Phân tích dáng đi chống đau sử dụng máy véc tơ hỗ trợ

TRANG TÓM TẮT LUẬN VĂN PHÂN TÍCH DÁNG ĐI CHỐNG ĐAU SỬ DỤNG MÁY VÉC TƠ HỖ TRỢ Học viên: Hoàng Thị Minh Huyền Chuyên ngành: Khoa học máy tính Mã số: 84800101 Khóa: K34.KMT.QB Trường Đại h

ĐẠI HỌC ĐÀ NẴNG

TRƯỜNG ĐẠI HỌC BÁCH KHOA

HOÀNG THỊ MINH HUYỀN

PHÂN TÍCH DÁNG ĐI CHỐNG ĐAU

SỬ DỤNG MÁY VÉC TƠ HỖ TRỢ

Chuyên ngành : Khoa học máy tính

Mã số : 8480101

LUẬN VĂN THẠC SĨ KỸ THUẬT

Người hướng dẫn khoa học: TS HUỲNH HỮU HƯNG

Đà Nẵng - Năm 2018

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi dưới sự hướng dẫn trực tiếp của TS Huỳnh Hữu Hưng

Mọi tham khảo dùng trong luận văn đều được trích dẫn rõ ràng tên tác giả, tên công trình, thời gian, địa điểm công bố

Mọi sao chép không hợp lệ, vi phạm quy chế đào tạo, hay gian trá, tôi xin chịu hoàn toàn trách nhiệm

Tác giả

Hoàng Thị Minh Huyền

MỤC LỤC

TRANG BÌA

LỜI CAM ĐOAN

MỤC LỤC

TRANG TÓM TẮT LUẬN VĂN

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG

DANH MỤC CÁC HÌNH

MỞ ĐẦU 1

1 Lý do chọn đề tài 1

2 Mục tiêu nghiên cứu 2

3 Đối tượng và phạm vi nghiên cứu 2

4 Phương pháp nghiên cứu 2

5 Ý nghĩa khoa học và thực tiễn của đề tài 3

6 Cấu trúc luận văn 3

CHƯƠNG 1 DÁNG ĐI CHỐNG ĐAU 4

1.1 CÁC GIAI ĐOẠN TRONG DÁNG ĐI Ở NGƯỜI 4

1.1.1 Giai đoạn tựa (chống) 4

1.1.2 Giai đoạn đu đưa 5

1.2 CÁC THAY ĐỔI DÁNG ĐI TRÊN LÂM SÀNG 6

1.3 DÁNG ĐI CHỐNG ĐAU 7

1.3.1 Định nghĩa dáng đi chống đau 7

1.3.2 Nguyên nhân 8

1.3.3 Các triệu chứng của dáng đi chống đau 9

1.3.4 Cách chẩn đoán bệnh 10

1.4 TỔNG KẾT CHƯƠNG 1 12

CHƯƠNG 2 TỔNG QUAN VỀ PHÂN TÍCH DÁNG ĐI 13

2.1 PHÂN TÍCH DÁNG ĐI 13

2.1.1 Sử dụng cảm biến 13

2.1.2 Sử dụng dữ liệu thu được từ camera 14

2.2 TRÍCH ĐẶC TRƯNG 17

2.2.1 Thuộc tính số 18

2.2.2 Thuộc tính nhị phân 20

2.3 CÁC PHƯƠNG PHÁP PHÂN TÍCH DÁNG ĐI 21

2.3.1 Phương pháp dựa vào đặc trưng 21

2.3.2 Phương pháp dựa vào mô hình 22

2.4 TỔNG KẾT CHƯƠNG 2 29

CHƯƠNG 3 PHÂN TÍCH DÁNG ĐI CHỐNG ĐAU SỬ DỤNG MÁY VÉC TƠ

HỖ TRỢ 30

3.1 TỔNG QUAN VỀ HỆ THỐNG 30

3.2 XÂY DỰNG DỮ LIỆU 31

3.2.1 Phần mềm thiết kế 3D MakeHuman 31

3.2.2 Phần mềm Blender 32

3.3 TRÍCH ĐẶC TRƯNG HOG 34

3.4 HUẤN LUYỆN 38

3.4.1 Bài toán phân lớp 38

3.4.2 Xây dựng mô hình phân lớp sử dụng SVM để nhận dạng dáng đi 39

3.4.3 Phát hiện dáng đi chống đau 39

3.5 KẾT QUẢ THỰC NGHIỆM 39

3.5.1 Dữ liệu thử nghiệm 39

3.5.2 Quá trình thực nghiệm 41

3.5.3 Kết quả thử nghiệm 44

3.6 TỔNG KẾT CHƯƠNG 3 44

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 45

TÀI LIỆU THAM KHẢO 46 QUYẾT Đ NH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (BẢN SAO)

BẢN SAO KẾT LUẬN CỦA HỘI ĐỒNG, BẢN SAO NHẬN XÉT CỦA CÁC PHẢN BIỆN

TRANG TÓM TẮT LUẬN VĂN

PHÂN TÍCH DÁNG ĐI CHỐNG ĐAU SỬ DỤNG MÁY VÉC TƠ HỖ TRỢ

Học viên: Hoàng Thị Minh Huyền Chuyên ngành: Khoa học máy tính

Mã số: 84800101 Khóa: K34.KMT.QB Trường Đại học Bách khoa - ĐH Đà Nẵng

Tóm tắt: Ngày nay, các nghiên cứu trong lĩnh vực thị giác máy tính hỗ trợ rất nhiều

cho công tác y tế, đặc biệt là ứng dụng phân tích dáng đi để chẩn đoán và phát hiện các bệnh tiềm ẩn liên quan đến khung xương Trong luận văn này đề xuất giải pháp phân tích dáng đi chống đau của bệnh nhân bị bệnh xương khớp sử dụng máy véc tơ hỗ trợ Quá trình xử lý bao gồm các bước: (1) xây dựng dữ liệu; (2) trích đặc trưng HoG; (3) huấn luyện dữ liệu đặc trưng và thu được mô hình dữ liệu đã phân lớp; (4) tiến hành nhận dạng để đưa ra kết luận

Từ khóa –Thị giác máy tính, phân tích dáng đi, dáng đi chống đau, đặc trưng HOG, học máy vectơ hỗ trợ

GAIT ANTI PAIN ANALYSIS USE SUPPORT VECTOR MACHINE

Abstract: Nowaday, researchs in computer vison a lot of support for medical work,

especially the gait analysis application to diagnose and detect underlying diseases associated with the skeleton In this essay proposed solutions gait anti pain analysis of osteoarthritis patients use support vecto machine The process consists of steps: (1) building data; (2) selective features HoG; (3) Characteristic data training and obtained stratified data model; (4) Conduct the identification to make conclusions

Keywords– Computer vision, gait analysis, antalgic gait, HOG features, support vector machine (SVM)

DANH MỤC CÁC TỪ VIẾT TẮT

2D Two Dimension 3D Three Dimension AMI Accumulated Motion Image HOG Histogram of Oriented Gradients LDA Linear Discriminant Analysis MLP Multilinear Principal Components MMH Maximum Marginal Hyperland MII Motion Intensity Image

