Phân tích dáng đi chống đau sử dụng máy véc tơ hỗ trợ

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA HOÀNG THỊ MINH HUYỀN PHÂN TÍCH DÁNG ĐI CHỐNG ĐAU SỬ DỤNG MÁY VÉC TƠ HỖ TRỢ Chuyên ngành: Khoa học máy tính Mã số: 8480101 TĨM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT Đà Nẵng - Năm 2018 Cơng trình hoàn thành TRƯỜNG ĐẠI HỌC BÁCH KHOA Người hướng dẫn khoa học: TS HUỲNH HỮU HƯNG Phản biện 1: TS NINH KHÁNH DUY Phản biện 2: TS TRẦN VĂN CƯỜNG Luận văn bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ 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 1 MỞ ĐẦU Lý chọn đề tài Y học đại cho rằng: dáng người khỏe mạnh có biểu khác tùy theo tuổi tác, tình trạng sức khỏe Ví dụ tuổi tác, trẻ em thích gấp chạy chầm chậm, niên khỏe mạnh nhanh mạnh mẽ, người già thường chậm với bước nhỏ Đấy dáng bình thường Khi mắc số bệnh làm cho dáng thay đổi lớn có tính đặc trưng định Bệnh l c ng khớp vấn đề sức khỏe th giới uan tâm, uy mơ lớn hệ uả nghiêm trọng bệnh cộng đồng Bệnh dẫn đ n t vong không biểu nguy kịch bệnh tim mạch, hô hấp, ung thư… tần suất bệnh cao nhất, đồng thời nguyên nhân gây đau, chức vận động giảm chất lượng sống Ngày nay, nghiên cứu lĩnh vực thị giác máy tính hỗ trợ nhiều cho cơng tác y t , đặc biệt nghiên cứu phân tích dáng giúp uan sát bệnh nhân phát sớm số bệnh tật Ứng dụng phân tích dáng lĩnh vực y t triển khai từ sớm để chẩn đoán phát bệnh tiềm ẩn liên uan đ n khung ng Trong phư ng pháp học máy, SVM phư ng pháp hiệu uả cho toán phân lớp liệu Nó cơng cụ đắc lực cho toán l ảnh, phân loại văn bản, phân tích uan điểm SVM thể nhiều ưu điểm, như: tính tốn hiệu uả tập liệu lớn, ti t kiệm nhớ Một y u tố làm nên hiệu uả SVM việc s dụng Kernel function n cho phư ng pháp chuyển không gian trở nên linh hoạt h n [19] Tổng hợp lí trên, đề uất chọn đề tài luận văn cao học: “Phân tích dáng chống đau sử dụng máy véc tơ hỗ trợ” Mục tiêu nhiệm vụ nghiên cứu 2.1 Mục tiêu nghiên cứu Mục tiêu đề tài ây dựng giải pháp s dụng máy véc t hỗ trợ (SVM) để phân tích dáng chống đau, từ nhận dạng dáng người thu từ camera thuộc dáng chống đau hay không? 2.2 Nhiệm vụ nghiên cứu - Tìm hiểu số triệu chứng lâm sàng bệnh ng khớp nguyên nhân tạo dáng chống đau người; - Tìm hiểu phư ng pháp học máy: máy véc t hỗ trợ; - Nghiên cứu giải pháp phân tích dáng người có dáng chống đau máy véc t hỗ trợ; - Xây dựng chư ng trình demo để kiểm tra k t uả Đối tượng phạm vi nghiên cứu 3.1 Đối tượng nghiên cứu - Dáng chống đau người bị bệnh đau bàn chân, mắt cá chân, đầu gối, hông ng chậu; - Phư ng pháp huấn luyện học máy: máy véc t hỗ trợ (SVM); 3.2 Phạm vi nghiên cứu - Nghiên cứu phân tích dáng chống đau với liệu từ camera liệu có sẵn 3 Phương pháp nghiên cứu 4.1 Phương pháp nghiên cứu lý thuyết - Tìm hiểu tài liệu bệnh ng khớp chân: bàn chân, mắt cá chân, đầu gối, hông ng chậu; - Tìm hiểu tài liệu l ảnh; - Tìm hiểu tốn phân tích dáng