CHƯƠNG 1. TỔNG QUAN BÀI TOÁN PHÁT HIỆN NGÃ TỰ ĐỘNG Theo tổ chức y tế thế giới [53], xấp xỉ 28 – 35% người có độ tuổi trên 65 bị ngã hằng năm. Tỷ lệ này tăng nhanh đến 32 – 42% đối với nhóm người già trên 70 tuổi. Tần suất ngã tăng theo tuổi và mức bệnh yếu.
Thực tế, việc ngã tăng theo hàm mũ với thay đổi về mặt sinh học liên quan đến độ tuổi, dẫn đến một tỷ lệ cao các ca chấn thương liên quan đến ngã ở người già. Số ca chấn thương và tử vong do ngã chiếm đến khoảng 40% đối với người già. Trong bối cảnh đó, các phương thức giúp giảm bớt hậu quả của vấn đề sức khỏe này là rất cần thiết cho xã hội. Trong nhiều năm gần đây, các phương thức, thiết bị giúp phát hiện ngã đang được nghiên cứu tích cực.
Việc ngã có thể được xác định bởi các đặc điểm như sau: − Xuấ t hiện chuyể n động nhanh bấ t thường: Việc xuấ t hiện chuyể n động nhanh rấ t có thể báo hiệu việc ngã, nhấ t là đố i với người già. Và việc ngã gầ n như chắ c chắ n xuấ t hiện chuyể n động nhanh ta ̣i một thời điể m nào đó − Chuyể n động theo chiề u do ̣c: Khi ngã, cơ thể chuyể n động theo chiề u do ̣c, hoặc thành phầ n chuyể n động theo chiề u do ̣c chiế m ưu thế do tác du ̣ng của tro ̣ng lực. Tuy nhiên, hành động ngồ i, nằ m nhanh cũng có đặc điể m này − Thay đổ i hình da ̣ng, tư thế cơ thể : Với các hoa ̣t động thông thường, hình dáng cơ thể thay đổ i chậm. Trong một khoảng thời gian ngắ n có thể xem như không thay đổ i.
Nhưng với việc ngã, hình da ̣ng cơ thể có thể thay đổ i rấ t nhanh, hoặc ngay lập tức − Không xuấ t hiện chuyể n động sau khi ngã: Sau khi ngã, thông thường người ngã sẽ không có chuyể n động cơ thể. Hoặc cũng có thể xuấ t hiện chuyể n động rấ t nhanh như lăn qua lăn la ̣i do bi đau. ̣ Nhưng với người già, có thể xem như không sảy ra kich ̣ bản này Một hệ thống phát hiện ngã tự động có thể được định nghĩa như một hệ thống trợ giúp với nhiệm vụ chính là báo động khi có sự kiện ngã xảy ra. Hệ thống này phải đảm bảo hoạt động thời gian thực để giảm thiểu thời gian người ngã nằm trên sàn từ sau thời điểm ngã đến khi được người chăm sóc phát hiện.
Khoảng thời gian này là yếu tố chủ chốt quyết định mức độ nghiêm trọng sau ngã. Rất nhiều người già không thể tự di chuyển hoặc gọi trợ giúp sau khi ngã và đối mặt với các mối nguy hiểm cho sức khỏe. Trong các nghiên cứu được công bố gần đây, có thể phân loại các hướng nghiên cứu về bài toán phát hiện ngã thành các nhóm chính: Phát hiện ngã dựa trên thiết bị cảm biến mang theo người; dựa trên cảm biến tích hợp trên điện thoại di động thông minh; dựa trên camera độ sâu (depth camera); và dựa trên camera thông thường. Phần tiếp theo của chương này sẽ tóm lược khái quát các hướng nghiên cứu chính kể trên.