NB Nạve Bayes SVM Support Vector Machine

DANH MỤC CÁC BẢNG

Bảng 2.1 Tổng hợp các đặc trưng dáng đi trong nghiên cứu[43] 21

Bảng 2.2 Tỷ lệ phân loại sử dụng dữ liệu từ tính năng chụp không đánh dấu 23

Bảng 3.1 Số khung hình lấy từ mỗi nhân vật 40

Bảng 3.2 Kết quả nhận dạng dáng đi 44

DANH MỤC CÁC HÌNH

Hình 1.1 Chu kỳ dáng đi gồm 8 giai đoạn 4

Hình 1.2 Mô tả khung xương chân cho giai đoạn chống 4

Hình 1.3 Mô tả khung xương chân cho giai đoạn đu đưa 5

Hình 1.4 Chuỗi hình minh họa dáng đi chống đau 8

Hình 1.5 Khớp bình thường và viêm xương khớp 11

Hình 2.1 Hình ảnh thảm cảm biến trên sàn nhà 13

Hình 2.2 Hình chiếu và các đặc trưng sử dụng trong nghiên cứu 14

Hình 2.3 Hệ thống giám sát hành vi té ngã 15

Hình 2.4 Camera Kinect và hệ thống máy tính thử nghiệm 15

Hình 2.5 Định vị không đánh dấu (markerless) ở nhiều góc quay khác nhau 16

Hình 2.6 Hình ảnh thu được trong nghiên cứu 17

Hình 2.7 Một ví dụ về MII, với các dòng lần lượt là chuỗi ảnh đầu vào, chuỗi hình chiếu đối tượng trước và sau khi canh giữa, cuối cùng là MII 18

Hình 2.8 Ví dụ về ảnh chuyển động tích lũy 19

Hình 2.9 Ví dụ về hai đối tượng thực hiện cùng hành động với vẻ bên ngoài khác nhau nhưng có thuộc tính đồng nhất 19

Hình 2.10 Các vectơ chỉ hướng tương ứng với luồng quang học 20

Hình 2.11 Một số đặc trưng quan hệ hình học 20

Hình 2.12 Đường nét liền trên hình là đường phân chia tập dữ liệu gồm hai thuộc tính.24 Hình 2.13 Một bộ dữ liệu hai chiều được phân chia tuyến tính Có vô hạn đường thẳng phân chia tuyến tính có thể 25

Hình 2.14 Hai siêu phẳng phân chia tuyến tính cùng với biên độ của nó Cái có biên độ lớn hơn sẽ phân loại chính xác hơn 26

Hình 2.15 Minh họa đường biểu diễn H1, H2 và support vectors 27

Hình 2.16 Minh họa chức năng của kernel SVM 29

Hình 3.1 Giải pháp đề xuất 31

Hình 3.2 Giao diện công cụ MakeHuman 32

Hình 3.3 Giao diện phần mềm Blender 33

Hình 3.4 Dữ liệu dáng đi chống đau 33

Hình 3.5 Ảnh đầu vào và HoG 35

Hình 3.6 Chia khối trích đặc trưng HOG 36

Hình 3.7 Các bước rút trích đặc trưng HOG 37

Hình 3.8 Chuỗi ảnh thể hiện dáng đi bình thường và chống đau 40

Hình 3.9 Giao diện làm việc và nhân vật mặc định 41

Hình 3.10 Nhân vật sau khi chỉnh sửa 41

Hình 3.11 Thêm khung xương cho nhân vật 42

Hình 3.12 Giao diện ban đầu của Blender 42

Hình 3.13 Nhân vật được import vào Blender 43

Hình 3.14 Minh họa kết quả nhận dạng 43

MỞ ĐẦU

1 Lý do chọn đề tài

Các phương pháp sinh trắc học để nhận diện con người dựa trên đặc điểm sinh lý/hành vi của đối tượng như nhận dạng khuôn mặt, giọng nói, mống mắt, vân tay, hình dạng tay và dáng đi, đã và đang đóng vai trò ngày càng quan trọng trong việc nhận dạng con người dựa trên tính phổ biến và độc đáo của chúng

Y học hiện đại cho rằng: dáng đi của người khỏe mạnh cũng có những biểu hiện khác nhau tùy theo tuổi tác, tình trạng sức khỏe Ví dụ về tuổi tác, trẻ em thích đi gấp hoặc chạy chầm chậm, thanh niên khỏe mạnh đi nhanh mạnh mẽ, người già thì thường

đi chậm với những bước nhỏ Tuy nhiên, khi con người mắc một số bệnh nào đó có thể làm cho dáng đi thay đổi rất lớn và có tính đặc trưng nhất định

Theo các chuyên gia y tế, bệnh xương khớp chiếm tới ⅓ dân số thế giới Tỉ lệ người trên 55 tuổi bị bệnh đã lên tới 80% Tại Việt Nam, có khoảng 7% dân số đang gặp phải các vấn đề về xương khớp, tương đương với khoảng hơn 6 triệu người Nếu

cứ diễn biến theo tình hình hiện tại thì đến năm 2020, con số này sẽ là 10 triệu người Tại các bệnh viện lớn, mỗi ngày có hàng trăm bệnh nhân tới khám và tái khám bệnh xương khớp, trong đó có tới phân nửa phải nhập viện và điều trị.Trước đây, xương khớp chủ yếu gặp ở người cao tuổi, tuy nhiên hiện nay, có tới 30% người trên 35 tuổi

bị bệnh, và tỉ lệ này vẫn đang có dấu hiệu gia tăng [18]

Bệnh lý cơ xương khớp là vấn đề sức khỏe đang được thế giới rất quan tâm, vì quy mô lớn và hệ quả nghiêm trọng của bệnh trong cộng đồng Bệnh ít khi dẫn đến tử vong và không biểu hiện nguy kịch như bệnh tim mạch, hô hấp, ung thư… nhưng tần suất của bệnh cao nhất, đồng thời là nguyên nhân chính gây đau, mất chức năng vận động và giảm chất lượng cuộc sống

Ngày nay, các nghiên cứu trong lĩnh vực thị giác máy tính hỗ trợ rất nhiều cho công tác y tế, đặc biệt là các nghiên cứu phân tích dáng đi giúp quan sát bệnh nhân và

có thể phát hiện sớm một số bệnh tật Ứng dụng phân tích dáng đi trong lĩnh vực y tế

đã được triển khai từ rất sớm để chẩn đoán và phát hiện các bệnh tiềm ẩn liên quan đến khung xương [16]

Trong các phương pháp học máy, SVM là một phương pháp hiệu quả cho bài toán phân lớp dữ liệu Nó là một công cụ đắc lực cho các bài toán về xử lý ảnh, phân loại văn bản, phân tích quan điểm SVM thể hiện được nhiều ưu điểm, như: tính toán hiệu quả trên các tập dữ liệu lớn, tiết kiệm được bộ nhớ Một yếu tố làm nên hiệu quả

của SVM đó là việc sử dụng Kernel function khiến cho các phương pháp chuyển không gian trở nên linh hoạt hơn [19]

Tổng hợp những lí do trên, tôi đề xuất chọn đề tài luận văn cao học: “Phân tích

dáng đi chống đau sử dụng máy véc tơ hỗ trợ”

2 Mục tiêu nghiên cứu

2.1 Mục tiêu

Mục tiêu của đề tài là xây dựng giải pháp sử dụng máy véc tơ hỗ trợ (SVM) để phân tích dáng đi chống đau, từ đó nhận dạng dáng đi của người thu được từ camera thuộc dáng đi chống đau hay không?