đi; - Tìm hiểu phư ng pháp phân lớp s dụng máy véc t hỗ trợ; - Nghiên cứu báo liên uan 4.2 Phương pháp nghiên cứu thực nghiệm - Xây dựng liệu; - Xây dựng mơ hình; - Đánh giá k t uả Ý nghĩa khoa học thực tiễn luận văn 5.1 Ý nghĩa khoa học Cung cấp mặt l thuy t phư ng pháp phân tích dáng đi, áp dụng hướng nghiên cứu sâu h n, cụ thể h n 5.2 Ý nghĩa thực tiễn Có thể hồn chỉnh phát triển để ứng dụng lĩnh vực y t nhằm hỗ trợ việc chẩn đoán bệnh liên uan đ n khung ng nguyên nhân gây dáng chống đau Cấu trúc luận văn Nội dung luận văn trình bày bao gồm phần sau: Chương Dáng chống đau Chương Tổng quan phân tích dáng Chương Phân tích dáng chống đau sử dụng máy véc tơ hỗ trợ Kết luận hướng phát triển CHƯƠNG - DÁNG ĐI CHỐNG ĐAU 1.1 Các giai đoạn dáng người Dáng định nghĩa chuỗi liên tục thành nhịp giai đoạn đu đưa (swing) tựa (support) hai chân bàn chân không (đu đưa) ti p úc với đất (tựa).Dáng đặc trưng có giai đoạn tựa kép hai chân ti p úc với đất, en kẽ với giai đoạn tựa đ n chân đưa tới trước để bước ti p Trong khơng có giai đoạn hai chân hở đất (nghĩa giai đoạn bay) Hình 1.1 Chu kỳ dáng gồm giai đoạn 1.1.1 Giai đoạn tựa (chống) - Thì tiếp đất (chạm đất) - Thì chuyển trọng lượng - Giữa tựa - Cuối tựa - Tiền đu 1.1.2 Giai đoạn đu đưa - Đầu đu - Giữa đu - Cuối đu 1.2 Các thay đổi dáng lâm sàng Có thể nhìn dáng để đốn bi t sức khỏe - nhận định từ chuyên gia sau uá trình nghiên cứu vấn đề Tư th có liên uan đ n mức độ đồng nhiều phận khác c thể bao gồm: tay, lưng, ng chậu, hông, đầu gối, bắp chân, c gân kheo (c kéo) bàn chân nhằm giữ thăng bạn bước phía trước Nhiều bệnh l ảnh hưởng đ n dáng chức lại bệnh nhân Sau số dáng bệnh l thường gặp: Dáng chống đau; Dáng cứng khớp háng; Dáng khớp háng không vững; Dáng chân ngắn; Dáng bước cao; Dáng kéo; Dáng bệnh nhân Parkinson; Dáng liệt nửa người; Dáng thất điều; Dáng lật bật; Dáng chân ngựa; Dáng co cứng 1.3 Dáng chống đau 1.3.1 Định nghĩa dáng chống đau Dáng chống đau bệnh nhân cố gắng tránh đặt trọng lượng c thể lên chân bị đau 7 Hình 1.2 Chuỗi hình minh họa dáng chống đau 1.3.2 Nguyên nhân 1.3.3 Các triệu chứng dáng chống đau 1.3.4 Cách chẩn đoán bệnh 1.4 Tổng kết chương Một dáng bình thường gồm hai giai đoạn chính: giai đoạn chống giai đoạn đu đưa, ác định dựa vào c động di chuyển chân Nhiều bệnh l ảnh hưởng đ n dáng chức lại người Cụ thể trường hợp bệnh nhân bị đau ng khớp, người bệnh có dáng chống đau Trong chư ng 1, luận văn trình bày định nghĩa dáng chống đau, nguyên nhân, triệu chứng cách chẩn đoán bệnh Trong nội dung chư ng ti p theo, luận văn trình bày ki n thức tổng uan phân tích dáng 8 CHƯƠNG – TỔNG QUAN VỀ PHÂN TÍCH DÁNG ĐI 2.1 Phân tích dáng Có hai hướng nghiên cứu thường áp dụng cho tốn phân tích dáng đi: xử lý liệu từ cảm biến, sử dụng hệ thống thị giác máy tính Điểm khác biệt chủ y u hướng thi t bị hỗ trợ s dụng uá trình nghiên cứu, trình bày cụ thể 2.1.1 Sử dụng cảm