11 Phát hiện ngã sử dụng thiết bị mang theo người Thiết bị mang theo người có thể được định nghĩa là các thiết bị cảm biến điện tử nhỏ có thể cầm theo, hoặc đính trên quần áo. Phần lớn các thiết bị phát hiện ngã mang theo người sử dụng cảm biến đo gia tốc. Trong đó có thể kết hợp cảm biến khác như con quay hồi chuyển để thu thập thông tin về vị trí của người mang. Việc sử dụng các cảm biến kể trên có thể giúp đánh giá dáng đi, sự cân bằng, mức độ chuyển động và vị trí cơ thể của người mang, giúp dự đoán về việc ngã.
Xu hướng sử dụng thiết bị đeo được tăng lên trong những năm gần đây do sự phổ biến của các cảm biến giá rẻ được tích hợp sẵn trong điện thoại thông minh. Thiết bị có tích hợp cảm biến như điện thoại hay gậy thông minh 1. Gia tốc kế gắn trên cơ thể Thông tin về sự gia tăng tốc độ chuyển động trong quá trình ngã được thu thập dựa trên sử dụng các gia tốc kế ba trục độc lập được gắn trên các vị trí khác nhau của cơ thể. Sau đó, các kỹ thuật thường được áp dụng để xác định ngã bao gồm: i) sử dụng ngưỡng, trong đó việc ngã được ghi nhận nếu độ gia tăng vận tốc đạt ngưỡng xác định trước; ii) sử dụng học máy (machine learning) để phân loại giữa ngã và không phải ngã.
Một số nghiên cứu áp dụng kỹ thuật phân ngưỡng như [3, 11, 21, 22, 29, 36, 37, 50]. Trong khi đó, hướng tiếp cận sử dụng học máy bắt đầu xuất hiện từ năm 2010 sử dụng SVM (Support Vector Machine) [10, 26, 40, 48, 49]; multi-layer perceptron, Naïve Bayes, decision tree [26, 30]. Mặc dù vậy cho đến nay không có một kỹ thuật nào được chấp nhận như là một kỹ thuật tiêu chuẩn từ cộng đồng các nhà khoa học. Cảm biến tích hợp trên điện thoại thông minh Ngày nay, điện thoại di động thông minh dần trở lên rất phổ biến và thường được tích hợp sẵn một cách phong phú các loại cảm biến như gia tốc kế, la bàn số, GPS, con quay hồi chuyển, micro và camera.
Một số nghiên cứu đã khai thác ưu thế kể trên để đưa ra các phương thức phát hiện ngã dựa trên sử dụng điện thoại thông minh. Trong đó, một số thuật toán đơn giản sử dụng kỹ thuật phân ngưỡng như [23, 27, 31, 44, 46]. Một số nghiên cứu khác sử dụng các kỹ thuật học máy như [39, 45]. Xu hướng, ưu điểm và hạn chế Nhìn chung, hướng tiếp cận sử dụng thiết bị mang theo người có xu hướng dịch chuyển sang sử dụng di động thông minh vì các ưu thế của nó, cộng với áp dụng các kỹ thuật học máy.
Việc sử dụng thiết bị đeo được trong bài toán phát hiện ngã có ưu điểm là không bó hẹp ở phạm vi trong nhà mà có thể sử dụng cả ở môi trường bên ngoài. Tuy nhiên một nhược điểm lớn của cách tiếp cận này khi hướng đến đối tượng người sử dụng là người cao tuổi đó là người già thường xuyên bỏ quên thiết bị. Việc mang thiết bị theo người cũng gây những phiền phức nhất định. Một nhược điểm khác của việc sử dụng điện thoại thông minh là, chúng không được thiết kế cho mục đích chạy các ứng dụng đảm bảo an toàn mà ưu tiên được dành cho các chức năng nguyên thủy của điện thoại và thời gian sử dụng pin, dẫn đến các cảm biến không phải khi nào cũng hoạt động chính xác như mong muốn.
Các nhà sản xuất điện thoại thông minh với các thiết kế kiến trúc khác nhau cho các cảm biến cũng dẫn đến tình trạng sự hoạt động của thuật toán có thể khác nhau trên các loại di động thông minh khác nhau. Phát hiện ngã dựa trên phân tích dữ liệu video Ngày nay, các thiết bị camera ngày càng trở lên phổ biến với giá thành thấp, vì vậy hệ thống phát hiện ngã dựa trên camera có chi phí không cao và dễ dàng triển khai. Hướng tiếp cận này dựa trên phân tích dữ liệu video thu được qua một hoặc nhiều camera giám sát. Các các camera này được lắp đặt xung quanh môi trường sinh hoạt thường ngày của người già.
