Luận Văn Thạc Sĩ: Ứng Dụng Xử Lý Ảnh Trong Nhận Diện Người Ngã

• Tác giả: Pham Duc Thien
• Người hướng dẫn: Vu Van Phong, PhD.
• Trường học: Ho Chi Minh City University of Technology and Education
• Chuyên ngành: Automation and Control Engineering
• Đề tài: Application Image Processing in the Identification of People Falling
• Loại tài liệu: Graduation project
• Năm xuất bản: 2023
• Địa điểm: Ho Chi Minh City

• ACKNOWLEDGEMENTS
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Problem Statement
• 1.2. Objective
• 1.3. Constraints
• 1.4. Jobs to do
• 1.5. Plan from w1 to w15
• 1.6. Estimated Expense
• 2. CHAPTER 2: LITERATURE REVIEW
• 2.1. Introduction
• 2.2. System review
• 2.3. GAUSSIAN FILTER
• 2.3.1. PROCESS TO APPLY A GAUSS FILTER
• 2.3.2. Fourier Spectrum- Quick Refresh
• 2.3.3. Filtering
• 2.3.4. Gaussian Filter
• 2.3.5. Gaussian Filter and low pass filtering
• 2.4. Gaussian blurring
• 2.4.1. When to use Gaussian blur
• 2.4.2. The aspects of a Gaussian blur filter
• 2.4.3. How Gaussian blur works in image filtering
• 3. CHAPTER 3: HARDWARE DESIGN
• 3.1. C920s PRO HD WEBCAM
• 3.2. Function in code
• 3.3. Image Progessing- Smoothing
• 3.4. Python HTTP Server
• 5. CHAPTER 5: EXPERIMENT RESULTS/ FINDINGS AND ANALYSIS
• 6. CHAPTER 6: CONCLUSION AND RECOMMENDATIONS
• List of Figures
• List of Tables
• Abstract

I. Giới thiệu

Luận văn thạc sĩ 'Ứng Dụng Xử Lý Ảnh Trong Nhận Diện Người Ngã' tập trung vào việc thiết kế một hệ thống giám sát liên tục để phát hiện tình trạng ngã đột ngột ở người cao tuổi. Xử lý ảnh và nhận diện người là hai công nghệ chính được sử dụng để phân tích hành vi con người trong môi trường cụ thể. Hệ thống này nhằm mục đích cảnh báo sớm cho người thân thông qua các thiết bị di động khi phát hiện người bị ngã. Công nghệ nhận diện và thuật toán nhận diện được áp dụng để đạt độ chính xác trên 80% trong việc chẩn đoán ngã.

1.1 Vấn đề nghiên cứu

Ngã là hiện tượng phổ biến ở người cao tuổi, dẫn đến thương tích nghiêm trọng hoặc tử vong. Hệ thống nhận diện sử dụng xử lý tín hiệu hình ảnh để giám sát liên tục và phát hiện sự thay đổi đột ngột trong tư thế của người. Các nghiên cứu gần đây tập trung vào việc cải thiện độ chính xác của hệ thống thông qua phân tích hình ảnh và thuật toán nhận diện.

1.2 Mục tiêu

Mục tiêu chính của luận văn là thiết kế một hệ thống giám sát liên tục, sử dụng công nghệ nhận diện để phát hiện ngã đột ngột. Hệ thống này sẽ gửi thông báo đến thiết bị di động của người thân khi phát hiện sự cố. Ứng dụng xử lý ảnh và thuật toán nhận diện được tối ưu hóa để hoạt động hiệu quả trong nhiều điều kiện môi trường.

II. Tổng quan lý thuyết

Chương này trình bày tổng quan về các nghiên cứu liên quan đến vấn đề ngã và các lý thuyết được sử dụng trong luận văn. Nhận diện người ngã dựa trên công cụ ước lượng tư thế và sự thay đổi đột ngột vị trí trong thời gian ngắn. Hệ thống nhận diện sử dụng xử lý ảnh để phân tích hình ảnh từ camera đơn hoặc nhiều camera kết hợp với cảm biến.

2.1 Các phương pháp nhận diện ngã

Các phương pháp nhận diện ngã hiện nay bao gồm sử dụng cảm biến đeo trên người, camera đơn, và camera kết hợp cảm biến. Phân tích hình ảnh từ camera đơn là phương pháp phổ biến nhất, sử dụng thuật toán nhận diện để xác định sự thay đổi tư thế. Các nghiên cứu gần đây tập trung vào việc cải thiện độ chính xác thông qua xử lý tín hiệu hình ảnh.

