5. Bố cục của luận án
1.5. Kết luận chương
Trong chương này đã giới thiệu sự cần thiết của bài tốn nhận dạng hoạt động ở người nĩi chung và phát hiện VĐBT nĩi riêng, trình bày sơ lược một số phương pháp phát hiện VĐBT đang được sử dụng, các tập dữ liệu sử dụng cho các thử nghiệm
sau này của NCS. Trong chương cũng đã lý giải việc lựa chọn các độ đo đánh giá phù hợp và trình bày cách tính tốn các độ đo đánh giá hiệu suất mơ hình. Bằng việc tìm hiểu những nghiên cứu cĩ liên quan, NCS đã chỉ ra được những ưu điểm cũng như những mặt cịn hạn chế của các phương pháp phát hiện VĐBT hiện cĩ, đặc biệt là trong các phương pháp trích chọn đặc trưng thủ cơng và tự động, qua đĩ NCS thấy được cịn khá nhiều khĩ khăn cần giải quyết đối với bài tốn phát hiện VĐBT như sự khan hiếm về dữ liệu huấn luyện ảnh hưởng độ chính xác và tin cậy của các hệ thống phát hiện hay làm sao để lựa chọn được phương pháp học máy phù hợp với hệ thống phát hiện VĐBT. Những điều này giúp cho NCS cĩ thể định hướng được hướng nghiên cứu phù hợp cho bài tốn phát hiện VĐBT trình bày trong các chương tiếp theo. Từ những vấn đề đặt ra trong chương này, các phần tiếp theo của luận án sẽ đi sâu giải quyết một số thách thức như sau:
Nghiên cứu các phương pháp trích chọn đặc trưng thủ cơng hiệu quả từ các cảm biến đeo kết hợp để nâng cao tính chính xác và độ tin cậy của hệ thống nhận dạng hoạt động và phát hiện VĐBT. Tiến hành thử nghiệm, đánh giá kết quả nghiên cứu. Chi tiết của phương pháp đề xuất được trình bày trong chương 2.
Nghiên cứu các phương pháp trích chọn đặc trưng tự động hiệu quả trên dữ liệu thu thập từ các cảm biến đồng nhất và khơng đồng nhất. Tiến hành thử nghiệm trên các tập dữ liệu tự thu thập và các tập dữ liệu cơng khai, so sánh kết quả của các
phương pháp đề xuất với các nghiên cứu đã cơng bố cùng tập dữ liệu. Chi tiết những nội dung này được trình bày trong chương 3.
CHƯƠNG 2. PHÁT HIỆN VẬN ĐỘNG BẤT THƯỜNG DỰA TRÊN KẾT HỢP NHIỀU CẢM BIẾN ĐEO VÀ TRÍCH CHỌN ĐẶC TRƯNG THỦ CƠNG
Tự động phát hiện các VĐBT nhận được nhiều sự quan tâm của cộng đồng nghiên cứu trong thời gian gần đây vì cĩ nhiều ứng dụng trong thực tế như trợ giúp theo dõi và chăm sĩc sức khỏe cho các bệnh nhân bị Parkinson, bệnh về vận động, tim mạch, huyết áp, tâm thần v.v. và người cao tuổi. Trong lĩnh vực an ninh, việc phát hiện các VĐBT trong một sự kiện cĩ nhiều người tham gia cũng rất cĩ ý nghĩa, giả sử cĩ một hệ thống theo dõi các vận động của từng cá nhân và phát hiện được VĐBT thì hệ thống cĩ thể khoanh vùng và gửi cảnh báo sớm tới bộ phận an ninh khi cĩ những vấn đề liên quan đến mất an ninh, an tồn, từ đĩ sẽ hạn chế được nguy cơ về bạo loạn, khủng bố v.v.
Một trong những thách thức đối với một hệ thống phát hiện VĐBT là hệ thống thường gặp khĩ khăn trong quá trình huấn luyện do sự khan hiếu về dữ liệu VĐBT, ví dụ như trong hệ thống an ninh, bảo mật, việc giám sát cĩ thể dễ dàng nhận biết các vận động bình thường cĩ tính thường xuyên xảy ra do tính sẵn cĩ của các dữ liệu này trong huấn luyện, nhưng với các VĐBT, hệ thống khĩ nhận biết được do các VĐBT là mới mẻ với hệ thống. Hơn nữa, khi dữ liệu về VĐBT được sử dụng để huấn luyện thì đối tượng thực hiện VĐBT đĩ cĩ thể sẽ thay đổi vận động đĩ để tránh bị phát hiện. Như vậy, sự khan hiếm của dữ liệu huấn luyện dẫn đến hiệu suất phát hiện VĐBT chưa đạt được độ chính xác đủ tốt.
Trong giai đoạn đầu của quá trình nghiên cứu phát hiện VĐBT, NCS và đồng sự đã tiến hành tự thu thập dữ liệu về VĐBT, tập dữ liệu được đặt tên là PTITAct [77]. Với tập dữ liệu VĐBT tự thu thập chương này sẽ đề xuất phương pháp trích chọn các đặc trưng thủ cơng hiệu quả và cách thức kết hợp các đặc trưng từ nhiều cảm biến thành một đặc trưng thống nhất, sau đĩ tiến hành thử nghiệm để đánh giá hiệu quả của phương pháp đề xuất. Những nội dung trình bày trong phần này đã được
cơng bố trong nghiên cứu cĩ tên “The Internet-of-Things based Fall Detection Using Fusion Feature”, tại hội nghị quốc tế KSE của NCS và đồng sự [CT4].
Để giải quyết vấn đề về sự khan hiếm và mất cân bằng của dữ liệu VĐBT, trong chương này cũng đề xuất mơ hình sử dụng hàm nhân phi tuyến hồi quy để huấn luyện các mơ hình học máy trong phát hiện VĐBT, tiến hành thử nghiệm để đánh giá mơ hình. Những nội dung trình bày trong phần này đã được cơng bố trong nghiên cứu cĩ tên “Phát hiện hoạt động bất thường sử dụng hàm nhân phi tuyến hồi quy”, đăng trên Tạp chí khoa học Cơng nghệ Thơng tin và Truyền thơng, Học viện Cơng nghệ Bưu chính Viễn thơng của NCS và đồng sự [CT3].