BỘ GIÁO DỤC VẢ ĐÀO TẠO 'TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI. Nguyễn Thị Thanh Mai NGHIÊN CỨU VÀ XÂY ĐỰNG GIẢI 'THUẬT NHẬN DẠNG HÌNH. TRẠNG NGƯỜI ỨNG DỤNG CHO VIỆC XÂY DỰNG PHÒNG DIEU TRI THONG MINA Chuyên ngành : Công nghệ thông tin LUẬN VĂN THẠC SĨ KHOA HỌC CÔNG NGHỆ THONG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC TS. Lê Thị Lan Hà Nội - Năm 2013 LOI CAM DOAN ‘T@i xin cam đoan đây là công trình nghiên cửa của riêng tôi.
Các số liệu được trích đẫn có nguồn gắc. Các kết quả trình hày trong luận án là trưng thực và chưa từng dược ai công bó trong bát kì công trình nào khác. Táo giả luận án Nguyễn Thị Thanh Mai LOI CAM ON Lời dầu tiên, tôi xia gửi lời cảm ơn sâu sắc vả chân thánh tới T8. Lê Thị Lan, người chị, người thấy đã tận tình hưởng dẫn, chí báo và động viên tôi trong suốt quá trình nghiên cứu và viết luận án để tôi có thế hoàn thành luận án này.
Xin chân thành cảm on các đồng nghiệp tại Viên nghiên cửu Quốc tê MICA, 'Trường Đại học Bách Khoa Hả Nội, tập thể nhóm thực hiện Đề tải Nghị định thư đã †ạo điều kiện giúp đỡ tôi trong quá trình thực hiện luận án. Cuỗi cùng xin bảy tô lòng biết en sân sắc tới gia đình và những người bạn đã động viên, chia sẻ, ũng hộ và là chỗ dựa tinh thần giúp tôi tập trung nghiên cửu và hoàn thành luận án của mình. Nguyễn Thị Thanh Mai iv Hình HI.3-?: Mô tả biểu diễn dữ liệu của SVM trong không gian, mỗi mẫu dữ liệu được biểu điển trong không gian như các diểm den và trằng.2-8: Ảnh xạ đữ liện từ không gian gốc sang không gian đặc trung cho phép phân chia dữ liệu bởi siêu phẳng.- co 36 Hình IH.2-9: Siêu phẳng tách với khoảng cách lê cực đại - - 37 Tỉnh TV.1-1: Bẻ trí của phòng giả lập và vị trí của các camera được lắp đặt.1~2: Vùng quan sát của các camora được lắp đặt lại phòng giả lập của Viên MICA, lần lượt từ trái qua phải: camera 1, camera 2, camera 3.1-3: Minh họa một số ảnh trong cơ sở dữ liêu dược thu trong dể tài.1~4: Một số hình ảnh của người trong cơ số đứt liệu video chữa các sự kiện tất thường - - 44 Hinh TV.4-1: Một vùng ảnh chứa người dược đánh đâu bằng tay sử dụng công cụ. Object Marker - 48 1ình 1V.4-2: a) Các kết quá phân vừng sai và b) Các kết quả phân vùng không chửa đây đủ cơ thể người sẽ bị loại bỏ.
co esses 54 Hình TV.43: Một số ảnh rong cơ sở dữ liệu hình trạng người có trong các sự kiện bật thường a ta MO BAU Bài toàn nhận đạng hình trang người hiện nay thu lrút được rất nhiều sự quan tam của cáo nhà nghiên cứu bởi những ứng dựng mả kết quả của nó đem lại như các ứng dụng giám sói, các ứng dụng điều khiển, các ứmg dụng về phân tích và hiểu hành vi của con người. Nghiên cửu trong đề tài nhằm mục dịch thứ nghiệm một phương, pháp nhận đạng hình trạng của toàn bộ cơ thể người. Kết quả nhận đạng hình trạng. người dược xây dựng wong để lài sẽ được sử dụng trong bước xứ lý tiếp theo là nhận dang sự kiện, phân tich hành vi của người bệnh từ đó có thể hỗ trợ bác sĩ và người nhà chăm sóc và giám sát bệnh nhân trong bệnh viện.
