đề để thực nghiên cứu dáng nói riêng phân tích hành vi người nói chung Về thực tiễn: Góp phần hỗ trợ cảnh báo kịp thời cho bệnh nhân Parkinson tình trạng bệnh để sớm điều trị cách 4 CHƯƠNG -TỔNG QUAN VỀ PHÂN TÍCH DÁNG ĐI 1.1 CÁC THÔNG SỐ ĐẶC TRƯNG CỦA DÁNG ĐI 1.1.1 Chu kỳ dáng Chu kỳ dáng [33] người định nghĩa khoảng thời gian hai kiện lặp lặp lại liên quan đến chân Một dáng bình thường gồm hai giai đoạn chính: giai đoạn chống giai đoạn đu; xác định dựa vào cử động di chuyển chân Giai đoạn chống bao gồm hai giai đoạn: giai đoạn hỗ trợ chân giai đoạn hỗ trợ hai chân Trong đó, giai đoạn hỗ trợ hai chân khoảng thời gian mà hai chân chạm đất Giai đoạn đu thực tế giai đoạn hỗ trợ chống chân chân lại Do đó, chu kỳ dáng đi, có hai giai đoạn chính: giai đoạn hỗ trợ chân giai đoạn hỗ trợ hai chân Hình 1.1 Chu kỳ dáng gồm giai đoạn 5 Hình 1.2 Chu kỳ dáng gồm giai đoạn 1.1.2 Các tham số bình thường dáng 1.2 CÁC THIẾT BỊ PHÂN TÍCH DÁNG ĐI Trước đây, việc phân tích dáng thực chuyên gia quan sát dáng bệnh nhân Tuy nhiên, phương pháp đánh giá chủ quan khơng xác Hiện nay, có hai hướng nghiên cứu thường áp dụng cho tốn phân tích dáng đi: sử dụng cảm biến sử dụng hệ thống thị giác máy tính 1.2.1 Sử dụng cảm biến 1.2.2 Sử dụng liệu thu từ camera 1.3 CÁC PHƯƠNG PHÁP PHÂN TÍCH DÁNG ĐI 1.3.1 Phương pháp dựa vào đặc trưng 1.3.2 Phương pháp dựa vào mơ hình a Máy véc-tơ hỗ trợ (Support Vector Machine - SVM) Máy véc-tơ hỗ trợ thuật toán học máy tiếng sử dụng để giải toán phân lớp Thuật toán SVM ban đầu phát minh Vladimir N Vapnik [55], phân loại tuyến tính, phương pháp dựa lý thuyết học thống kê hàm hạt nhân với ý tưởng nhận liệu vào phân loại chúng vào hai lớp khác Nhiều nhà nghiên cứu áp dụng thành công SVM việc giải vấn đề giới thực nhận dạng văn bản, hình ảnh, chữ viết tay… b Mơ hình Markov ẩn (Hidden Markov Model - HMM) Hình 1.3 Tham số xác suất mơ hình Markov ẩn c Mạng nơron nhân tạo (Artificial Neural Network - ANN) 1.4 KẾT LUẬN CHƯƠNG Như vậy, chương luận văn trình bày thông số đặc trưng dáng đi, thiết bị sử dụng phân tích dáng phương pháp phân tích dáng sử dụng phổ biến Với thời gian điều kiện thực tế, đề tài sử dụng camera ghi nhận trình chuyển động đối tượng, sử dụng LBP để trích đặc trưng dùng mơ hình SVM để huấn luyện nhận dạng dáng bệnh nhân Parkinson Muốn đạt kết tốt cho giải pháp đề xuất, cần phải hiểu rõ bệnh Parkinson - bệnh lý liên quan đến dáng Chương trình bày tổng quan bệnh Parkinson 7 CHƯƠNG - BỆNH PARKINSON 2.1 TỔNG QUAN VỀ BỆNH PARKINSON 2.1.1 Giới thiệu Bệnh Parkinson hay liệt rung, bệnh thần kinh xảy thoái hóa nhóm tế bào (motor neuron) nhân xám đáy não, làm