2.2 Nhiệm vụ

Với mục tiêu như trên, đề tài thực hiện những nhiệm vụ sau:

- Tìm hiểu một số triệu chứng lâm sàng về bệnh xương khớp là nguyên nhân tạo ra dáng đi chống đau ở người;

- Tìm hiểu phương pháp học máy: máy véc tơ hỗ trợ;

- Nghiên cứu giải pháp phân tích dáng đi của người có dáng đi chống đau bằng máy véc tơ hỗ trợ;

- Xây dựng chương trình demo để kiểm tra kết quả

3 Đối tượng và phạm vi nghiên cứu

3.1 Đối tượng nghiên cứu

- Dáng đi chống đau của những người bị bệnh đau ở bàn chân, mắt cá chân, đầu gối, hông hoặc xương chậu;

- Phương pháp huấn luyện học máy: máy véc tơ hỗ trợ (SVM);

- Các phương pháp nhận dạng dựa trên dáng đi

3.2 Phạm vi nghiên cứu

Nghiên cứu phân tích dáng đi chống đau với dữ liệu từ camera hoặc dữ liệu có sẵn

4 Phương pháp nghiên cứu

4.1 Nghiên cứu lý thuyết

- Tìm hiểu các tài liệu về bệnh xương khớp ở chân: bàn chân, mắt cá chân, đầu gối, hông hoặc xương chậu;

- Tìm hiểu các tài liệu về xử lý ảnh;

- Tìm hiểu về bài toán phân tích dáng đi;

- Tìm hiểu phương pháp phân lớp sử dụng máy véc tơ hỗ trợ;

- Nghiên cứu các bài báo liên quan

4.2 Nghiên cứu thực nghiệm

- Xây dựng dữ liệu;

- Xây dựng mô hình;

- Đánh giá kết quả

5 Ý nghĩa khoa học và thực tiễn của đề tài

5.2 Ý nghĩa khoa học của đề tài

Cung cấp về mặt lý thuyết và phương pháp phân tích dáng đi, được áp dụng trong các hướng nghiên cứu sâu hơn, cụ thể hơn

5.3 Ý nghĩa thực tiễn của đề tài

Có thể hoàn chỉnh và phát triển để ứng dụng trong lĩnh vực y tế nhằm hỗ trợ trong việc chẩn đoán các bệnh liên quan đến khung xương là nguyên nhân gây ra dáng đi chống đau

6 Cấu trúc luận văn

Nội dung của luận văn được trình bày bao gồm các phần chính như sau:

Chương 1 Dáng đi chống đau

Chương này trình bày tổng quan các giai đoạn của một dáng đi bình thường, các thay đổi dáng đi trên lâm sàng Ngoài ra còn trình bày một số vấn đề của dáng đi chống đau như: định nghĩa dáng đi chống đau, nguyên nhân gây nên dáng đi chống đau, các triệu chứng và cách chẩn đoán bệnh cho bệnh nhân có dáng đi chống đau

Chương 2 Tổng quan về phân tích dáng đi

Chương này giới thiệu các hướng tiếp cận bài toán phân tích dáng đi, các phương pháp phân tích dáng đi, đồng thời giới thiệu các cách biểu diễn đặc trưng

được sử dụng trong phân tích dáng đi

Chương 3 Phân tích dáng đi chống đau sử dụng máy véc tơ hỗ trợ

Chương này mô tả giải pháp đề xuất của phương pháp phân tích dáng đi sử dụng máy véc tơ hỗ trợ gồm trích xuất đặc trưng HOG, xây dựng mô hình dựa trên mô hình máy véc tơ hỗ trợ SVM, tính ngưỡng xác xuất để nhận biết dáng đi chống đau của người bị bệnh xương khớp, trình bày kết quả thực nghiệm của giải pháp đề xuất

Kết luận và hướng phát triển

CHƯƠNG 1 DÁNG ĐI CHỐNG ĐAU

1.1 CÁC GIAI ĐOẠN TRONG DÁNG ĐI Ở NGƯỜI

Dáng đi được định nghĩa là chuỗi liên tục thành nhịp các giai đoạn đu đưa (swing) và tựa (support) của hai chân khi bàn chân hoặc ở trong không (đu đưa) hoặc tiếp xúc với đất (tựa).Dáng đi được đặc trưng bởi có một giai đoạn tựa kép trong đó cả hai chân tiếp xúc với đất, xen kẽ với các giai đoạn tựa đơn khi chân kia đưa tới trước

để bước tiếp Trong khi đi không có giai đoạn hai chân đều hở đất (nghĩa là giai đoạn bay)

Hình 1.1.Chu kỳ dáng đi gồm 8 giai đoạn

1.1.1 Giai đoạn tựa (chống)

Giai đoạn tựa là khi bàn chân tiếp xúc với đất, tính từ thời điểm bàn chân chạm

đất đến khi bàn chân rời khỏi đất Giai đoạn này thường được chia thành các thì: thì tiếp đất (hay chạm đất) , thì chuyển trọng lượng, giữa thì tựa, cuối thì tựa (nhấc gót),

và tiền thì đu (nhấc ngón chân)

Hình 1.2.Mô tả khung xương chân cho giai đoạn chống

- Thì tiếp đất (chạm đất): Giai đoạn này bao gồm thời điểm khi gót chân 1 chạm

sàn

- Thì chuyển trọng lượng: Giai đoạn này bắt đầu khi chân 1 bắt đầu tiếp xúc với

mặt sàn và tiếp tục cho đến khi gót chân 2 được nâng lên Ở cuối giai đoạn chuyển trọng lượng, bàn chân 1 tiếp xúc hoàn toàn với mặt sàn

- Giữa thì chống: Trong suốt giữa thì chống, chân 1 chống đỡ toàn bộ trọng

lượng cơ thể trong khi chân 2 đu ra trước Giữa thì chống bắt đầu khi chân 2 được nâng lên và tiếp tục cho đến khi trọng lượng cơ thể đặt hết lên bàn chân 1

- Cuối thì chống: Giai đoạn này hoàn thành giai đoạn chống đơn Tư thế này bắt

đầu khi gót chân 1 nâng lên và tiếp tục cho đến khi chân 2 chạm mặt đất Trong suốt giai đoạn này, trọng lượng cơ thể di chuyển về phía trước của bàn chân 2 Ở cuối giai đoạn chống, khối cơ thể tiếp tục tiến ra trước trên chân 2 trong khi thân đổ ra trước

- Tiền thì đu: Giai đoạn này xảy ra khi chân 2 tiến từ giai đoạn gót chạm đất đến

giai đoạn chuyển trọng lượng [20]

1.1.2 Giai đoạn đu đưa

Giai đoạn đu đưa xảy ra từ lúc bàn chân rời đất đến khi bàn chân đó chạm đất lại

Giai đoạn này thường được chia thành đầu thì đu, giữa thì đu và cuối thì đu

Tỷ lệ thời gian tương ứng sử dụng trong hai giai đoạn đu đưa và tựa thay đổi đáng kể khi đi và chạy Khi đi bình thường thì tựa chiếm 60%, giai đoạn đu đưa chiếm 40% Khi đi nhanh và chạy, thời gian giai đoạn tựa giảm đi đồng thời thời gian giai đoạn đu đưa sẽ tăng lên Ví dụ như: chạy vừa có thời gian tựa là 55%,thời gian đua đưa là 45% và chạy nhanh có thời gian tựa là 50%, thời gian đu đưa là 50% [17]

Hình 1.3 Mô tả khung xương chân cho giai đoạn đu đưa

- Đầu thì đu: Trong suốt đầu thì đu, chân 1 bị đẩy ra trước Giai đoạn này chiếm

khoảng một phần ba của thời kỳ đu, bắt đầu bằng việc nâng bàn chân từ mặt sàn lên và kết thúc khi đầu bàn chân 1 đối diện với chân 2 Trong giai đoạn này, bàn chân 1 được nâng lên, hông và đầu gối chân 1 gập để đưa các chi lên

