chương 1 cũng giới thiệu các phương pháp trích chọn đặc trưng cho bài toán phát hiện VĐBT, các độ đo đánh giá và những tập dữ liệu sử dụng cho các nghiên cứu ở những chương tiếp theo. Đề xuất phương pháp trích chọn đặc trưng thủ công kết hợp dữ liệu của các cảm biến quán tính ở mức đặc trưng cho bài toán phát hiện ngã, tiến hành thử nghiệm so sánh hiệu suất của hệ thống kết hợp nhiều cảm biến với hiệu suất trên từng cảm biến trên tập dữ liệu tự thu thập. Trong chương 2 cũng đề xuất giải pháp giúp giải quyết thách thức của việc thiếu dữ liệu huấn luyện đối với bài toán phát hiện VĐBT bằng phương pháp sử dụng hàm nhân phi tuyến hồi quy, tiến hành thử nghiệm và đánh giá kết quả. Nội dung chương này được trình bày dựa trên tổng hợp kết quả các công trình nghiên cứu số 3 và số 4 của NCS.
Trình bày các phương pháp trích chọn đặc trưng tự động để phát hiện VĐBT, các phương pháp bao gồm sử dụng mạng CNN và mạng LSTM. Đề xuất kết hợp mạng CNN và mạng LSTM, tiến hành thử nghiệm từng phương pháp sử dụng các tập dữ liệu giống nhau và công khai để so sánh hiệu quả của các phương pháp, từ đó giúp đánh giá hiệu quả của phương pháp đề xuất. Cũng trong chương này, NCS đề xuất mô hình sử dụng nhiều cảm biến không đồng nhất để nhận dạng các hoạt động phức tạp và phát hiện VĐBT bằng cách kết hợp dữ liệu khung xương và dữ liệu gia tốc ở cấp đặc trưng sử dụng các mạng nhân chập theo thời gian, 8 các thử nghiệm trên các tập dữ liệu công khai đã được tiến hành để đánh giá phương pháp đề xuất. Nội dung trình bày trong chương này được tổng hợp từ kết quả công trình nghiên cứu số 1 và số 2 của NCS.
Cuối cùng là một số kết luận về luận án. TỔNG QUAN VỀ BÀITOÁN PHÁT HIỆN VẬNĐỘNG BẤT THƯỜNG 1. Giới thiệu bài toán VĐBT là những vận động không có tính chủ ý, diễn ra khá nhanh và thường để lại hậu quả không mong muốn cho con người như bị chấn thương, va đập v. VĐBT như ngã có thể diễn ra trong quá trình con người đang thực hiện các hoạt động thường ngày, không có tính thường xuyên và không được dự báo trước.
Bài toán phát hiện VĐBT hiện đang thu hút được sự quan tâm của cộng đồng nghiên cứu vì nó có nhiều ứng dụng thực tế như trợ giúp chăm sóc người cao tuổi sống một mình tại nhà, cảnh báo sớm để giảm mức độ nghiêm trọng cho người có bệnh về vận động (ví dụ bệnh Parkinson), bệnh tâm thần và người cao tuổi v. Tuy nhiên, hiện nay những hệ thống phát hiện VĐBT có thể gặp khó khăn trong quá trình huấn luyện do dữ liệu về VĐBT khá khan hiếm, ví dụ như đối với hệ thống an ninh, an toàn và bảo mật, việc giám sát có thể dễ dàng nhận biết các hoạt động bình thường có tính thường xuyên xảy ra do tính sẵn có của các dữ liệu này trong huấn luyện, nhưng với các VĐBT, hệ thống khó có thể nhận biết được do các VĐBT là mới mẻ với hệ thống, hơn nữa, khi dữ liệu về VĐBT đó được sử dụng để huấn luyện, người dùng có thể thay đổi để tránh bị phát hiện. Sự hạn chế của dữ liệu huấn luyện dẫn đến hiệu suất của các hệ thống phát hiện VĐBT thường không cao, hệ thống có thể đưa ra những kết quả phát hiện không chính xác. Nếu xét theo khía cạnh cảm biến sử dụng, các nghiên cứu phát hiện VĐBT thường tiếp cận theo các phương pháp như: Phân tích hình ảnh hoạt động ở người bằng camera hay còn gọi thị giác máy, phân tích dữ liệu cảm biến từ các bộ cảm biến được tích hợp vào môi trường hoặc vật dụng và phân tích dữ liệu cảm biến từ các bộ cảm biến được đeo trên người (cảm biến đeo).