Có thể thấy, lợi thế lớn nhất là người sử dụng không cần phải mang theo thiết bị. Tuy vậy các phương pháp sử dụng camera giám sát bị giới hạn bởi môi trường trong nhà và không có cách nào hoạt động khi người già rời khỏi phòng, nơi có triển khai các camera. Các phương thức phát hiện ngã dựa trên camera có thể được coi là nhóm các phương thức sử dụng thị giác máy, phân biệt với các phương thức còn lại. Các phương thức sử dụng thị giác máy lại có thể chia thành ba nhóm nhỏ: nhóm sử dụng camera RGB đơn; nhóm dựa trên phân tích dữ liệu 3-D sử dụng hệ nhiều camera RGB; nhóm dựa trên phân tích dữ liệu 3-D sử dụng camera độ sâu (depth camera).
Minh hoạ hệ thống phát hiện ngã tự động dựa trên phân tích video 13 1. Phát hiện ngã sử dụng camera đơn Phát hiện ngã sử dụng camera RGB đơn được nghiên cứu rộng rãi do việc cài đặt hệ thống rất dễ dàng với chi phí thấp. Các đặc trưng phổ biến được khai thác là đặc trưng hình dạng cơ thể, đặc trưng chuyển động, và việc thiếu vắng chuyển động sau ngã. Đặc trưng hình dáng cơ thể được áp dụng rộng rãi cho việc phát hiện ngã như [5, 9, 14, 32, 35, 47, 52].
Các nghiên cứu [32, 47] sử dụng tỉ lệ giữa chiều cao và chiều rộng của cơ thể để xác định ngã. Mirmahboub và cộng sự [9] sử dụng một kỹ thuật trừ nền để tách vùng chuyển động trong chuỗi video, từ đó trích rút một số các đặc trưng hình dáng. Cuối cùng, một bộ phân lớp SVM được sử dụng để xác định việc ngã. Trong khi Rougier và các cộng sự của bà [14] sử dụng kỹ thuật so khớp hình dạng để theo vết vùng chuyển động tương ứng với cơ thể.
Hình dáng cơ thể bị biến dạng trong khi ngã. Một số nghiên cứu đã sử dụng đặc điểm này bằng các kỹ thuật sử dụng bộ phân lớp dựa trên biến dạng hình dáng như [35], hoặc xây dựng một ellipse xấp xỉ vùng chuyển động thu được từ kỹ thuật trừ nền để mô hình hình dạng cơ thể. Các đặc điểm chuyển động khi ngã thường rất khác biệt so với chuyển động trong các hoạt động thường nhật như đi lại, ngồi, nằm chủ động, làm việc nhà, etc. Vì thế có nhiều nghiên cứu dựa trên phân tích sự khác biệt này để phát hiện ngã, phân biệt ngã với các hoạt động thông thường khác, như [13, 25, 54, 56].
Liao và cộng sự [54] sử dụng kỹ thuật phân tích chuyển động cơ thể kết hợp đặc trưng hình dạng cơ thể để phân biệt giữa chủ động nằm với ngã. Trong khi Homa và cộng sự [25] áp dụng Integrated Time Motion Image (ITMI) cho phát hiện ngã. ITMI là một dạng dữ liệu không – thời gian bao gồm chuyển động và thông tin về thời gian của chuyển động. Cho trước một chuỗi video, ITMI sẽ tính toán và biểu diễn thông tin chuyển động xuất hiện trong video, sau đó áp dụng kỹ thuật phân tích thành phần chính (PCA) để giảm số chiều của thông tin đã biểu diễn được.
Cuối cùng áp dụng mạng neural MLP để phân loại chuyển động và xác định ngã.