- Giữa thì đu: Giai đoạn này bắt đầu khi chân 1 đối diện với chân 2 và kết thúc

khi chân 1 tiến tới trước Lúc này, xương ống chân 1 thẳng đứng, đầu gối kéo dài phản ứng với trọng lực, trong khi mắt cá chân tiếp tục gập mu bàn chân

- Cuối thì đu: Giai đoạn này bắt đầu khi xương ống chân 1 thẳng đứng và kết

thúc khi bàn chân 1 chạm sàn và hướng về phía trước Trong giai đoạn này, đầu gối

mở rộng, khớp gối duỗi, khớp cổ chân ở vị trí trung gian

1.2 CÁC THAY ĐỔI DÁNG ĐI TRÊN LÂM SÀNG

Có thể nhìn dáng đi để đoán biết sức khỏe - đó là nhận định từ các chuyên gia sau một quá trình nghiên cứu về vấn đề này Tư thế đi có liên quan đến mức độ đồng

bộ của nhiều bộ phận khác nhau trên cơ thể bao gồm: tay, lưng, xương chậu, hông, đầu gối, bắp chân, các cơ gân kheo (cơ kéo) và bàn chân nhằm giữ thăng bằng khi bạn bước về phía trước Nhiều bệnh lý ảnh hưởng đến dáng đi và chức năng đi lại của bệnh nhân Sau đây là một số dáng đi bệnh lý thường gặp:

- Dáng đi chống đau: Đây là dáng đi của người bị đau khớp Để giảm đau bệnh

nhân rút ngắn thời gian tựa ở bên đau và nhanh chóng chuyển trọng lượng sang chân không bị đau

- Dáng đi cứng khớp háng: Khi khớp háng bị cứng, bệnh nhân không thể gấp

khớp háng khi đi để nhấc chân lên hở đất trong thì đu đưa

- Dáng đi khớp háng không vững: Sự vững của khớp háng khi đi là nhờ các đầu

xương của khớp được giữ trong vị trí vững bởi các cơ và dây chằng quanh khớp Trong trường hợp này, bệnh nhân có thể có một trong hai dáng đi sau bởi phụ thuộc các yếu tố kèm theo

+ Dáng đi Trendelenberg: Như trường hợp phá vỡ giải phẫu bên phải trong gãy cổ xương đùi chưa liền Hoạt động của cơ mông nhỡ kéo xương chậu xuống dưới trong thì tựa không hiệu quả hoặc yếu do mất một điểm tựa vững Xương chậu hạ xuống ở phía bên kia (tức là bên trái) gây nên mất thăng bằng

+ Dáng đi cơ mông nhỡ: Khi cơ mông nhỡ phải bị liệt, nó không thể kéo xương chậu phải xuống do giảm chức năng cơ dạng ở trong thì tựa

- Dáng đi chân ngắn: Chân ngắn chân dài trở nên rõ khi một chân ngắn hơn chân

kia 1 inch (2,5 cm) Dáng đi nghiêng chậu xuống dưới rõ và biến dạng bàn chân ngựa

- Dáng đi bước cao: Khi bàn chân rũ (yếu cơ gập mu chân), bàn chân vỗ lên đất

khi đánh gót và sau đó rũ xuống trong thì đu đưa Để đưa bàn chân hở đất, khớp háng gấp nhiều hơn tạo nên dáng đi bước cao

- Dáng đi cây kéo: Đây là dáng đi đặc trưng của một trẻ bại não, co cứng rõ rệt

hai háng và cổ chân gập lòng

- Dáng đi bệnh nhân Parkinson: Thân người gập về phía trước, đi bước nhỏ,

nhanh, chân đi với tầm vận động nhỏ hơn…

- Dáng đi liệt nửa người:Quét vòng (dạng chân) để hở chân liệt trong thì đu đưa

- Dáng đi thất điều: Đi lảo đảo, mất thăng bằng như người say rượu

- Dáng đi lật bật:Bệnh nhân đi lên các ngón chân như bị đẩy, bắt đầu đi chậm

sau nhanh dần cho đến khi bệnh nhân vịn để ngừng lại

- Dáng đi chân ngựa: Đi gập cổ chân do hoạt động quá mức cơ gấp lòng bàn

chân

- Dáng đi co cứng: Thấy trong liệt cứng hai chân, vận động cứng, hai chân sát

nhau, háng và gối gấp nhẹ, co rút bàn chân[17]

1.3.1 Định nghĩa dáng đi chống đau

Dáng đi chống đau là khi bệnh nhân cố gắng tránh đặt trọng lượng cơ thể lên chân bị đau trong khi đi bộ Khi đi bộ, trọng lượng cơ thể sẽ được truyền qua chân xuống đất Vì vậy, với những bệnh nhân bị đau chân để giảm đau khi đi bộ, người bệnh cố gắng đặt trọng lượng cơ thể lên chân bị đau càng nhỏ càng tốt trong thời gian ngắn nhất có thể trong giai đoạn tựa của chu kỳ dáng đi và thường chuyển trọng lượng đột ngột sang chân không bị đau Sải chân được rút ngắn ở phía bên chân bị đau, ảnh hưởng đến nhịp điệu của chu kỳ dáng đi bình thường của bệnh nhân Những bệnh nhân đau ở khớp chân, đầu gối hoặc khớp hông thường sẽ có dáng đi chống đau Dáng đi chống đau có thể là dáng đi của bất cứ ai ở mọi lứa tuổi, những người cao tuổi hay trẻ nhỏ; những vận động viên dường như bị nó thường xuyên hơn và dáng đi chống đau được nhìn thấy ở nam giới nhiều hơn phụ nữ [22]

Hình 1.4.Chuỗi hình minh họa dáng đi chống đau

Dáng đi chống đau có thể xuất hiện đột ngột hoặc dần dần do bệnh hoặc tổn thương dây thần kinh hoặc hệ thống cơ xương Nó có thể nhẹ, trung bình hoặc nặng, tạm thời hoặc vĩnh viễn

Một ví dụ về dáng đi chống đau xuất hiện đột ngột là khi bạn ngồi trên bàn chân hoặc chân của bạn để ở một vị trí khó xử trong một thời gian Khi bạn đứng dậy, bàn chân hoặc chân của bạn cảm thấy như nó đang bị tấn công bởi vô số cái kim Những lúc như vậy, bạn sẽ đi bộ với dáng đi chống đau cho đến khi cảm giác bình thường trở lại Một ví dụ khác về dáng đi chống đau đến dần dần là dáng đi của một người đang

bị bệnh gút Bệnh gút là một dạng viêm khớp ảnh hưởng đến các khớp, chủ yếu là khớp ở chân ngón cái, nơi tinh thể axít uric có thể tích lũy Nó rất phổ biến và rất đau đớn Nhiều bệnh nhân mô tả bệnh gút là cảm giác như ngón chân của họ đang bốc cháy, và trong thời gian bùng phát, họ buộc phải đi bộ với dáng đi chống đau[22]

1.3.2 Nguyên nhân

Có nhiều yếu tố có thể gây ra dáng đi chống đau Tùy vào độ tuổi để có những nguyên nhân thường gặp, chẳng hạn đối với trẻ em, nguyên nhân phổ biến nhất gây ra dang đi chống đau là chấn thương, tiếp theo là do nhiễm trùng và viêm:

- Chấn thương: Đây thường là chấn thương nhẹ và sẽ tự lành Tuy nhiên trong

trường hợp trẻ đi với dáng đi chống đau kéo dài thì có thể trẻ đã bị gãy xương ở chân