Để tải sẽ nghiên cứu các phương pháp nhận dang hình trạng người đã tốn tại trên thể giới từ đó để xuất thử nghiệm một phương pháp nhận đạng hình trạng người có khả năng nhận dạng bến lớp hinh trạng cơ bản của người trên ảnh là người đứng, người ngồi, người năm, người cúi trên vùng người đã được phát hiện trên ảnh sử đựng, đặc trưng SURF và mô hình máy học SVM. Kết quả của đẻ tài bao gồm: ˆ Báo cáo luận văn V _ Cw sở dữ liêu hình lrạng người +“ Mô địm chương trình nhận đạng hình trạng người đựa trên các điểm đặc biệt được trích chọn trên vùng chứa người được phát hiện trén anh. vˆ lãài báo tham gia liệi thảo Quốc té Commantel 2013 được tễ chúc vào thang 1/2013 có tên “Human posture recognition using human skeleton provided by Kinect” Hình HI.3-?: Mô tả biểu diễn dữ liệu của SVM trong không gian, mỗi mẫu dữ liệu được biểu điển trong không gian như các diểm den và trằng.2-8: Ảnh xạ đữ liện từ không gian gốc sang không gian đặc trung cho phép phân chia dữ liệu bởi siêu phẳng.- co 36 Hình IH.2-9: Siêu phẳng tách với khoảng cách lê cực đại - - 37 Tỉnh TV.1-1: Bẻ trí của phòng giả lập và vị trí của các camera được lắp đặt.1~2: Vùng quan sát của các camora được lắp đặt lại phòng giả lập của Viên MICA, lần lượt từ trái qua phải: camera 1, camera 2, camera 3.1-3: Minh họa một số ảnh trong cơ sở dữ liêu dược thu trong dể tài.1~4: Một số hình ảnh của người trong cơ số đứt liệu video chữa các sự kiện tất thường - - 44 Hinh TV.4-1: Một vùng ảnh chứa người dược đánh đâu bằng tay sử dụng công cụ. Object Marker - 48 1ình 1V.4-2: a) Các kết quá phân vừng sai và b) Các kết quả phân vùng không chửa đây đủ cơ thể người sẽ bị loại bỏ.
co esses 54 Hình TV.43: Một số ảnh rong cơ sở dữ liệu hình trạng người có trong các sự kiện bật thường a ta DANH MUC CAC BANG Bảng IL1-1: Tỉ lệ nhận đạng thành công cho mỗi hình trạng.1Ñ Bary TỈ2-1: Băng ma trận kết quả nhân đạng của 4 bộ phân lớp.3-1: Bang tinh toan gid tri TP, FP, FN Bang TV.4-1: Bang théng tin cơ sở đữ liệu huần luyện lẫy từ cơ sở đít liêu hình trạng người - - - 48 Bang 1V.4-2: Bang théng tín cơ sở dữ liệu thử nghiệm luyện lấy từ cơ sơ dữ liệu hình trạng người - - - 49 Bang 1V.4-3: Ma trên kết quả của thử nghiệm phụ thuộc dữ liệu trên co sở đữ liệu 150 Bảng T 4-4: Tỉ lệ nhận dạng lỗi và độ nhạy của hệ thống khi thử nghiệm phụ thuộc dữ liệu trên cơ sở dữ liệu hinh trang người.4-5: Ma trên kết quả của thứ nghiệm độc lập dữ liệu trên cơ sở dữ liệu hình trạng người. 52 Bang TV 4-6 Tỉ lệ nhận dạng lỗi va độ nhạy của hệ thông khi thử nghiệm độc lâp đữ liệu trên cơ sở dữ liệu hinh trạng người.4-7: Bâng thông lín cơ sở đữ liệu huấn luyện hình trạng người có Irơng các sự kiện bất thườngg,.4-8: Hãng thông tin cơ sở dữ liệu thứ nghiệm luyện hinh trạng người có trong các sự kiện bất thường.4-9: Ma trận kết quả của thử nghiệm phụ thuộc dit liệu trên co sở đữ liệu hình trạng ngườicó trong các sự kiện bắt thường,.4-10: Tí lệ nhận dạng lỗi và độ nhạy của hệ thông khi thử nghiệm phụ thuộc dữ liệu trên cơ số dữ liệu hình trạng người có trong các sự kiệu bất thường .4-11: Ma trận kết quả của thứ nghiệm độc lập đữ liệu trên cơ sở đữ liệu hình trạng có trong các sự kiện bất thường.4-12: Ti 16 nban dạng lỗi và độ nhạy của