CHƯƠNG 1: TỔNG QUAN Chương này sẽ trình bầy về bài toán phát hiện ngã; tiếp theo là khảo sát các nghiên cứu liên quan đến bài toán phát hiện ngã, bao gồm: cách tiếp cận, cảm biến được sử dụng, phương pháp học máy và phương pháp thực nghiệm; Tiếp theo sẽ trình bầy phạm vi nghiên cứu của luận văn này, và chương này sẽ kết thúc bằng nội dung đánh giá, nhận xét được rút ra trong mục kết chương.1 Giới thiệu bài toán Ngã thường xuyên xảy ra đối với những người bệnh và người cao tuổi, và là một trong những nguyên nhân chính có thể dẫn đến tử vong ở người cao tuổi. Té ngã không chỉ gây ra các chấn thương vật lý mà còn ảnh hưởng đến tâm lý của người cao tuổi. Ngã cũng là nguyên nhân khiến cho người cao tuổi sợ việc vận động, qua đó tác động một cách gián tiếp đến sức khỏe của họ. Ngoài ra, khi điều trị chấn thương thường phải cách ly tạm thời ra khỏi cộng đồng, xã hội sẽ làm ảnh hưởng xấu đến tâm lý của người ngã vì làm tăng cảm giác cô đơn và có thể dẫn đến trầm cảm.
Chính vì vậy, việc sử dụng hệ thống tự động phát hiện ngã sẽ là rất cần thiết để giúp cho việc cấp cứu kịp thời để giảm thiểu rủi ro cho người ngã. Kết quả là, nhu cầu phát triển hệ thống giám sát thông minh có khả năng phát hiện ngã đã tăng lên đáng kể trong việc chăm sóc sức khỏe cộng đồng. Bài toán phát hiện ngã thường được tiếp cận bằng một trong 2 phương pháp: sử dụng cảm biến tích hợp vào môi trường (ambient sensors) hoặc cảm biến mang trên người (wearable sensors). Các cảm biến có thể là cảm biến tốc độ, gia tốc, hình ảnh, âm thanh, rung chấn v.v… các dữ liệu cảm biến này được thu thập và phân tích, trích chọn các đặc trưng để huấn luyện mô hình học máy; sau đó mô hình học máy sẽ được sử dụng để phát hiện ngã xảy ra trong thời gian thực.
Trong đó, cảm biến hình ảnh (camera) và cảm biến gia tốc được sử dụng khá phổ biến. Trong các nghiên cứu ban đầu thì các hệ thống phát hiện ngã thường dựa vào các ngưỡng (threshold) được xác định dựa trên kinh nghiệm của các nhà nghiên cứu, phát triển để đưa ra quyết định ngã hoặc không phải là ngã. Sau đó, phần lớn các nghiên cứu về phát hiện ngã Luan van 5 hiện nay dựa trên học máy (machine learning). Nhiều mô hình học máy đã được đề xuất như mô hình Markov ẩn (hidden Markov model), mô hình cây quyết định (C 4.5 Decision Tree), mô hình máy véc tơ hỗ trợ (support vector machine), mô hình rừng ngẫu nhiên (random forests)… Các mô hình này thường được huấn luyện từ một nguồn cảm biến (single sensory source) và đã cho kết quả phát hiện ngã khá cao (thường trên 90%).
Tuy nhiên, nếu áp dụng trực tiếp các phương pháp này để phát hiện ngã trong những trường hợp phức tạp (nhưng thường xuyên xảy ra trong thực tế) chẳng hạn như phân biệt ngã với một số hoạt động gần giống ngã như cúi người xuống chơi với vật cưng, uốn cong để lấy một vật từ sàn nhà, hoặc thậm chí chỉ nằm ngủ, hoặc phân biệt các tư thế ngã khác nhau (ngã nghiêng), ngã bên trái, ngã từ giường xuống đất, v.v… thì vẫn còn những thử thách cần phải giải quyết.2 Các nghiên cứu trước đây Một số nghiên cứu [2,3] đã kết hợp cảm biến gia tốc và hình ảnh từ video để phát hiện ngã và các hoạt động hàng ngày. Chẳng hạn, công trình [2] thực hiện bởi T. Tran và các cộng sự tại viện MICA, trường đại học Bách Khoa Hà Nội, đã kết hợp dữ liệu cảm biến gia tốc không dây WAX3 gắn trên hông và cổ tay đối tượng thực hiện thử nghiệm với hình ảnh RGB-D được chụp từ 7 Kinect cameras được cài đặt trong một căn phòng lớn để phân biệt ngã và một số hoạt động gần giống như ngã nhằm hỗ trợ người cao tuổi tại nhà của họ. Luan van 6 Hình 1.