- Nhiễm trùng: Nhiễm vi rút hoặc vi khuẩn trong xương và khớp đang phát triển

có thể gây đau và gây nên dáng đi chống đau ở trẻ nhỏ

- Viêm khớp: Viêm khớp phổ biến ở người lớn từ 65 tuổi trở lên, tuy nhiên ở trẻ

em một số cũng mắc phải bệnh này Nó ảnh hưởng đến các khớp xương và gây đau, sưng

Đối với những người lớn tuổi, có 2 loại viêm khớp có thể gây đau và gây ra dáng

đi chống đau như sau:

- Viêm xương khớp (bệnh khớp thoái hóa) là bệnh mà các khớp trở nên đau và

cứng Bệnh viêm xương khớpthường gặp ở đầu gối, háng và xương sống Đôi khi, những khớp khác như khớp ở bàn tay vẫn có thể xuất hiện triệu chứng như trên Trong các khớp xương này có một bộ phận gọi là sụn, sụn có chức năng đệm khi hai đầu xương ở các khớp này chạm vào nhau Khi bị viêm khớp, sụn bị hủy hoại và mất khả năng đệm cho xương do đó sẽ không còn hàng rào bảo vệ giữa hai đầu xương nữa Các xương sẽ cọ xát vào nhau khi bệnh nhân cử động dẫn đến các khớp trở nên sưng và đau đớn

- Bệnh viêm khớp dạng thấp hay còn gọi là bệnh viêm đa khớp dạng thấp Bệnh

gây viêm (đỏ, sưng) dẫn đến đau, xơ cứng và sưng khớp, phần lớn là khớp tay, khớp lưng, khớp bàn chân và khớp gối Viêm khớp mắt cá, khớp gối hoặc khớp bàn chân có thể gây khó khăn cho bệnh nhân khi đi đứng và cúi người

Những bệnh như: bệnh gút, bệnh viêm khớp vảy nến cũng là những dạng của

bệnh viêm khớp Vì vậyđó cũng là một trong những nguyên nhân gây ra dáng đi chống đau cho những bệnh nhân mắc những bệnh này Ngoài ra dáng đi chống đau còn có thể

bị gây ra bởi nhiều nguyên nhân khác như: sự biến dạng của khớp và chân; bị chấn thương do tai nạn (tai nạn lao động, tai nạn giao thông, tai nạn khi chơi thể thao); đau thần kinh tọa;các khối u ở bàn chân, chân hoặc hông; tổn thương cơ hoặc gân; …[21]

1.3.3 Các triệu chứng của dáng đi chống đau

Có những triệu chứng và dấu hiệu cụ thể của dáng đi chống đau mà bác sĩ tìm kiếm khi chẩn đoán Sau đây là một số các triệu chứng đặc trưng cho dáng đi chống đau:

- Phong cách đi bộ không bình thường: thay đổi dáng đi để giảm đau bởi nếu đi

bộ bình thường thì sẽ làm tăng cảm giác đau cho người bệnh;

- Độ dài của bước chân ngắn hơn độ dài bước chân của dáng đi bình thường;

- Độ dài của bước đi không giống nhau, cụ thể là chân bị đau sẽ có bước đi ngắn hơn chân không bị đau;

- Tốc độ bước đi giảm;

- Thời gian ở giai đoạn đu đưa của chân đau sẽ tăng và ở chân không đau sẽ giảm;

- Thời gian ở giai đoạn tựa của chân đau sẽ giảm và ở chân không đau sẽ tăng[21]

1.3.4 Cách chẩn đoán bệnh

Dáng đi chống đau là một dáng đi không bình thường, rất dễ nhìn thấy và được bác sĩ điều trị phát hiện bằng mắt thường Tuy nhiên như trên đã trình bày, có thể có rất nhiều nguyên gây ra dáng đi chống đau và cũng tùy vào lứa tuổi để có một số nguyên nhân cụ thể thườnggặp Đây là lý do quan trọng tại sao bác sĩ phải tìm thấy nguyên nhân khi bệnh nhân có dáng đi chống đau, hoặc nếu bệnh nhân đang thay đổi cách họ đi bộ để giảm đau ở: chân, mắt cá chân hoặc bàn chân Mục tiêu của bác sĩ điều trị là xác định nguyên nhân gây ra dáng đi chống đau Bởi nếu không được điều trị đúng, nó có thể dẫn đến các vấn đề nghiêm trọng hơn cho người bệnh

Sau đây là các cách thường được sử dụng để chẩn đoán nguyên nhân gây ra dáng

đi của bệnh nhân có bước đi ngắn hơn bình thường và rút ngắn thời gian giai đoạn tựa

ở chân bị đau Đặc biệt bệnh nhân sẽ bị đau nhiều hơn khi cố gắng đi bộ bình thường Ngoài những triệu chứng trên, trong nhiều trường hợp, bệnh nhân có dấu hiệu khớp bị sưng và cứng

b) Xét nghiệm máu

Khi xét nghiệm máu, các chỉ số sau thường sử dụng là yếu tố thấp RF (Rheumatoid factor), Anti-CCP(Anti-cyclic citrullined peptide), tốc độ lắng máu VSS (Erythrocyte sedimentation rate), CRP (C-reactive protein), Anti-DNA và Uric Acid

- Yếu tố thấp khớp (Rheumatoid Factors - RF):Xét nghiệm có kết quả dương tính

ở những bệnh nhân bị viêm khớp dạng thấp;

- Anti-CCP (Anti-cyclic citrullinated): Anti-CCP là một xét nghiệm rất hữu ích,

được sử dụng để chẩn đoán viêm khớp dạng thấp ở giai đoạn sớm Ngoài ra nồng độ của Anti-CCP cao hay thấp cũng tiên lượng được mức độ tổn thương của khớp

- Tốc độ máu lắng:Đây là xét nghiệm để chẩn đoán bệnh nhân có bị viêm khớp

hay không? Xét nghiệm này đo thời gian tế bào hồng cầu rơi xuống đáy ống nghiệm

Tỷ lệ lắng đọng tăng phản ánh một tình trạng viêm không đặc hiệu trong cơ thể

- CRP (C reactive protein): Đây là protein sản xuất tại gan và được sản xuất

trong trường hợp viêm cấp hoặc nhiễm trùng CRP dương tính ở những bệnh nhân mắc các bệnh như: viêm khớp dạng thấp, bệnh thấp khớp, ung thư, lao, viêm phổi, nhồi máu cơ tim, Lupus

- Anti DNA và anti-SM: Bệnh nhân Lupus có kháng thể với chất liệu di truyền

DNA Nó là một công cụ chẩn đoán hữu ích ở những bệnh nhân không có bệnh Lupus

- Acid Uric: Là sản phẩm phân hủy của purines trong trong chu trình chuyển hóa

acid uric Quá nhiều axit uric có thể ra tinh thể hình thành ở các khớp và gây ra bệnh gút Ngoài ra, phân tích dịch khớp có thể cung cấp cho bác sĩ với nhiều chi tiết quan trong trong quá trình điều trị và theo dõi bệnh

Xét nghiệm máu có thể giúp chẩn đoán viêm khớp, theo dõi điều trị và theo dõi diễn biến của bệnh.Các xét nghiệm máu là những công cụ chẩn đoán rất có giá trị Tuy nhiên không chỉ dựa vào các xét nghiệm máu mà còn phải kết hợp với kết quả của chẩn đoán hình ảnh, tiền sử và lâm sàng của bệnh nhân để có một chẩn đoán chính xác

c) Nghiên cứu hình ảnh hoặc phóng xạ

- Chụp X-quang: Được sử dụng trong hầu hết các xét nghiệm có liên quan đến chấn thương và đau nhức xương khớp.Hình ảnh chụp x-quang cho thấy rõ cấu trúc xương, mật độ xương, các tổ chức xung quanh xương khớp, tổn thương xương khớp,…từ đó nhận định được nguyên nhân gây ra dáng đi chống đau

