BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRỊNH HOÀI ÂN SỬ DỤNG THUẬT TOÁN VECTOR MÁY HỖ TRỢ ĐỂ NHẬN DẠNG TRẠNG THÁI TÉ NGÃ SỬ DỤNG CAMERA KINECT NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 S K C0 0 4 6 0 7 Tp. Hồ Chí Minh, tháng 10/2015 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRỊNH HOÀI ÂN SỬ DỤNG THUẬT TOÁN VECTOR MÁY HỖ TRỢ ĐỂ NHẬN DẠNG TRẠNG THÁI TÉ NGÃ SỬ DỤNG CAMERA KINECT NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Tp. Hồ Chí Minh, tháng 10/2015 Luan van BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRỊNH HOÀI ÂN SỬ DỤNG THUẬT TOÁN VECTOR MÁY HỖ TRỢ ĐỂ NHẬN DẠNG TRẠNG THÁI TÉ NGÃ SỬ DỤNG CAMERA KINECT NGÀNH: KỸ THUẬT ĐIỆN TỬ - 60520203 Hƣớng dẫn khoa học: TS. NGUYỄN THANH HẢI Tp.
Hồ Chí Minh, tháng 10/2015 Luan van Quyết định giao đề tài Luan van LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƢỢC: Họ & tên: Trịnh Hoài Ân Giới tính: Nam Ngày, tháng, năm sinh: 19/12/1990 Nơi sinh: Tiền Giang Quê quán: Tiền Giang Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: 80, Tổ 3, Ấp 4, Xã Tam Hiệp, Huyện Châu Thành, Tỉnh Tiền Giang Điện thoại cơ quan: Điện thoại nhà riêng: E-mail: hoaiantiengiang@gmail. QUÁ TRÌNH ĐÀO TẠO: 1. Trung học chuyên nghiệp: Hệ đào tạo: Thời gian đào tạo từ ……/…… đến ……/ …… Nơi học (trƣờng, thành phố): Ngành học: 2.
Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 10/2008 đến 08/2012 Nơi học (trƣờng, thành phố): Đại học Sƣ Phạm Kỹ Thuật TP.HCM Ngành học: Kỹ thuật Điện – Điện Tử Tên đồ án, luận án hoặc môn thi tốt nghiệp: PHÂN LOẠI SẢN PHẨM THEO MÀU SẮC Ngày & nơi bảo vệ đồ án, luận án hoặc thi tốt nghiệp: 08/2012, Bộ môn Điện Tử Công Nghiệp, Khoa Điện – Điện Tử, Đại học Sƣ Phạm Kỹ Thuật TP. Ngƣời hƣớng dẫn: ThS. Tạ Văn Phƣơng III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Công ty TNHH Sonion Việt Nam – Khu Kỹ sƣ phòng nghiên 08/2012 – 09/2013 Công Nghệ Cao TP.HCM cứu và phát triển Trung tâm Nghiên cứu và Đào tạo Thiết kế 10/2013 – nay Kỹ sƣ phụ trách đào tạo Vi mạch (ICDREC) – ĐHQG TP.HCM i Luan van LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi.
Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác Tp. Hồ Chí Minh, ngày … tháng … năm 2015 (Ký tên và ghi rõ họ tên) ii Luan van LỜI CẢM ƠN Em xin chân thành cảm ơn quý thầy cô trƣờng Đại học Sƣ Phạm Kỹ Thuật TP.HCM, nhất là quý thầy cô khoa Điện – Điện Tử đã giảng dạy, truyền đạt kiến thức quý báu cũng nhƣ giúp đỡ em giải quyết những khó khăn gặp phải trong suốt quá trình làm luận văn. Đặc biệt em xin chân thành cảm ơn TS. Nguyễn Thanh Hải là giảng viên hƣớng dẫn đã tận tình giúp đỡ, chỉ dạy và đề xuất các hƣớng giải quyết các vấn đề khó khăn trong quá trình nghiên cứu và hoàn thành đề tài này.