So sánh với cách tiếp cận thị giác máy, nếu sử dụng các cảm biến đeo có thể thực hiện theo dõi hành vi người dùng liên tục 10 trong một thời gian dài, các cảm biến đeo cũng không gây ra cảm giác mất quyền riêng tư cho người dùng, nó ít chịu tác động của môi trường như ánh sáng, vật cản v. Thế nhưng, việc sử dụng các cảm biến đeo cũng đặt ra các thách thức như: Dữ liệu thu thập từ nhiều cảm biến là không đồng nhất, khả năng lưu trữ, xử lý dữ liệu và năng lượng để cảm biến có thể hoạt động trong một thời gian dài còn hạn chế. Nếu xét theo khía cạnh xử lý dữ liệu, các nghiên cứu về phát hiện VĐBT tiếp cận theo ba hướng chính: Sử dụng các phương pháp học máy; sử dụng các phương pháp học máy kết hợp khai phá dữ liệu để phát hiện các ngoại lệ và sử dụng các phương pháp huấn luyện có trọng số (cost-sensitive learning). Tại sao phải phát hiện VĐBT Bài toán phát hiện VĐBT có nhiều ứng dụng trong các lĩnh vực chăm sóc sức khoẻ, an ninh - an toàn và bảo mật.
Trong lĩnh vực chăm sóc sức khoẻ, VĐBT thường gây ra những hậu quả đáng tiếc cho con người (ví dụ như ngã ở người cao tuổi, người mắc bệnh huyết áp, tim mạch v.) hay có thể là những biểu hiện ban đầu ở người có bệnh vệ vận động, ví dụ như bệnh Parkinson, bệnh lý khớp v. Do vậy, rất cần có một hệ thống phát hiện VĐBT giúp theo dõi, hỗ trợ người bệnh, người cao tuổi sống một mình, hay có thể phát hiện và cảnh báo sớm khi người cao tuổi bị ngã hoặc hỗ trợ chẩn đoán người mắc bệnh Parkinson, bệnh về vận động, bệnh lý khớp v. Còn đối với lĩnh vực an ninh - an toàn bảo mật, giả sử cần theo dõi hoạt động của tất cả mọi người trong một khu vực cần bảo vệ đặc biệt, người ta thường sử dụng các cảm biến (có thể gắn trên các thể định danh). Các cảm biến này giúp theo dõi các hoạt động của những người có trong khu vực đó, nếu có một hành động được coi là bất thường, hệ thống sẽ phát ra báo động cảnh báo về việc mất an ninh - an toàn cho các bộ phận có liên quan, điều này là vô cùng cần thiết.
Đã có nhiều nghiên cứu thành công trong việc nhận dạng hoạt động hằng ngày của con người như đi, đứng, ngồi, chạy, nhảy hay tập luyện thể thao v. Nhưng VĐBT có tính chất là vận động không thường xuyên xảy ra, thời gian diễn ra nhanh, không có tính chủ động, là vận động phức tạp, khó mô tả chính xác, ít lặp lại, những 11 điều này dẫn đến việc thu thập dữ liệu huấn luyện cho các hệ thống phát hiện VĐBT gặp nhiều khó khăn, làm cho hiệu suất phát hiện VĐBT của các hệ thống thường không cao khi triển khai trong thực tế. Đây cũng là thách thức lớn cần giải quyết đối với bài toán phát hiện VĐBT. Các nghiên cứu có liên quan 1.