- Chụp cộng hưởng từ MRI và chụp cắt lớp vi tính CT: Đó là những kỹ thuật tiên tiến góp phần phát hiện nhiều những thương tổn trong khớp và tổ chức xung quanh khớp

Hình 1.5 Khớp bình thường và viêm xương khớp

d) Nội soi khớp

Phương pháp này được thực hiện thông qua ống nội soi quang học, những tổn thương khớp lớn như khớp gối được phát hiện tốt Nội soi khớp góp phần phát hiện các tổn thương sụn khớp, dây chằng, bao hoạt dịch, gân cơ,… và hỗ trợ lấy mẫu trong quá trình sinh thiết hay can thiệp phẫu thuật ngoại khoa

e) Xét nghiệm dịch khớp

Chọc hút dịch khớp và xét nghiệm dịch khớp là biện pháp có giá trị để chẩn đoán bệnh khớp và theo dõi kết quả điều trị Bình thường dịch khớp trong suốt, có ít tế bào, quánh và số lượng dịch ít Sự thay đổi về màu sắc, thể tích và thành phần tế bào dịch khớp có giá trị trong chẩn đoán bệnh khớp

1.4 TỔNG KẾT CHƯƠNG 1

Một dáng đi bình thường gồm hai giai đoạn chính: giai đoạn chống và giai đoạn

đu đưa, được xác định dựa vào cử động di chuyển của cùng một chân Nhiều bệnh lý

sẽ ảnh hưởng đến dáng đi và chức năng đi lại của con người Cụ thể trong trường hợp bệnh nhân bị đau xương khớp, thì người bệnh sẽ có dáng đi chống đau Trong chương

1, luận văn đã trình bày định nghĩa dáng đi chống đau, nguyên nhân, triệu chứng và cách chẩn đoán bệnh

Trong nội dung chương 2 tiếp theo, luận văn sẽ trình bày những kiến thức tổng quan về phân tích dáng đi

CHƯƠNG 2 TỔNG QUAN VỀ PHÂN TÍCH DÁNG ĐI

2.1 PHÂN TÍCH DÁNG ĐI

Phân tích dáng đi là một trong những bài toán chính của các hệ thống tự động có chức năng giám sát và chăm sóc y tế tại nhà cũng như hệ thống hỗ trợ việc khám bệnh của các trung tâm y tế Nhiều hướng tiếp cận để giải quyết vấn đề này đã được đề xuất, dựa trên các nền tảng phần cứng và giải pháp xử lý khác nhau Có hai hướng nghiên

cứu chính thường được áp dụng cho bài toán phân tích dáng đi: xử lý dữ liệu từ cảm biến, và sử dụng hệ thống thị giác máy tính Điểm khác biệt chủ yếu giữa các hướng

trên là thiết bị hỗ trợ được sử dụng trong quá trình nghiên cứu, được trình bày cụ thể dưới đây

2.1.1 Sử dụng cảm biến

Hiện tại, có nhiều nghiên cứu về sử dụng cảm biến trong việc phân tích dáng đi Các bộ cảm biến được sử dụng trên một số bộ phận của cơ thể, chẳng hạn như bàn chân, đầu gối, đùi hay eo

Trong nghiên cứu[30], các tác giả đã thí nghiệm với 1536 bộ cảm biến riêng lẻ sắp xếp trên một mặt sàn hình chữ nhật kích thước 3x0.5m được thực hiện trên 15 người Mỗi người bước qua tấm thảm 12 lần, hoàn thành hai chu kỳ dáng đi bằng chân không, hệ thống sẽ đo chiều dài sải chân, nhịp sải chân, và thời gian trên ngón chân và gót chân với tỷ lệ thành công là 80%

Hình 2.1.Hình ảnh thảm cảm biến trên sàn nhà

Mặc dù có nhiều nghiên cứu về việc sử dụng cảm biến trong phân tích, nhận dạng dáng đi nhưng việc sử dụng cảm biến cũng có nhiều nhược điểm như cảm biến phải được đặt chính xác và an toàn, phải tính toán sai lệch trọng lực, tiếng ồn, tín hiệu Hơn nữa, mỗi cảm biến thường giới hạn sử dụng để đo ít đặc trưng dáng đi Ngoài ra,

với cảm biến mặc trên người, phải gắn hoặc mang trên người, gây bất tiện cho người

sử dụng, mỗi người phải được trang bị một bộ cảm biến riêng, đòi hỏi chi phí cao để

sử dụng

Vì các hạn chế nêu trên, gần đây, các nhà nghiên cứu thường chuyển sang sử dụng kỹ thuật phân tích dáng đi bằng các thiết bị thu nhận ảnh như camera, camera có cảm biến

2.1.2 Sử dụng dữ liệu thu được từ camera

Ngoài sử dụng cảm biến, các nhà nghiên cứu thường sử dụng những dữ liệu thu được từ một hoặc nhiều camera, hoặc camera cảm biến để phân tích dáng đi

Khi nghiên cứu phát hiện té ngã ở người cao tuổi, các hệ thống thường sử dụng một camera đơn để giám sát Các nhà nghiên cứu ở [38]sử dụng một camera để phát hiện sự mất cân bằng và khuynh hướng té ngã của người già dựa vào hình chiếu đối tượng chuyển động

Nghiên cứu [31]nhận dạng con người dựa trên các đặc trưng dáng đi được trích xuất tự động từ dữ liệu camera Từ hình chiếu của đối tượng, các đặc trưng chiều cao, chiều rộng, chiều cao đáy quần, khoảng cách bước chân, quỹ đạo chung được trích xuất, làm mịn và sử dụng ba kỹ thuật k láng giềng gần nhất mờ, LDA và SVM để phân lớp Khi thử nghiệm trên 11 người với 13 tham số khác nhau về quần áo, các loại giày, mang đồ vật và tốc độ đi bộ khác nhau, hệ thống đạt kết quả nhận dạng là 81.3%, 83.2% và 84.0% tương ứng với ba mô hình phân lớp kể trên

Hình 2.2.Hình chiếu và các đặc trưng sử dụng trong nghiên cứu

Ở[10],các tác giả sử dụng một camera đơn để tiến hành quan sát nhận biết các dấu hiệu có nguy cơ té ngã của bệnh nhân, sau đó sử dụng mô hình SVM để phân loại đối tượng thành nhóm bình thường và nhóm bị té ngã Dấu hiệu có nguy cơ té ngã dựa

vào các đặc điểm: tỷ lệ cạnh (rộng/cao) của khung bao đối tượng, góc nghiêng, trọng lực trung tâm và vận tốc đầu của đối tượng Khi thử nghiệm trên 4 người lớn tuổi trong vòng sáu tháng với 14.000 giờ quay video, hệ thống đã xác định được 24 trường hợp ngã để cảnh báo

Hình 2.3 Hệ thống giám sát hành vi té ngã

Trong một nghiên cứu ở[40], các tác giả sử dụng một camera Kinect cùng với hệ thống máy tính để đo các thông số dáng đi như: vận tốc trung bình, thời gian một bước dài, chiều dài sải chân, chiều cao người của 7 người lớn tuổi từ 75-95 sống trong năm căn hộ khác nhau