biến 2.1.2 Sử dụng liệu thu từ camera 2.2 Trích đặc trưng Có nhiều mơ tả thuộc tính khác nhau, phân loại thuộc tính theo nhiều cách khác nhau, dựa theo tiêu chí khác như: thuộc tính 2D; thuộc tính 3D; thuộc tính khơng gian; thuộc tính thời gian;… Những thuộc tính chia thành 02 nhóm thuộc tính số thuộc tính nhị phân 2.2.1 Thuộc tính số 2.2.2 Thuộc tính nhị phân 2.3 Các phương pháp phân tích dáng Về c bản, có hai phư ng pháp phân tích dáng đi: dựa vào đặc trưng dựa vào mô hình 2.3.1 Phương pháp dựa vào đặc trưng Trong phư ng pháp phân tích dựa vào đặc trưng, đặc trưng trích uất s dụng để biểu diễn cho dáng 9 Tùy thuộc vào mục đích phân tích dáng mà đặc trưng khác dáng s dụng 2.3.2 Phương pháp dựa vào mô hình Các phư ng pháp phân tích dáng dựa mơ hình s dụng mơ hình tốn học để biểu diễn phân tích dáng máy vector hỗ trợ, mơ hình Markov ẩn, mạng n ron… Máy vector hỗ trợ thuật toán học máy ti ng s dụng để giải uy t toán phân lớp SVM ban đầu thi t k cho việc phân loại nhị phân (hai lớp), sau mở rộng để thực việc phân loại đa lớp Phần ti p theo, luận văn trình bày mơ hình phân tích dáng SVM, mơ hình luận văn s dụng trình huấn luyện nhận dạng Trước tiên luận văn giới thiệu khái niệm c bản: siêu phẳng phân chia n tính, support vectors,… a) Các khái niệm b) Phân lớp liệu - Trường hợp liệu phân chia tuyến tính - Trường hợp liệu khơng phân biệt tuyến tính 2.4 Tổng kết chương Trong chư ng luận văn giới thiệu hướng ti p cận tốn phân tích dáng Đồng thời luận văn giới thiệu phư ng pháp phân tích dáng đi, giới thiệu thuật tốn SVM thuật toán thuộc phư ng pháp phân tích dáng dựa vào mơ hình Đó mơ hình luận văn s dụng để huấn luyện nhận dạng trình giải uy t tốn đưa 10 Nội dung chư ng ti p theo, luận văn trình bày hệ thống phân tích dáng chống đau s dụng máy véc t hỗ trợ k t uả thực nghiệm hệ thống 11 CHƯƠNG 3– PHÂN TÍCH DÁNG ĐI CHỐNG ĐAU SỬ DỤNG MÁY VÉC TƠ HỖ TRỢ Nội dung chư ng ti n hành kiểm chứng mơ hình đề theo bước: đưa nhìn tổng uan hệ thống, ây dựng liệu, trích chọn đặc trưng, huấn luyện nhận dạng để kiểm chứng k t uả 3.1 Tổng quan hệ thống Quá trình l nghiên cứu s dụng sau: - Dữ liệu vào:Tập liệu dáng người bị bệnh khớp có dáng chống đau dáng người bình thường ây dựng từ công cụ mô 3D - Tiền xử lý: Từ liệu vào ta thực bước l ảnh c để làm rõ hình ảnh như: chỉnh ảnh, chuẩn hóa ánh sáng, lọc nhiễu, phân chia ảnh… - Trích chọn đặc trưng: Dựa vào đặc điểm nhận dạng người có dáng chống đau k t hợp với phư ng pháp rút trích đặc trưng Hog (tính gradient, chia hướng gom nhóm đặc trưng (cell), tính đặc trưng cho khối (block) chuẩn hóa, tính véc t đặc trưng cho c a sổ) - Huấn luyện: Dựa vào thông số thu từ trích chọn đặc trưng để ác định véc t đặc trưng, s dụng mô hình có mạng n -ron nhân tạo, mơ hình Markov ẩn, máy véc t hỗ trợ… ây dựng mơ hình phù hợp để huấn luyện liệu Ở luận văn s dụng máy véc t hỗ trợ để ây dựng mơ hình dáng 12 - Kết