Theo công nghệ cảm biến 1. Tổng quan về các cảm biến sử dụng để nhận dạng hoạt động ở người Trong lĩnh vực nhận dạng hoạt động ở người nói chung và phát hiện VĐBT nói riêng, cảm biến có vai trò như một trình điều khiển rất quan trọng, cảm biến giúp theo dõi chuyển động, môi trường và các thông số khác từ xa, dữ liệu từ cảm biến được truyền qua các giao tiếp thông dụng, đặc biệt là các giao tiếp không dây như Wifi, Bluetooth v. Các cảm biến đang ngày càng phổ biến trên các thiết bị và vật dụng mà con người sử dụng hằng ngày, những cải tiến vượt bậc trong công nghệ chế tạo cảm biến đã cho ra đời những cảm biến có kích thước nhỏ, tiêu thụ ít năng lượng, có thể hoạt động bền bỉ và ít chịu ảnh hưởng bởi môi trường. Quan trọng hơn, các cảm biến có thể giao tiếp không giây với các thiết bị khác và có giá thành ngày một rẻ nên chúng đã trở nên thông dụng, các cảm biến thường được tích hợp vào các thiết bị thông minh để thu thập thông tin, tính toán, hay tương tác liên tục khi di chuyển.
Các cảm biến hiện nay khá phù hợp để mang theo người (cảm biến đeo), có thể sử dụng trong một thời gian dài mà ít gây phiền toán cho người dùng, sử dụng các cảm biến đeo sẽ không còn bị giới hạn trong những căn phòng với các thiết bị được thiết lập sẵn, chính điều này góp phần phát triển các ứng dụng trong nhận dạng hoạt động và chăm sóc sức khoẻ. Đặc biệt ở nghiên cứu [84] chỉ sử dụng 2 Wii Remotes, một loại thiết bị có chi phí khá thấp (khoảng 600 nghìn VNĐ) thường được sử dụng trong các trò chơi tương tác, đeo ở thắt lưng và tay để nhận 12 dạng 14 hoạt động hằng ngày của người với độ chính xác (precision) và độ bao phủ (recall) hơn 90%. Nổi bật trong số các cảm biến đeo được sử dụng để nhận dạng hoạt động ở người nói chung và phát hiện VĐBT nói riêng là các cảm biến quán tính bao gồm gia tốc kế (cảm biến gia tốc), con quay hồi chuyển và từ kế (cảm biến từ trường). Các cảm biến quán tính có ưu điểm nhỏ gọn, dễ mang theo, dễ thương mại hóa, do đó nó thường được tích hợp trên đồng hồ, điện thoại, nhẫn, tai nghe, kính mắt, mặt dây chuyền v.v, là những vật dụng thường được con người mang theo trong một thời gian dài.
Tuy nhiên chúng cũng có nhược điểm là năng lượng tiêu thụ thường ảnh hưởng đến hiệu suất hoạt động của cảm biến trong trường hợp phải hoạt động liên tục và độ nhạy cảm với chuyển động cơ thể có thể dẫn đến nhận dạng sai hoạt động. Các cảm biến quán tính được thiết lập trên những vị trí khác nhau của cơ thể người, thường là cổ tay (có trong đồng hồ thông minh), cổ chân (có trong giày thông minh) và thắt lưng (có trong điện thoại thông minh). Cảm biến gia tốc thu nhận sự thay đổi vị trí của cơ thể và có thể được kết hợp với con quay hồi chuyển để đo các chuyển động quay có sự phục hồi tư thế [119]. Khi kết hợp cả hai cảm biến này có thể xác định chính xác một số hoạt động của con người như đi lên/xuống cầu thang, ngồi, đi bộ, chạy, nhảy [3].
Các nhận dạng này có ý nghĩa quan trọng để xây dựng các ứng dụng liên quan đến phục hồi chức năng, dáng đi, bệnh lý khớp, bệnh Parkinson và phát hiện ngã [94]. Ngoài ra, sự kết hợp giữa cảm biến gia tốc với cảm biến áp suất cũng có thể phát hiện chính xác ngã và hoạt động đi cầu thang [38].