I. Tổng quan
Trong bối cảnh hiện nay, nhận dạng té ngã trở thành một vấn đề cấp thiết, đặc biệt đối với người cao tuổi. Theo báo cáo của các tổ chức y tế, tỷ lệ nhập viện do té ngã gia tăng theo độ tuổi, với những chấn thương nghiêm trọng có thể dẫn đến tử vong. Việc phát hiện sớm và chính xác các trạng thái té ngã có thể cứu sống nhiều bệnh nhân. Đề tài này tập trung vào việc phát triển một hệ thống sử dụng camera Kinect và thuật toán máy học để nhận diện các trạng thái té ngã. Hệ thống này không chỉ giúp giám sát mà còn cảnh báo kịp thời cho người xung quanh.
1.1 Mục tiêu nghiên cứu
Mục tiêu chính của nghiên cứu là xây dựng một hệ thống nhận dạng trạng thái té ngã sử dụng camera Kinect. Hệ thống sẽ áp dụng thuật toán phân tích thành phần chính (PCA) để trích xuất các đặc trưng từ dữ liệu thu thập được. Sau đó, thuật toán vector máy hỗ trợ (SVM) sẽ được sử dụng để huấn luyện và nhận dạng các trạng thái của người dùng, từ đó phát hiện tình huống té ngã. Hệ thống cũng sẽ cung cấp các tín hiệu cảnh báo qua tin nhắn điện thoại và chuông báo động khi phát hiện té ngã.
II. Cơ sở lý thuyết
Chương này trình bày các khái niệm cơ bản về té ngã và các yếu tố ảnh hưởng đến nó. Té ngã được định nghĩa là sự đột ngột dừng lại trên nền nhà, có thể do nhiều nguyên nhân như mất thăng bằng, chóng mặt, hoặc do các yếu tố môi trường. Các phương pháp phát hiện và nhận dạng té ngã hiện nay bao gồm việc sử dụng cảm biến môi trường, cảm biến đeo cơ thể, và thị giác máy tính. Trong đó, việc sử dụng camera Kinect cho phép thu thập dữ liệu hình ảnh và chiều sâu, từ đó giúp nhận diện các trạng thái té ngã một cách hiệu quả.
2.1 Các phương pháp phát hiện té ngã
Có ba phương pháp chính để phát hiện trạng thái té ngã: sử dụng cảm biến môi trường, cảm biến đeo cơ thể, và camera. Mỗi phương pháp có những ưu điểm và nhược điểm riêng. Phương pháp sử dụng camera cho phép giám sát không gian rộng mà không cần người dùng phải đeo thiết bị, tuy nhiên, nó có thể bị ảnh hưởng bởi điều kiện ánh sáng và nhiễu từ môi trường. Ngược lại, các cảm biến đeo cơ thể có thể cung cấp dữ liệu chính xác hơn nhưng lại yêu cầu người dùng phải đeo thiết bị, điều này có thể gây khó chịu cho họ.
III. Xây dựng hệ thống thu dữ liệu
Hệ thống thu thập dữ liệu sử dụng camera Kinect được thiết lập tại một vị trí cố định để giám sát các hoạt động của người cao tuổi. Dữ liệu thu được bao gồm hình ảnh RGB và hình ảnh chiều sâu, từ đó áp dụng thuật toán PCA để trích xuất các đặc trưng cần thiết cho việc nhận dạng. Việc thu thập dữ liệu này là bước quan trọng để đảm bảo độ chính xác của hệ thống trong việc phát hiện trạng thái té ngã.
3.1 Phân tích dữ liệu
Dữ liệu thu thập từ camera Kinect sẽ được xử lý để trích xuất các đặc trưng thông qua thuật toán PCA. Quá trình này giúp giảm thiểu kích thước dữ liệu mà vẫn giữ lại các thông tin quan trọng, từ đó cải thiện hiệu suất của thuật toán SVM trong việc nhận dạng các trạng thái té ngã. Kết quả thu được từ quá trình phân tích sẽ được sử dụng để huấn luyện mô hình, giúp hệ thống có khả năng nhận diện chính xác các tình huống té ngã trong thực tế.
IV. Kết quả thực hiện
Kết quả thực hiện cho thấy hệ thống có khả năng nhận diện trạng thái té ngã với độ chính xác cao. Các thí nghiệm được thực hiện trên ba người với nhiều tình huống khác nhau đã chứng minh tính hiệu quả của hệ thống. Hệ thống không chỉ phát hiện được các trường hợp té ngã mà còn có khả năng phân biệt giữa các hoạt động thường ngày và tình huống té ngã, từ đó cung cấp cảnh báo kịp thời cho người xung quanh.
4.1 Đánh giá hiệu suất
Đánh giá hiệu suất của hệ thống cho thấy rằng việc sử dụng thuật toán SVM kết hợp với camera Kinect mang lại kết quả khả quan. Hệ thống có thể nhận diện các trạng thái té ngã với độ chính xác lên đến 83,3% trong các thử nghiệm thực tế. Điều này cho thấy tiềm năng ứng dụng của công nghệ trong việc giám sát và bảo vệ sức khỏe cho người cao tuổi.