giảm sút chất dẫn truyền thần kinh có tên dopamin (DPM) DPM đảm nhiệm vai trò dẫn truyền tín hiệu thần kinh từ tế bào sang tế bào khác, giúp tế bào não huy kiểm soát cử động bắp, đặc biệt chân tay mặt Khi thiếu DPM, bắp khơng vận động đạo bình thường não, gây triệu chứng đặc trưng bệnh Parkinson run tay chân, tăng trương lực cơ, co cứng, cử động chậm chạp, gây trở ngại lớn tới sinh hoạt công việc ngày người bệnh 2.1.2 Nguyên nhân gây bệnh Parkinson Hiện nay, y học chưa biết rõ nguyên nhân gây bệnh Parkinson, nhận thấy người mắc bệnh, hàm lượng DPM thể giảm đáng kể 2.1.3 Một số biểu bệnh Parkinson Bệnh Parkinson biểu hai triệu chứng: triệu chứng vận động triệu chứng không thuộc vận động Triệu chứng vận động: run, cứng đờ, cử động chậm chạp rối loạn thăng Triệu chứng không thuộc vận động: Thay đổi giọng nói, rối loạn giấc ngủ, khn mặt biểu cảm, táo bón, thay đổi khứu giác 8 2.1.4 Dáng Parkinson (Parkinsonian Gait) Hình 2.1 Dáng người bị bệnh Parkinson 2.1.5 Diễn biến bệnh Parkinson 2.1.6 Các phương pháp điều trị bệnh Parkinson 2.2 MỘT SỐ PHƯƠNG PHÁP CHẤN ĐỐN SỚM BỆNH PARKINSON 2.2.1 Chẩn đốn Parkinson phương pháp quét DAT 2.2.2 Ph n mềm chẩn đoán sớm bệnh Parkinson 2.2.3 Dùng bàn phím máy tính để phát sớm bệnh Parkinson 2.2.4 Phát bệnh Parkinson qua điện thoại 2.2.5 Phát bệnh Parkinson qua khứu giác 2.2.6 Có thể chẩn đốn Parkinson sớm theo nét chữ 2.2.7 Phát sớm bệnh thông qua kiểm tra mắt đơn giản 2.2.8 Kiểm tra thở giúp chẩn đoán bệnh Parkinson sớm 2.3 KẾT LUẬN CHƯƠNG Trong chương luận văn trình bày tổng quan bệnh Parkinson bao gồm giới thiệu bệnh Parkinson, nguyên nhân gây bệnh, số biểu bệnh, dáng bệnh nhân Parkinson, giai đoạn phát triển bệnh, cách điều trị bệnh đồng thời giới thiệu số phương pháp chẩn đốn sớm bệnh Parkinson mà nhà khoa học giới nghiên cứu Chương trình bày phân tích dáng bệnh nhân Parkinson sử dụng đặc trưng LBP CHƯƠNG - PHÂN TÍCH DÁNG ĐI NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG ĐẶC TRƯNG LBP Mục tiêu chương tiến hành kiểm chứng mơ hình giải pháp đề theo bước sau: đưa nhìn tổng quan hệ thống; xây dựng liệu; trích chọn đặc trưng; huấn luyện nhận dạng; sau tiến hành kiểm chứng kết 3.1 TỔNG QUAN HỆ THỐNG Quá trình xử lý nghiên cứu sử dụng sau: Hình 3.1 Giải pháp đề xuất 3.2 XÂY DỰNG DỮ LIỆU 10 Dữ liệu huấn luyện liệu thử lấy từ mơ hình 3D mơ người với dáng thiết lập sẵn Mơ hình xây dựng nhờ công cụ MakeHuman kết hợp với Blender 3.2.1 Ph n mềm thiết kế 3D MakeHuman Hình 3.2 Giao diện cơng cụ MakeHuman 3.2.2 Ph n mềm Blender H Hình 3.3 Giao diện phần mềm Blender 11 Sau xây dựng nhân vật thêm dáng cho nhân vật Tiến hành lưu khung ảnh