Bên cạnh đó em cũng xin cảm ơn các anh/chị học viên, bạn bè, đồng nghiệp, đã đóng góp ý kiến, hỗ trợ, cùng cộng tác và tạo mọi mọi điều kiện thuận lợi nhất để hoàn thành luận văn này Học viên Trịnh Hoài Ân iii Luan van TÓM TẮT Té ngã là một trong những nguyên nhân gây ra chấn thƣơng nghiêm trọng và những tai nạn nguy hiểm đối với những ngƣời lớn tuổi. Do đó việc phát hiện sớm té ngã và có những phƣơng pháp điều trị kịp thời là một điều rất quan trọng có thể giúp cứu sống nhiều bệnh nhân. Chính vì lẽ đó, trong những năm gần đây, các nhà khoa học đã nghiên cứu, phát triển nhiều công trình, nhiều phƣơng pháp phát hiện và nhận dạng té ngã có độ chính xác cao, phục vụ cho việc chăm sóc sức khỏe ngƣời lớn tuổi đƣợc tốt hơn. Trong đề tài này, học viên nghiên cứu các giải thuật và thiết kế một hệ thống phát hiện, cảnh báo té ngã sử dụng phƣơng pháp vector hỗ trợ học máy (Support Vector Machine – SVM).
Dữ liệu đƣợc thu thập từ camera Kinect đƣợc đặt tại một vị trí cố định trong không gian cần giám sát. Đặc trƣng của dữ liệu đƣợc trích xuất bằng phƣơng pháp phân tích thành phần chính (Principal Component Analysis – PCA). Thuật toán SVM đƣợc sử dụng để huấn luyện và nhận dạng các trạng thái của con ngƣời xem có xảy ra té ngã hay không. Các kết quả thí nghiệm đƣợc thực hiện trên ba ngƣời với các trƣờng hợp nhƣ thực tế đã cho kết quả tƣơng đối tốt và độ tin cậy của hệ thống.
iv Luan van ABSTRACT Falls are the major reason of serious injury and dangerous accident for olderly people. It is important to recognize falls early for assistance and treatment to save more patients. Therefore, in recent years, scientists have been developing multiple projects with multiple methods of detection and recognition of human falls better. In this thesis, subjects were introduced a system for recognition and warning falls using the SVM method.
Data were collected from the Kinect camera, which is placed at a fixed position in space. Features of the data are extracted using the PCA algorithm. The SVM was used for training and recognition of the human states to detect the fall whether fall or not fall. Experimental results show that the high accuracy of recognition activities the proposed approach produced.
v Luan van MỤC LỤC Trang tựa TRANG Quyết định giao đề tài LÝ LỊCH KHOA HỌC. i LỜI CAM ĐOAN. ii LỜI CẢM ƠN. vi DANH SÁCH BẢNG.
ix DANH SÁCH HÌNH.x DANH MỤC CÁC TỪ VIẾT TẮT .xii Chƣơng 1 TỔNG QUAN .1 Tổng quan chung về lĩnh vực nghiên cứu .2 Mục đích của đề tài.3 Nhiệm vụ và giới hạn của đề tài .4 Phƣơng Pháp Nghiên Cứu .6 Chƣơng 2 CƠ SỞ LÝ THUYẾT .1 Té ngã và các yếu tố ảnh hƣởng đến té ngã .1 Định nghĩa té ngã .2 Các yếu tố đặc trƣng của hoạt động té ngã .7 vi Luan van 2.2 Các phƣơng pháp phát hiện và nhận dạng té ngã .1 Phƣơng pháp sử dụng cảm biến môi trƣờng .2 Phƣơng pháp sử dụng cảm biến đeo cơ thể .3 Phƣơng pháp sử dụng thị giác máy tính (sử dụng camera) .10 Chƣơng 3 XÂY DỰNG HỆ THỐNG THU DỮ LIỆU TÉ NGÃ .1 Phần cứng hệ thống .1 Camera Kinect và các thƣ viện hỗ trợ .2 Nhận dạng khớp xƣơng và ảnh hƣởng khớp xƣơng đến tƣ thế .1 Nhận dạng khớp xƣơng.2 Ảnh hƣởng của khớp xƣơng đến tƣ thế của con ngƣời .3 Thu thập dữ liệu.24 Chƣơng 4 TRÍCH ĐẶC TRƢNG VÀ NHẬN DẠNG SỬ DỤNG PHƢƠNG PHÁP PCA .1 Tổng quan về PCA .2 Trích