luận:S dụng mơ hình ây dựng bước huấn luyện để phân lớp cho đối tượng liệu người dùng Dữ liệu người dùng đưa vào mơ hình đưa dạng véc t đặc trưng trích chọn, sau đưa k t luận người có dáng chống đau hay khơng Hình 3.1 Giải pháp đề xuất 3.2 Xây dựng liệu Dữ liệu huấn luyện liệu kiểm th lấy từ mơ hình 3D mô người với dáng thi t lập sẵn Mơ hình ây dựng nhờ cơng cụ MakeHuman k t hợp với Blender 3.2.1 Phần mềm thiết kế 3D MakeHuman 13 Hình 3.2 Giao diện cơng cụ MakeHuman 3.2.2 Phần mềm Blender Hình 3.3 Giao diện phần mềm Blender 14 Hình 3.4 Dữ liệu dáng chống đau 3.3 Trích đặc trưng HoG Bài tốn tính tốn HOG thường gồm bước: Bước Chuẩn hóa hình ảnh trước xử lý Bước Tính gradient Hình 3.5 Ảnh đầu vào HoG Bước Tính véc tơ đặc trưng cho ô 15 Bước Tính véc tơ đặc trưng cho Hình 3.6 Chia khối trích đặc trưng HoG Bước Tính chuẩn hóa véc tơ cho khối Bước Tính véc tơ cho ảnh Hình 3.7 Các bước rút trích đặc trưng HoG 16 3.4 Huấn luyện 3.4.1 Bài toán phân lớp Kỹ thuật phân lớp liệu ti n hành bao gồm bước: Bước 1: Xây dựng mơ hình - Mỗi bộ/mẫu liệu phân vào lớp ác định trước; - Lớp bộ/mẫu liệu ác định thuộc tính gán nhãn lớp; - Tập bộ/mẫu liệu huấn luyện - tập huấn luyện - dùng để ây dựng mơ hình; - Mơ hình biểu diễn luật phân lớp,các uy t định công thức tốn học; Bước 2: Sử dụng mơ hình - Phân lớp cho đối tượng chưa phân lớp; - Đánh giá độ ác mơ hình: Lớp bi t trước bộ/mẫu liệu đem kiểm tra so sánh với k t uả thu từ mơ hình; Tỉ lệ ác phần trăm bộ/mẫu liệu phân lớp mơ hình số lần kiểm tra 3.4.2 Xây dựng mơ hình phân lớp sử dụng SVM để nhận dạng dáng Phư ng pháp SVM yêu cầu liệu diễn tả vector số thực Như n u đầu vào chưa phải số ta cần phải tìm cách chuyển chúng dạng số SVM 17 • Tiền l liệu: Thực bi n đổi liệu phù hợp cho trình tính tốn, tránh số lớn mơ tả thuộc tính Thường nên co giãn(scaling) liệu chuyển đoạn [-1,1] [0,1] • Chọn hàm hạt nhân: Lựa chọn hàm hạt nhân phù hợp tư ng ứng cho toán cụ thể để đạt độ ác cao trình phân lớp • Thực việc kiểm tra chéo để ác định tham số cho ứng dụng: Điều uy t định đ n tính ác trình phân lớp • S dụng tham số cho việc huấn luyện với tập mẫu: Trong trình huấn luyện s dụng thuật tốn tối ưu hóa khoảng cách siêu phẳng uá trình phân lớp, ác định hàm phân lớp không gian đặc trưng nhờ việc ánh liệu vào không gian đặc trưng cách mô tả hạt nhân cuối kiểm th tập liệu 3.4.3 Phát dáng chống đau Các video dùng để huấn luyện cắt thành nhiều khung hình Sau khung đưa dạng ảnh ám, cắt cho ảnh bao sát c thể người đưa kích thước 100*100p Sau tiền l , ti n hành lấy đặc trưng HoG khung ảnh Các véc t đặc trưng thu đưa vào mô hình SVM để huấn luyện Dữ liệu phân thành lớp với nhãn là: Bình thường Dáng chống đau Sau huấn luyện, uy định ngưỡng để ti n hành nhận dạng phát dáng chống đau Đối với khung ảnh lấy từ video đầu vào, tỉ lệ phù hợp khung ảnh thuộc lớp cao h n k t 18 luận thuộc lớp Đối với video đầu vào, tỉ lệ khung