chụp từ diện vào sở liệu huấn luyện ( a) (b) Hình 3.4 Một số khung ảnh lưu vào sở liệu (a) dáng bình thường, (b) dáng Parkinson 12 3.3 TRÍCH XUẤT ĐẶC TRƯNG LBP (Local Binary Pattern) 3.3.1 Phương pháp biểu diễn kết cấu dựa vào toán tử LBP LBP viết tắt Local Binary Pattern Ojala đồng nghiệp [38] giới thiệu năm 1996 Giải thuật trích rút đặc trưng Local Binary Pattern phương pháp thống kê phần tử kết cấu không thay đổi tỷ lệ xám Giải thuật công cụ hữu ích để mơ tả kết cấu Ý tưởng Tại vị trí pixel (xc, yc) cho trước, LBP định nghĩa chuỗi nhị phân có trật tự dựa so sánh giá trị mức xám pixel trung tâm (xc, yc) pixel lân cận nó, điểm lân cận có giá trị mức xám lớn giá trị mức xám điểm trung tâm nhận giá trị 1, ngược lại nhận giá trị Mỗi pixcel biểu diễn chuỗi nhị phân, giá trị thập phân chuỗi nhị phân giá trị pixel trung tâm biểu diễn toán tử LBP Đầu vào: Ma trận ảnh I kích thước MxN Đầu ra: Trích rút đặc trưng từ ảnh I theo phương pháp LBP (được biểu diễn dạng véc-tơ đặc trưng 256 chiều Các bước thực tính trích rút đặc trưng LBP: Bước 1: Duyệt ảnh I kích thước MxN, đặt cửa sổ kích thước 3x3 vào điểm ảnh Thu ( ) ma trận có kích đến , với giá trị mức xám thước 3x3 Bước 2: Từ ma trận pixel trung tâm, so sánh giá trị với giá trị mức xám pixel lân cận, giá trị mức xám pixel lân cận lớn 13 giá trị mức xám pixel trung tâm gán nhãn 1, ngược lại gán nhãn Thu ( ) ma trận có kích thước 3x3 Bước 3: Xét ma trận đến , thực chuyển ) sang dạng thập phân cách nối tất ma trận ( mã nhị phân thu theo chiều kim đồng hồ góc trái nhân với trọng số ( 7) ứng với điểm ảnh sau cộng tổng lại Thu ma trận ảnh LBP I’ kích thước MxN Giá trị LBP xác định công thức sau: ( ) ∑ ( ) (3.1) Bước 4: Từ ma trận ảnh I’ LBP, duyệt giá trị ( ) Thống kê giá trị ( ) vừa tính Thu véc-tơ 256 chiều: Đánh giá đặc trưng LBP: Ưu điểm: trích rút đặc trưng LBP cài đặt đơn giản, thời gian tính tốn giá trị đặc trưng nhanh làm việc với giá trị nguyên, vận hành thuận tiện, dung lượng tốt để mô tả kết cấu ảnh Nhược điểm: - Trích rút đặc trưng LBP từ ảnh ta thu véc-tơ đặc trưng gồm 256 chiều Số lượng chiều véc-tơ lớn dẫn đến việc sử dụng đặc trưng chưa hiệu mặt thời gian thực - Ở mức độ đó, giải thuật LBP biểu diễn chưa tốt kết cấu phức tạp 3.3.2 Cải tiến LBP: Uniform Patterns [28] - Một giá trị gọi uniform biểu diễn sang hệ nhị phân, xét từ trái sang phải, tổng số lần chuyển từ bit sang sang nhỏ 14 - Một giá trị gọi non-uniform biểu diễn sang hệ nhị phân, xét từ trái sang phải, tổng số lần chuyển từ bit sang sang lớn - Đầu vào: Ma trận ảnh LBP ảnh I’ kích thước MxN thu từ phương pháp LBP truyền thống giới thiệu mục 3.2.1 - Đầu