đặc trƣng sử dụng thuật toán PCA .3 Nhận dạng sử dụng phƣơng pháp khoảng cách Euclide .38 Chƣơng 5 HUẤN LUYỆN VÀ NHẬN DẠNG SỬ DỤNG THUẬT TOÁN SVM .1 Tổng quan về SVM .1 Giai đoạn huấn luyện SVM .2 Giai đoạn nhận dạng .2 Nhận dạng dựa vào thuật toán SVM .44 Chƣơng 6 KẾT QUẢ THỰC HIỆN .1 Thu dữ liệu té ngã .2 Hệ thống thông báo té ngã .53 vii Luan van 6.3 Kết quả nhận dạng sử dụng Euclide .4 Kết quả nhận dạng sử dụng SVM .55 Chƣơng 7 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN .2 Hƣớng Phát Triển. Error! Bookmark not defined. TÀI LIỆU THAM KHẢO. 64 viii Luan van DANH SÁCH BẢNG Bảng TRANG Bảng 2.1 So sánh độ chính xác của các phƣơng pháp nhận dạng .2 Hiệu suất nhận dạng của các phƣơng pháp đƣợc đề xuất .1 Đặc trƣng của các tƣ thế khi thu dữ liệu bằng Kinect .1 Thứ tự các mẫu dữ liệu.1 Mô tả các trƣờng hợp lấy mẫu .2 Kết quả nhận dạng với số lƣợng vector đặc trƣng là 1000 (41,7%) .3 Kết quả nhận dạng với số lƣợng vector đặc trƣng là 2000 (83,3%) .4 Kết quả nhận dạng với số lƣợng vector đặc trƣng là 2400 (100%) .5 Kết quả nhận dạng các trạng thái té ngã và không té ngã.6 Kết quả nhận dạng té ngã với các hoạt động thƣờng ngày khác .57 ix Luan van DANH SÁCH HÌNH Hình TRANG Hình 1.1 Tỷ lệ nhập viện do té ngã tăng dần theo độ tuổi và giới tính tại Canada .2 Các chấn thƣơng ngƣời lớn tuổi thƣờng gặp phải do bị té ngã [1] .1 Các phƣơng pháp phát hiện và nhận dạng té ngã .1 Sơ đồ khối hệ thống .3 Cấu tạo camera Kinect [19] .4 Mô tả cách thu dữ liệu của cảm biến độ sâu [19] .5 Mô tả hệ tọa độ độ sâu của Kinect.6 Sơ đồ khối module báo động .7 Sơ đồ thực hiện nhận diện khớp xƣơng của Kinect [20] .8 a) Chuyển đổi ảnh chiều sâu thành bản đồ bộ phận cơ thể [20].9 Ví dụ các câu hỏi của thuật toán RDF .10 Randomized Decision Forest .11 Sơ đồ 20 vị trí khớp xƣơng .12 Vị trí đặt camera Kinect .13 Mô tả tọa độ (x, y, z) của các khớp xƣơng .14 Minh họa hoạt động té ngã của con ngƣời .15 Tọa độ theo trục Y của khớp xƣơng đầu giữa té ngã và không té ngã .16 Mô tả dữ liệu tập mẫu P .17 Mô tả dữ liệu của tập mẫu S .1 Mô tả phƣơng pháp PCA .2 Mô tả quá trình biến đổi dữ liệu bằng PCA .3 Lƣu đồ thực hiện thuật toán PCA .4 Chuyển đổi dữ liệu đầu vào thành vector n2x1.35 x Luan van Hình 4.5 Mô tả tập dữ liệu mẫu PCA .6 Mô tả trung bình mẫu PCA .7 Lƣu đồ chƣơng trình nhận dạng bằng khoảng cách Euclide .1 Các siêu phẳng H1 và H2 chia các mẫu thành các lớp khác nhau.2 Lƣu đồ chƣơng trình phát hiện và nhận dạng té ngã sử dụng SVM .3 Phân loại các trạng thái dựa vào siêu phẳng của thuật toán SVM [24].1 Dữ liệu về tọa độ của các khớp xƣơng đƣợc lƣu dƣới dạng .2 Mô tả các trƣờng hợp thu tập mẫu .3 Phân bố dữ liệu khớp xƣơng đầu trong các trƣờng hợp té ngã .4 Phân bố dữ liệu khớp xƣơng đầu trong các trƣờng hợp không té ngã .5 Hệ thống thông báo té ngã thực tế .6 Gửi tin nhắn thông báo khi có té ngã .7 Tự động gọi điện thông báo.8 Kết quả nhận dạng đối tƣợng bị té ngã.9 Kết quả nhận dạng đối tƣợng không té ngã .56 xi Luan van DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt ADL Activities of Daily Living IR Infra-red PCA Principal Component Analysis RDF Randomized Decision Forest RGB Red – green – blue SD Standard Deviation SVC Support Vector Classifier SVM Support Vector Machine xii Luan van Chƣơng 1.