2.2 Bộ lọc Gaussian

Bộ lọc Gaussian là một công cụ quan trọng trong xử lý ảnh, được sử dụng để giảm nhiễu và làm mờ hình ảnh. Bộ lọc Gaussian hoạt động bằng cách áp dụng một hàm toán học lên hình ảnh, giúp loại bỏ các thành phần tần số cao. Phương pháp này được sử dụng rộng rãi trong các hệ thống nhận diện người để cải thiện độ chính xác của thuật toán.

III. Thiết kế hệ thống

Chương này mô tả chi tiết về thiết kế phần cứng và phần mềm của hệ thống. Hệ thống nhận diện sử dụng camera C920s Pro HD và Raspberry Pi 4 để thu thập và xử lý hình ảnh. Xử lý ảnh được thực hiện thông qua các thuật toán Python, bao gồm phân tích hình ảnh và thuật toán nhận diện. Hệ thống được thiết kế để hoạt động trong nhiều điều kiện môi trường khác nhau.

3.1 Phần cứng

Phần cứng của hệ thống bao gồm camera C920s Pro HD và Raspberry Pi 4. Raspberry Pi 4 là một máy tính nhỏ sử dụng hệ điều hành Linux, được sử dụng để xử lý hình ảnh và chạy các thuật toán nhận diện người. Camera được sử dụng để thu thập hình ảnh liên tục, sau đó được xử lý bằng các thuật toán Python.

3.2 Phần mềm

Phần mềm của hệ thống được phát triển bằng ngôn ngữ Python, sử dụng các thư viện xử lý ảnh như OpenCV. Thuật toán nhận diện được áp dụng để phân tích hình ảnh và phát hiện sự thay đổi tư thế của người. Hệ thống cũng bao gồm một máy chủ HTTP để gửi thông báo đến thiết bị di động khi phát hiện ngã.

IV. Kết quả thực nghiệm

Chương này trình bày kết quả thực nghiệm của hệ thống. Hệ thống nhận diện đạt độ chính xác trên 90% trong việc phát hiện ngã đột ngột. Phân tích hình ảnh và thuật toán nhận diện được tối ưu hóa để giảm thiểu nhiễu và cải thiện hiệu suất. Các kết quả thực nghiệm cho thấy hệ thống có khả năng hoạt động hiệu quả trong nhiều điều kiện môi trường khác nhau.

4.1 Đánh giá hiệu suất

Hệ thống được đánh giá dựa trên độ chính xác và thời gian phản ứng. Thuật toán nhận diện đạt độ chính xác cao trong việc phát hiện ngã, với tỷ lệ lỗi thấp. Xử lý ảnh được tối ưu hóa để giảm thiểu nhiễu và cải thiện hiệu suất của hệ thống.

4.2 Phân tích kết quả

Kết quả thực nghiệm cho thấy hệ thống có khả năng phát hiện ngã đột ngột với độ chính xác cao. Hệ thống nhận diện hoạt động hiệu quả trong nhiều điều kiện môi trường, bao gồm cả môi trường ánh sáng yếu. Phân tích hình ảnh và thuật toán nhận diện được cải thiện để tăng cường hiệu suất của hệ thống.

V. Kết luận và khuyến nghị

Luận văn kết luận rằng hệ thống sử dụng xử lý ảnh và nhận diện người có khả năng phát hiện ngã đột ngột với độ chính xác cao. Hệ thống nhận diện được thiết kế để hoạt động hiệu quả trong nhiều điều kiện môi trường khác nhau. Các khuyến nghị bao gồm việc cải thiện thuật toán để giảm thiểu nhiễu và tăng cường hiệu suất của hệ thống.

5.1 Kết luận

Hệ thống sử dụng xử lý ảnh và nhận diện người đạt được độ chính xác cao trong việc phát hiện ngã đột ngột. Thuật toán nhận diện và phân tích hình ảnh được tối ưu hóa để cải thiện hiệu suất của hệ thống.

5.2 Khuyến nghị

Các khuyến nghị bao gồm việc cải thiện thuật toán để giảm thiểu nhiễu và tăng cường hiệu suất của hệ thống. Hệ thống nhận diện cần được phát triển thêm để hoạt động hiệu quả trong môi trường có nhiều người và điều kiện ánh sáng phức tạp.