ra: Trích rút đặc trưng từ ảnh I’ theo phương pháp Uniform LBP (được biểu diễn dạng véc-tơ đặc trưng 59 chiều - Các bước thực hiện: - Bước 1: Từ ma trận ảnh biểu diễn dạng kết cấu LBP có kích thước MxN thu từ mục 2.1.1, chuyển giá trị ( ) từ hệ thập phân sang hệ nhị phân - Bước 2: Tìm giá trị uniform thỏa mãn ( : ) - Trên chuỗi nhị phân điểm ảnh, xét từ trái sang phải, tổng số lần chuyển từ bit sang sang nhỏ uniform ngược lại non-uniform - Bước 3: Duyệt giá trị ma trận LBP, thống kê giá trị uniform, giá trị non-uniform có giá trị LBP tích lũy vào chiều 58 Thu véc-tơ 59 chiều: 3.4 HUẤN LUYỆN 3.4.1 Xây dựng mơ hình phân lớp sử dụng SVM để nhận dạng dáng a Phân lớp liệu Phân lớp q trình nhóm đối tượng “giống” vào “một lớp” dựa đặc trưng liệu chúng Tuy nhiên, phân lớp hoạt động tiềm ẩn tư người nhận dạng 15 giới thực, đóng vai trò quan trọng làm sở đưa dự báo, định Phân lớp cách mô tả lớp giúp cho tri thức định dạng lưu trữ Kỹ thuật phân lớp liệu tiến hành bao gồm bước: Bước 1: Xây dựng mơ hình Bước 2: Sử dụng mơ hình b Ý tưởng phương pháp SVM Cho trước tập huấn luyện, biểu diễn không gian vector, tài liệu điểm, phương pháp tìm siêu phẳng f định tốt chia điểm khơng gian thành hai lớp riêng biệt tương ứng lớp + lớp - Chất lượng siêu phẳng định khoảng cách (gọi biên) điểm liệu gần lớp đến mặt phẳng Khi đó, khoảng cách biên lớn mặt phẳng định tốt, đồng thời việc phân loại xác Phương pháp SVM cho tốn phân lớp mơ tả thơng qua ví dụ sau: Xét không gian chiều (n=2), điểm tập mẫu cho hình 3.13 Hình 3.5 Minh họa tốn phân hai lớp với phương pháp SVM Hình 3.13 thể trường hợp tìm siêu phẳng phân tách, liệu trường hợp gọi phân tách tuyến tính 16 c Các bước thực Phương pháp SVM yêu cầu liệu diễn tả vectơ số thực Như đầu vào chưa phải số ta cần phải tìm cách chuyển chúng dạng số SVM Tiền xử lý liệu Chọn hàm hạt nhân Thực việc kiểm tra chéo Sử dụng tham số cho việc huấn luyện với tập mẫu: Sau tiến hành kiểm thử tập liệu Test 3.4.2 Phát dáng người bị bệnh Parkinson Các video dùng để huấn luyện cắt thành nhiều khung ảnh, cắt cho ảnh bao sát thể người đưa kích thước 100*100px, sau khung ảnh đưa dạng ảnh xám Sau tiền xử lý, tiến hành lấy đặc trưng LBP khung ảnh Các vec-tơ đặc trưng thu đưa vào mơ hình SVM để huấn luyện Dữ liệu phân thành lớp với nhãn là: “Dáng bình thường” “Dáng Parkinson” Sau huấn luyện, quy định ngưỡng để tiến hành nhận dạng phát dáng Parkinson Đối với khung ảnh lấy từ video đầu vào, tỉ lệ phù hợp khung ảnh thuộc lớp cao kết luận thuộc lớp Ví dụ tỉ lệ khung ảnh thuộc lớp Parkinson 75% kết luận người mắc bệnh Parkinson Để nhận dạng chuẩn xác nhất, tơi chọn ngưỡng 