1: Hình minh họa của môi trường và thiết bị cài đặt. Hình trên cho thấy sự bố trí của hệ thống thu thập dữ liệu của chuyển động. Sáu Kinect cameras được cài đặt ở độ cao 1.8m xung quanh một không gian 3.8m để mô phỏng giống như một căn phòng tại gia đình. Chiếc Kinect thứ 7 được gắn trên trần có độ cao 3m để quan sát từ phía trên toàn cảnh.
Hai cảm biến không dây được gắn vào cổ tay trái và bên phía hông trái của đối tượng thử nghiệm. Với cách thiết lập này, mọi vị trí trong không gian có thể được quan sát bởi tất cả các cảm biến Kinect. Tổng cộng tập dữ liệu thu thập được chứa 1000 mẫu hoạt động (400 kiểu ngã và 600 hoạt động thường ngày) được thu từ 50 đối tượng. Sau đó các dữ liệu và các đặc trưng từ RGB, chiều sâu (RGB-D), khung xương (skeleton), cảm biến gia tốc (accelerometer) được trích xuất riêng rẽ.
Trong đó dữ liệu RGB-D, và khung xương được thu thập từ 7 góc nhìn khác nhau (xem vị trí đặt Kinect camera tại hình 1.1), và dữ liệu của cảm biến gia tốc được thu thập từ 2 vị trí trên cơ thể của đối tượng thử nghiệm. Tất cả các dữ liệu được thu thập liên tục, đồng bộ hóa và được chú thích cho mục đích nghiên cứu. Trong thử nghiệm này, người tham gia thử nghiệm được yêu cầu mô phỏng các cú ngã theo các hướng khác nhau (ngã về phía sau, ngã về phía trước, ngã về bên trái, ngã về bên phải) và các kiểu ngã (ngã khi đang nằm trên giường, ngã khi đang ngồi trên ghế hay ngã khi đang đi bộ). Một số phương pháp phát hiện ngã đã được sử dụng trên thực tế [4], [5], [6].
Mỗi phương pháp có sức mạnh và hạn chế khác nhau, sau khi phân tích các phương Luan van 7 pháp khác nhau sẽ giúp chúng ta biết cách bổ sung các thuộc tính cho việc nhận dạng hoạt động của con người được tốt hơn. Trong nghiên cứu này, đầu tiên họ lấy dữ liệu từ 1 cảnh quan trong số 7 cảnh quan thu thập được, áp dụng kỹ thuật tiên tiến để phân tích từng phương pháp. Cụ thể, mạng tích chập 3D được sử dụng trong dữ liệu RGB [7]; bản đồ chuyển động chiều sâu (DMM) với bộ mô tả hạt nhân cải tiến (KDES) được áp dụng trên dữ liệu chiều sâu [8]; Res– TCN cho dữ liệu khung xương và 2D convent cho dữ liệu của cảm biến gia tốc [1]. Dữ liệu đa phương thức được đồng bộ hóa trong cùng 1 thời điểm, kết quả tìm được của tất cả các phương pháp được so sánh sau đó kết hợp các phương pháp khác nhau là báo cáo tốt nhất của nghiên cứu.
2: Hình minh họa dữ liệu thu thập từ nhiều cảm biến.2 cho thấy ảnh chụp nhanh của dữ liệu đa phương thức được đồng bộ hóa từ 7 Kinect cameras và các cảm biến gia tốc, vận tốc góc và từ trường. Tổng cộng, kích thước của tập dữ liệu khoảng 350 Giga bytes. Tất cả dữ liệu được đồng bộ hóa theo thời gian. Sau đó dữ liệu được gán nhãn, thời gian bắt đầu và thời gian kết thúc của mỗi hành động theo trình tự được ghi chú cho hoạt động của con người.