ảnh thuộc lớp dáng chống đau 60% k t luận người có dáng chống đau 3.5 Kết thực nghiệm 3.5.1 Dữ liệu thử nghiệm Bảng 3.1 Số khung hình lấy từ nhân vật Dáng Nhân vật Đi bình thường Đi chống đau Nhân vật 200 150 Nhân vật 170 200 Nhân vật 150 200 Nhân vật 150 150 Nhân vật 200 180 Nhân vật 180 170 Các khung hình thu từ nhân vật 1, 2, 3, đưa vào huấn luyện Dữ liệu thu từ nhân vật 4, 5, dùng cho th nghiệm 3.5.2 Quá trình thực nghiệm Bước 1: Xây dựng c sở liệu từ công cụ MakeHuman Blender Bước 2: X l liệu huấn luyện: Detect đối tượng khung hình, scale kích thước 100*100p , chuyển ảnh thành ảnh màu grayscale Bước 3: Trích uất đặc trưng HoG 19 Bước 4: Đưa liệu huấn luyện vào mơ hình SVM Bước 5: Nhận dạng 3.5.3 Kết thử nghiệm K t uả nhận dạng thể bảng sau: Bảng 2.2 Kết nhận dạng dáng Khung hình Nhân vật Dáng nhận dạng Kết luận dáng Bình thường 98% 100% Chống đau 65% 100% Bình thường 94% 100% Chống đau 62% 100% Bình thường 95% 100% Chống đau 64% 100% 3.6 Tổng kết chương SVM đánh giá hướng ti p cận phân lớp đạt độ ác cao Hạn ch lớn SVM tốc độ phân lớp chậm, Tuy nhiên, SVM đánh giá phư ng pháp học máy tiên ti n đóng góp nhiều thành cơng lĩnh vực khai phá liệu lĩnh vực nhận dạng 20 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Thị giác máy tính lĩnh vực phát triển mạnh mẽ th giới nói chung Việt Nam nói riêng Khái niệm thị giác máy tính có liên uan đ n nhiều ngành học có nhiều hướng nghiên cứu khác Đặc biệt, với nhu cầu ngày tăng hệ thống giám sát trực uan, nhận dạng đối tượng người khoảng cách định uan tâm nhiều h n thời gian gần Sự phát triển kỹ thuật thị giác máy tính ảnh hưởng lớn theo chiều hướng tích cực tới khả nâng cao độ ác phư ng pháp phân tích dáng Luận văn trình bày tổng uan dáng chống đau, công cụ, cách biểu diễn đặc trưng s dụng phân tích dáng đi, phư ng pháp phân tích dáng có, từ đề uất phư ng pháp phân tích dáng chống đau người bị bệnh ng khớp dựa vào đặc trưng HoG phư ng pháp học máy SVM Trong phạm vi luận văn, mơ hình đề uất liệu 3D thu từ camera chuyển sang liệu 2D để l Và để triển khai toán môi trường rộng h n, tác giả cần phải l liệu thực thu từ camera Đồng thời tác giả cần lựa chọn đặc trưng k t hợp phù hợp để thực liệu 3D.Vì vậy, việc nghiên cứu tảng l l liệu 3D thu từ camera hướng phát triển tiềm cần lưu đề tài  ... học: Phân tích dáng chống đau sử dụng máy véc tơ hỗ trợ Mục tiêu nhiệm vụ nghiên cứu 2.1 Mục tiêu nghiên cứu Mục tiêu đề tài ây dựng giải pháp s dụng máy véc t hỗ trợ (SVM) để phân tích dáng chống. .. gây dáng chống đau Cấu trúc luận văn Nội dung luận văn trình bày bao gồm phần sau: Chương Dáng chống đau Chương Tổng quan phân tích dáng Chương Phân tích dáng chống đau sử dụng máy véc tơ hỗ trợ. .. bày hệ thống phân tích dáng chống đau s dụng máy véc t hỗ trợ k t uả thực nghiệm hệ thống 11 CHƯƠNG 3– PHÂN TÍCH DÁNG ĐI CHỐNG ĐAU SỬ DỤNG MÁY VÉC TƠ HỖ TRỢ Nội dung chư ng ti n hành kiểm chứng