75% kiến thức sinh trắc học trình nghiên cứu thực nghiệm Quá trình thực nghiệm kết trình bày phần 17 3.5 THỰC NGHIỆM VÀ KẾT QUẢ 3.5.1 Dữ liệu thử nghiệm Dữ liệu thử nghiệm xây dựng gồm nhân vật với giới tính độ tuổi khác nhau, trình bình thường Parkinson Mỗi nhân vật lấy 150 khung hình suốt chu kì dáng Tập liệu chia làm phần: huấn luyện (train) thử nghiệm (test) Bảng 3.1 Số khung ảnh lấy từ nhân vật Nhân vật Dáng bình thường Dáng Parkinson Nhân vật 200 170 Nhân vật 150 200 Nhân vật 150 180 Nhân vật 170 150 Nhân vật 200 200 Nhân vật 180 150 Các khung hình thu từ nhân vật 1, 2, 3, đưa vào huấn luyện Dữ liệu thu từ nhân vật 4, 5, dùng cho thử nghiệm (a) 18 (b) Hình 3.6 Chuỗi ảnh thể dáng (a) dáng bình thường (b) dáng Parkinson Hệ thống thử nghiệm xây dựng ngơn ngữ lập trình Python thư viện Keras 3.5.2 Quá trình thực Bước 1: Xây dựng sở liệu từ công cụ MakeHuman Blender Bước 2: Xử lý liệu huấn luyện: Detect đối tượng khung hình, chuẩn hóa hình ảnh kích thước 100*100px, chuyển ảnh thành ảnh xám Hình 3.7 Chuyển ảnh thành ảnh xám 19 Bước 3: Trích xuất đặc trưng LBP Để tiến hành trích rút đặc trưng LBP nhân vật, sử dụng thư viện OpenCV Với đầu vào khung ảnh, sau trích rút đặc trưng ta véc-tơ đặc trưng LBP (a) Hình 3.8 Ảnh trước sau trích xuất đặc trưng LBP (a) Ảnh đầu vào, (b) ảnh đặc trưng LBP Bước 4: Đưa liệu huấn luyện vào mơ hình SVM Véc-tơ đặc trưng có từ bước đầu vào cho mơ hình SVM Dữ liệu phân thành lớp có nhãn “Dáng bình thường” “Dáng Parkinson” Bước 5: Nhận dạng Sau huấn luyện, đưa video thu lại dáng người vào nhận dạng Hệ thống tính tốn xác định dáng thuộc nhãn dựa theo ngưỡng quy định Từ kết luận nhân vật video có mắc bệnh Parkinson hay khơng 20 Hình 3.9 Kết nhận dạng 3.5.3 Kết thực nghiệm Để thực phân lớp dáng đi, chia tập liệu thành tập tập huấn luyện (train) tập kiểm thử (test) Tập huấn luyện gồm có 670 frame dáng bình thường 700 frame dáng Parkinson Tập kiểm thử video thể dáng nhân vật gồm 550 frame dáng bình thường 500 frame dáng Parkinson Kết nhận dạng thể bảng sau: 21 Hình 3.2 Kết nhận dạng dáng Nhân vật Dáng Frame nhận dạng Kết luận đúng Bình thường 98% 99% Parkinson 78% 92% Bình thường 96% 97% Parkinson 76% 90% Bình thường 95% 97% Parkinson 75% 89% 3.5.4 Nhận xét Dựa vào kết thực nghiệm nhận dạng dáng đi, ta thấy độ xác giải pháp 86.3% nhận dạng dựa khung hình 94% nhận dạng dựa video Nhận xét kết thử nghiệm trên, ta thấy chu kỳ dáng bình thường dáng Parkinson phân tách rõ ràng dựa ngưỡng xác định trình huấn luyện Tuy nhiên mơ hình SVM xác hiệu phụ thuộc nhiều vào tập liệu huấn luyện Tập liệu phải thu thập đủ lớn khách quan 3.6 KẾT LUẬN CHƯƠNG Chương