Đây là bộ dữ liệu tương đối lớn và thú vị với số lượng người tham gia thử nghiệm và các tư thế hoạt động đa dạng, hơn thế nữa mỗi hoạt động được thu thập với nhiều góc nhìn (multiview) và nhiều cảm biến (multimodal) khác nhau. Ngoài ra, một số hoạt động dễ bị nhầm lẫn với ngã cũng tạo nên các thách thức đáng kể cho việc phát hiện ngã. Cụ thể, nhiều hoạt động thường ngày giống ngã, ví dụ như: chống tay trái để đứng Luan van 8 dậy, chống tay phải để đứng dậy, đang ngồi trên ghế sau đó đứng dậy, đang ngồi trên giường sau đó đứng dậy v. Một nghiên cứu khác [3] đề xuất phương pháp tiếp cận phát hiện ngã bằng cách kết hợp cảm biến gia tốc gắn bên hông và các hình ảnh độ sâu (depth images) từ cameras.
Trong phương pháp tiếp cận này, hình ảnh độ sâu được lưu trữ trong bộ nhớ đệm để được sử dụng khi cần thiết. Sự kiện ngã được phát hiện dựa trên mô - đun xử lý dữ liệu cảm biến gia tốc. Mô đun dữ liệu cảm biến gia tốc nhận đầu vào là luồng tín hiệu cảm biến gia tốc sau đó được so sánh với một ngưỡng (threshold) để đưa ra quyết định một khoảng thời gian có khả năng chứa sự kiện ngã hay không. Nếu có tiềm năng là một sự kiện ngã thì các hình ảnh độ sâu sẽ được xử lý và phân tích để khẳng định có cú ngã xảy ra hay không.
Phương pháp này có sự khác biệt với những phương pháp tiếp cận trước đây vì phương pháp này trích xuất những đặc trưng không chỉ trên hình ảnh độ sâu mà còn xử lý các đám mây điểm để trích xuất bộ mô tả về té ngã được phân biệt rất rõ ràng. Do con người thường làm những việc theo thói quen cá nhân tại những thời điểm và vị trí cụ thể trong căn nhà của họ như những hoạt động thường ngày nên phương pháp này sử dụng thuật toán k - nn (k –nearest neighbors) phân loại các hoạt động để tìm ra tín hiệu phát hiện ngã. 3: Mô hình đề xuất cho sự phát hiện ngã [3] Luan van 9 Tập dữ liệu được thu bao gồm các ảnh độ sâu với các hoạt động điển hình như: Đi bộ, ngồi xuống, cúi xuống và giả vờ nằm xuống đã được phân tích để xây dựng các phân lớp đáng tin cậy để kiểm tra xem vị trí, nơi mà một người đang nằm trên sàn và để đánh giá hiệu quả của việc phát hiện ngã. Trong tổng số 2395 hình ảnh được chọn từ bộ dữ liệu phát hiện ngã UR của các tác giả và các chuỗi hình ảnh được ghi lại trong các căn phòng tượng trưng như: Văn phòng làm việc, lớp học, v.v… Bộ ảnh được chọn ra bao gồm 1492 hình ảnh với các hoạt động thường ngày (ADLs), trong số đó có 903 hình ảnh mô tả hình ảnh một người đang nằm trên sàn.
Những hình ảnh này được sử dụng để xác định tính năng độ sâu và đề xuất các nhận định về mô tả ngã. Bộ dữ liệu phát hiện ngã UR bao gồm ba mươi chuỗi hình ảnh ngã, ba mươi chuỗi hình ảnh hoạt động thường ngày điển hình như ngồi xuống, cúi xuống, nhấc một vật từ sàn nhà, và mười chuỗi với các hoạt động giống với ngã như nằm nhanh trên sàn nhà và nằm trên giường, đi văng.