hệ thông khi thử nghiệm độc lập dữ liệu trên cơ sở dữ liệu lảnh trạng người có trong các sự kiện bài thường 60 DANH MỤC CÁC HÌNH VẼ Hình1.1-1: Sơ dễ khối chức năng của hệ thông phát hiện sy kién dya trén thong tin j7.1-1: Dường biên của các hình trạng khác nhau của cùng một người được trích chọn trong ([Taritaogiu, Ilarwoed et aL 1998) - - 13 Hình TL1-2: Minh họa một số ảnh trong chuỗi vidoo thử nghiệm khả răng nhận dang của hệ thống Ghost - - 14 Tlinh IL.1-3: So dé téng quan về hệ thông.1-4: Các hình trạng người và các hướng nhìn được xem xét trong 16 Linh LL.1-5: Mét sế vi dụ về theo đối đối tượng và nhận dạng bình trạng trong các điểu kiện khác nhan.2-1: Mô hình trong không gian ba chiều của hình trạng người nghi và tình chiếu tương ứng của nó trên ảnh hai chiều.2-2: Đường biển của hình chiến cửa mô hình người (rong khong gian ba cuiểu (đường màu trắng Nến nét) và đường biên của đổi tượng người trong ảnh hai chiều. - - - 20 Llinh 112-3: Mé hinh nhan dang cóa hệ thông nhận dang hinh trang sit dung Kinect 22 Hinh T1.2-4: Vi trí 20 khớp xương được sử dụng làm đặc trưng và vị trí của người với Kinect khi m cơ sở đữ liệu - - 23 Hình TT.1-I: Thiết kế kiến trúc hệ thống với pha học va pha thủ nghiệm 25 Tình IHL,2-1: Các bước xử lý của hệ thông và các thuật toán tương ứng được lựa chọn. chọn Họng HH nung rrirree 26 Hinb 117.2-2: Hai bước của bước làm nét ãnh.
Bước1: Phát hiện cạnh và sinh ảnh đường biên. Bước 2: tăng mức độ tương phản tại đường biên.2-3: a) Ảnh gắc và các ảnh sau khi đi qua các phép tiển xứ lý: b) Ảnh sau khi xám hỏa, e) Ảnh sau khi chuân hóa mức xảm, d) Ảnh sai khi được lâm nét.2-4: Các điểm khóa được phát hiện - - 31 Hình 1H.2-5: Biêu diễn đối tượng ánh sử dựng mô hinh BOW.2-6: Từ điển BOW với kích thước 256 được lưu trữ trong file XMIL.34 5 DANH MUC CAC Ki HIEU, CAC CHU VIET TAT ANN Artificial neural networks BOW — Bag-of-Words C-SVC_ C-Supporl Vector Classification KNN K-Nearest Neighbor RB Radial Basis Funtion RGB Red Green Bluc SIFT Scale Invariance Feature Transform SHT — Scale-invariant feature transform SURF — Specded-Up Robust Features SVM = Support Vector Machine USM = Unsharp masking DANH MỤC CÁC HÌNH VẼ Hình1.1-1: Sơ dễ khối chức năng của hệ thông phát hiện sy kién dya trén thong tin j7.1-1: Dường biên của các hình trạng khác nhau của cùng một người được trích chọn trong ([Taritaogiu, Ilarwoed et aL 1998) - - 13 Hình TL1-2: Minh họa một số ảnh trong chuỗi vidoo thử nghiệm khả răng nhận dang của hệ thống Ghost - - 14 Tlinh IL.1-3: So dé téng quan về hệ thông.1-4: Các hình trạng người và các hướng nhìn được xem xét trong 16 Linh LL.1-5: Mét sế vi dụ về theo đối đối tượng và nhận dạng bình trạng trong các điểu kiện khác nhan.2-1: Mô hình trong không gian ba chiều của hình trạng người nghi và tình chiếu tương ứng của nó trên ảnh hai chiều.2-2: Đường biển của hình chiến cửa mô hình người (rong khong gian ba cuiểu (đường màu trắng Nến nét) và đường biên của đổi tượng người trong ảnh hai chiều. - - - 20 Llinh 112-3: Mé hinh nhan dang cóa hệ thông nhận dang hinh trang sit dung Kinect 22 Hinh T1.2-4: Vi trí 20 khớp xương được sử dụng làm đặc trưng và vị trí của người với Kinect khi m cơ sở đữ liệu - - 23 Hình TT.