mô tả giải pháp đề xuất phương pháp phân tích dáng sử dụng đặc trưng LBP bao gồm: xây dựng liệu, trích xuất đặc trưng LBP, xây dựng mơ hình dáng dựa mơ hình máy vec-tơ hỗ trợ (SVM), tính ngưỡng xác xuất để nhận biết dáng người bị bệnh Parkinson, trình bày kết thực nghiệm giải pháp đề xuất 22 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Trong luận văn này, phương pháp nhằm giải toán phân tích dáng trình bày tóm lược Bên cạnh luận văn giới thiệu phân tích số giải pháp có tốn phân tích dáng người Luận văn giới thiệu tổng quan bệnh Parkinson - bệnh khiến người bệnh mắc tật dáng Từ đánh giá qua phương pháp đặc trưng dáng người mắc bệnh Parkinson, hướng tiếp cận đề xuất để phát dáng người mắc bệnh Do việc thu liệu thực tế khó khăn nên giải pháp xây dựng liệu từ mơ hình 3D thực Đầu tiên, nhân vật tạo nhờ phần mềm Makehuman sau đưa vào Blender để tạo chuyển động cho nhân vật Camera ảo Blender thu lại hình ảnh di chuyển nhân vật đưa vào sở liệu Quá trình xử lý bắt đầu việc tiền xử lý hình ảnh thu được, trình bao gồm việc phát đối tượng, cắt biên đưa hình ảnh kích thước quy định sau chuyển hình ảnh thành ảnh xám Tiếp theo, hình ảnh trích xuất đặc trưng LBP để đưa vào huấn luyện Các véc-tơ đặc trưng đưa vào mơ hình SVM để phân lớp với nhãn “Dáng bình thường” “Dáng Parkinson” Mơ hình SVM sau huấn luyện với ngưỡng xác định nhận dạng dáng bình thường hay người bị bệnh Parkinson Kết thực nghiệm cho thấy giải pháp đề xuất mang lại hiệu đầy hứa hẹn việc tích hợp vào hệ thống giám sát chăm sóc sức khỏe tự động Giải pháp khơng giải tốn 23 cụ thể phân tích dáng người bệnh Parkinson mà tiền đề để phân tích, phát dáng người mắc bệnh, tật xương, khớp, thần kinh dẫn đến bất thường dáng Để tăng mức độ hiệu quả, giải pháp đề xuất tiếp tục cải tiến để áp dụng cho nhiều toán chun biệt Ngồi ra, đặc trưng mơ hình huấn luyện khác nghiên cứu nhằm so sánh, đánh giá chọn giải pháp tốt cho toán phát dáng người bệnh Parkinson nói riêng dáng bất thường người mắc bệnh, tật có ảnh hưởng đến dáng nói chung  ... bệnh Parkinson mà nhà khoa học giới nghiên cứu Chương trình bày phân tích dáng bệnh nhân Parkinson sử dụng đặc trưng LBP CHƯƠNG - PHÂN TÍCH DÁNG ĐI NGƯỜI BỊ BỆNH PARKINSON SỬ DỤNG ĐẶC TRƯNG LBP. .. số đặc trưng dáng đi, thiết bị sử dụng phân tích dáng phương pháp phân tích dáng sử dụng phổ biến Với thời gian đi u kiện thực tế, đề tài sử dụng camera ghi nhận trình chuyển động đối tượng, sử. .. đề tài Phân tích dáng người bị bệnh Parkinson sử dụng đặc trưng LBP Mục tiêu nhiệm vụ 2.1 Mục tiêu Mục tiêu đề tài xây dựng giải pháp đề xuất để phân tích dáng người bệnh Parkinson, áp dụng phương