Hình 2.4 Camera Kinect và hệ thống máy tính thử nghiệm

Nghiên cứu [14]phân tích dáng đi để nhận dạng đối tượng được giám sát bằng nhiều camera Thí nghiệm được thực hiện trên 300 chuỗi video tổng hợp từ 12 người khỏe mạnh từ nguồn dữ liệu CASIA-B với các đối tượng đi tự do theo 6 hướng đi khác

nhau (36O; 54O; 72O; 90O; 108O; 126O) Hiệu suất của phương pháp đề xuất được đo đối với các thuộc tính video khác nhau như: độ phân giải ảnh, tỷ lệ khung hình, nén dữ liệu và chất lượng hình ảnh Các kết quả thu được cho thấy phân tích dáng đi bằng việc định vị markerless có thể đạt được hiệu quả cao mà không cần quan tâm về vị trí của máy ảnh và tư thế của đối tượng Các thông số dáng đi được trích xuất cho phép nhận dạng người đi bộ từ những đặc điểm khác nhau với một tỷ lệ nhận dạng trung bình 92.2% với các chuỗi ảnh được thu với tốc độ 25 khung hình/giây và 81% với chuỗi ảnh thu 15 khung hình/giây Nghiên cứu này xác nhận rằng dáng đi có thể được sử dụng một cách hiệu quả để xác định đối tượng dựa trên hệ thống nhiều camera giám sát

Hình 2.5.Định vị không đánh dấu (markerless) ở nhiều góc quay khác nhau

Nghiên cứu [12]sử dụng camera có cảm biến Microsoft Kinect để theo dõi chuyển động của con người, đã phát triển một hệ thống trích xuất được ba thông số dáng đi bao gồm độ dài, thời gian của các bước và tốc độ của dáng đi Có 11 đối tượng

đã tham gia vào các thí nghiệm, trong đó gồm bốn nữ và bảy nam ở độ tuổi từ 22 đến

53 Để kiểm tra tính hiệu quả của hệ thống cũng như tính chính xác của các thông số dáng đi thu được từ camera, hệ thống có sử dụng thêm một tấm thảm cảm biến dài 5m Các đối tượng đi vuông góc với hướng nhìn cameraở khoảng cách 3m, mỗi đối tượng

phải đi bộ ba lần cho bốn tình huống: đi thẳng bình thường, đi bước nhỏ, mặc váy dài,

đi phía trước máy quay Kết quả là thuật toán cho kết quả đúng 96.3% khi đi bình

thường, đi bước nhỏ vàđúng 95.6%khi mặc váy dài Với trường hợp đi phía trước máy quay, kết quả chỉ đạt 93.4%

Hình 2.6.Hình ảnh thu được trong nghiên cứu

So với việc sử dụng cảm biến, việc sử dụng dữ liệu thu được từ camera có ưu điểm là không vướng thiết bị,độ phân giải camera ngày càng cao nên chất lượng hình ảnh tốt hơn, thông thường camera không cần điều kiện đặc biệt về các cảnh chiếu sáng, giá thành camera không cao, có thể lắp cố định tại một địa điểm để quan sát nhiều người, có khả năng tích hợp vào hệ thống camera giám sát đã có

Ở[32]đưa ra hướng tiếp cận mới là: thực hiện việc phân tích dáng đi trên tập dữ liệu ảnh được thu bởi một camera duy nhất Ý tưởng chính được đưa ra là mô hình hóa dáng đi và phân tích dựa trên từng chu kỳ bước chân.Các bước của hướng tiếp cận mới

sẽ được trình bày trong những phần tiếp theo

2.2 TRÍCH ĐẶC TRƯNG

Có rất nhiều bộ mô tả thuộc tính khác nhau đã được đề xuất, có thể phân loại thuộc tính theo nhiều cách khác nhau, dựa theo các tiêu chí khác nhau như:

- Thuộc tính 2D trích từ ảnh 2D;

- Thuộc tính 3D là thuộc tính 2D có thêm thông tin về độ sâu cảnh quay;

- Thuộc tính không gian là thuộc tính chỉ quan tâm đến đối tượng trong từng

khung hình;

- Thuộc tính thời gian là thuộc tính có quan tâm đến cả sự chuyển động của đối

tượng từ khung hình này đến các khung hình tiếp theo;

- Thuộc tính địa phương là thuộc tính chỉ xét đến một số vùng (patch) đặc biệt

nào đó trong khung hình;

- Thuộc tính toàn cục xem xét toàn bộ khung hình;

Những thuộc tính trên được chia thành 02 nhóm chính là thuộc tính số và thuộc tính nhị phân

Các giải pháp ở nhóm đầu tiên trích xuất hình chiếu của đối tượng chuyển động

và nhận dạng hành vi dựa trên việc phân tích dữ liệu thu được [11] [25] Nghiên cứu biểu diễn hành động trong một ảnh đơn được gọi là ảnh cường độ chuyển động (MII) Ảnh này được tạo ra bằng cách canh giữa các hình chiếu đối tượng trong mỗi ảnh nhị phân (kết quả phép trừ nền) theo một điểm tham chiếu cố định, từ đó chuyển động được thu hẹp vào một khu vực có giới hạn Ưu điểm của MII là sự đơn giản, độ hiệu quả và mạnh mẽ khi thực hiện trên ảnh chứa nhiễu

Hình 2.7 Một ví dụ về MII, với các dòng lần lượt là chuỗi ảnh đầu vào, chuỗi hình

chiếu đối tượng trước và sau khi canh giữa, cuối cùng là MII

Ở [25], các nhà nghiên cứu sử dụng ảnh chuyển động tích lũy (AMI) để biểu diễn chuyển động trong một chuỗi ảnh, được tính bằng trung bình độ sai lệch từng cặp ảnh liên tiếp trong chuỗi Để đảm bảo tính mạnh mẽ của đặc trưng, ảnh AMI được biến đổi kích thước thành một ảnh con kích thước N x N và một ma trận xếp hạng được tạo ra dựa trên thứ hạng các giá trị trong ảnh đó Một ví dụ minh họa hai ảnh con khác nhau nhưng có cùng giá trị ma trận xếp hạng được trình bày trong hình 2.9

Hình 2.8 Ví dụ về ảnh chuyển động tích lũy

Hình 2.9.Ví dụ về hai đối tượng thực hiện cùng hành động với vẻ bên ngoài

khác nhau nhưng có thuộc tính đồng nhất

Các giải pháp sử dụng vectơ chỉ hướng thường ước lượng hướng biến đổi cường độ của các điểm ảnh trong hai khung hình liên tiếp (thường gọi là luồng quang học), và sử dụng các thông tin về hướng cho việc nhận dạng hành động [1] [9][13] [41] Nghiên cứu tiên phong của hướng tiếp cận này được đề xuất ở [13] với tập dữ liệu ảnh được thu từ một khoảng cách xác định Trong [9], các tác giả cũng trình bày

một thuật toán nhận dạng hành động dựa trên luồng quang học và thông tin các phần của cơ thể

Hình 2.10.Các vectơ chỉ hướng tương ứng với luồng quang học

co hay duỗi, giá trị đặc trưng tương ứng là 1 (co) nếu góc nêu trên nhỏ hơn 120°, và bằng 0 (duỗi) nếu góc có giá trị từ 120° trở lên[36] Một bộ các đặc trưng như vậy có thể mô tả hiệu quả thông tin về tư thế và chuyển động của đối tượng

Hình 2.11.Một số đặc trưng quan hệ hình học

2.3 CÁC PHƯƠNG PHÁP PHÂN TÍCH DÁNG ĐI

Về cơ bản, có hai phương pháp phân tích dáng đi: dựa vào đặc trưng và dựa vào

mô hình

2.3.1 Phương pháp dựa vào đặc trưng

Trong phương pháp phân tích dựa vào đặc trưng, các đặc trưng trích xuất được

sử dụng để biểu diễn cho dáng đi

Tùy thuộc vào mục đích phân tích dáng đi mà các đặc trưng khác nhau của dáng

đi được sử dụng Nghiên cứu [43]đã tổng hợp các đặc trưng dáng đi thường dùng trong các lĩnh vực y tế, thể thao và nhận dạng trong bảng sau:

Bảng 2.1 Tổng hợp các đặc trưng dáng đi trong nghiên cứu[43]

Đặc trưng Y học Thể thao Nhận dạng

Hiện nay, trong lĩnh vực phân tích dáng đi phục vụ việc nhận dạng, phân tích hành vi té ngã hoặc phân loại, có nhiều đặc trưng khác nhau được các nhà nghiên cứu

sử dụng

Trong các nghiên cứu dựa vào dữ liệu từ video, hình chiếu đối tượng là đặc điểm chính thường sử dụng Ở [4] hình chiếu nhị phân của đối tượng được phủ bởi hình chữ nhật để nhận dạng người Trong [39]một phần hình chiếu của người được sử dụng để nhận dạng dáng đi

Khi nghiên cứu phát hiện hành vi té ngã, các tác giả ở [10]dựa vào đặc trưng thay đổi góc nghiêng của người Một người đang đứng có góc giữa trục dài elip khung bao

và sàn nhà là gần 900 Do đó, trong khoảng thời gian ngắn cố định, việc góc nghiêng thay đổi gần 900

so với cơ thể ban đầu là dấu hiệu của hành vi té ngã Cũng trong nghiên cứu này, tỷ lệ cạnh của chiều rộng so với chiều cao của khung bao cũng được xét đến Tỷ lệ cạnh thấp thể hiện người đang ở tư thế đứng, nhưng nếu tỷ lệ cạnh thay đổi thành cao thì thể hiện hành vi ngã

Dựa trên dữ liệu chuyển động, nhiều tính năng trên cơ thể được lựa chọn hơn.Trong nghiên cứu của [15]các tác giả sử dụng các đặc trưng về chiều dài thân, chiều dài cánh tay, chiều dài đùi, chiều dài bắp chân, và chiều dài chân để nhận dạng dáng đi Chiều cao cơ thể, chiều dài chân, nhịp bước, chiều rộng xương chậu, vận tốc, chiều rộng bước, chiều dài sải chân, khớp hông và khớp gối đã được các nhà nghiên cứu khoa học dùng để phân loại giới tính ở Hàn Quốc[8] Khung xương cũng được sử dụng rộng rãi trong nghiên cứu của nhiều đề tài

2.3.2 Phương pháp dựa vào mô hình

Các phương pháp phân tích dáng đi dựa trên mô hình sử dụng các mô hình toán học để biểu diễn và phân tích dáng đi như máy vector hỗ trợ, mô hình Markov ẩn, mạng nơron…

Máy vector hỗ trợ là một thuật toán học máy nổi tiếng được sử dụng để giải quyết bài toán phân lớp Thuật toán SVM ban đầu được tìm ra bởi Vladimir N Vapnik

và dạng chuẩn hiện nay sử dụng lề mềm được tìm ra bởi Vapnik và Corinna Cortes năm 1995, phương pháp phân loại của nó dựa trên lý thuyết học thống kê và hàm hạt nhân[44] SVM đã được áp dụng rất thành công trong việc giải quyết các vấn đề của thế giới thực như nhận dạng văn bản, hình ảnh, chữ viết tay…

SVM ban đầu được thiết kế cho việc phân loại nhị phân (hai lớp), nhưng sau đó được mở rộng để thực hiện việc phân loại đa lớp SVM hai lớp được ứng dụng nhiệu trong việc nhận dạng đối tượng, trong bức ảnh nó được chia thành hai lớp, một lớp chứa đối tượng và một lớp không phải là đối tượng

Nhiều thử nghiệm các ứng dụng khác nhau cho thấy SVM là một trong những phương pháp phân loại có độ chính xác cao và tương đối tổng quát cho bài toán nhận dạng Đó là lí do luận văn lựa chọn phương pháp SVM để huấn luyện và nhận dạng dữ

liệu Sau đây luận văn xin đưa ra một số con số thơng kê để minh họa cho điều khẳng định trên về phương pháp SVM

Trong nghiên cứu về nhận dạng dáng đi 3D [6], các tác giả đã trình bày một thuật tốn độc lập để nhận dạng dáng đi của người trong khơng gian 3 chiều – 3D Bằng cách sử dụng các dữ liệu chuyển động thu được bằng thuật tốn theo dõi chuyển động 3D khơng dấu để xác định dáng đi của một người Nhĩm tác giả theo dõi lại độ chính xác của mình bằng dữ liệu thu được từ hệ thống chụp chuyển động dựa trên điểm đánh dấu Bộ phân lớp SVM được sử dụng để phân loại mơ tả chuyển động trong khơng gian Thí nghiệm được thực hiện trên 22 người bằng cách thực hiện 230 chu kỳ bước Bảng 2.2 sau đây đánh giá hiệu suất của thuật tốn được đề xuất trong nhận dạng dáng

đi bao gồm Nạve Bayes (NB), bộ cảm ứng đa lớp (MLP_ Multilinear Principal Components) và SVM Tỷ lệ phân loại chính xác đạt được bằng SVM là 93,5% lần thứ nhất và 99,6% ở lần thứ 3

Bảng 2.2 Tỷ lệ phân loại sử dụng dữ liệu từ tính năng chụp khơng đánh dấu

[42]

Các tác giả ở [5] sử dụng SVM với mục đích nhận dạng tự động loại dáng đi của hai nhĩm người: trẻ tuổi và lớn tuổi từ mơ hình dáng đi tương ứng Nghiên cứu này sử dụng hệ thống phân tích chuyển động PEAK-2D để phân tích dữ liệu về khoảng cách tối thiểu bàn chân Khi 30 người trẻ tuổi và 28 người lớn tuổi tiến hành thử nghiệm đi

bộ liên tục với tốc độ tự chọn trong 20 phút trên máy chạy bộ, các mẫu dáng đi được trích xuất về khoảng cách tối thiểu bàn chân được sử dụng để huấn luyện SVM Kết quả kiểm tra cho biết hiệu suất tổng quát để nhận dạng dáng đi người trẻ và người già của phương pháp SVM trung bình là 83.3% ( so với kết quả chính xác 75.0% ( khi dùng phương pháp mạng nơron để nhận dạng trên tập dữ liệu này

Phần tiếp theo, luận văn sẽ trình bày về mơ hình phân tích dáng đi SVM, đĩ là

mơ hình luận văn sử dụng trong quá trình huấn luyện và nhận dạng Trước tiên luận

văn sẽ giới thiệu các khái niệm cơ bản: siêu phẳng phân chia tuyến tính, support vectors,…

a) Các khái niệm cơ bản

- Siêu phẳng phân cách

Cho trước tập dữ liệu D gồm ( ( ( | | | | Trong đó là một tập các bộ huấn luyện tương ứng với nhãn lớp Mỗi sẽ nhận một trong hai giá trị hoặc là +1 hoặc là -1 ( { } Phương pháp phân lớp SVM sẽ tìm ra đường phân lớp “tốt nhất” để phân chia tập dữ liệu này thành từng lớp tách biệt ra với nhau Theo [35], phương trình tổng quát của một đường phân chia như vậy được biểu diễn dưới dạng sau:

W X + b = 0 (2.1) Trong đó:

+ W: Véc tơ trọng số, { };

+ N: Số thuộc tính (hay còn gọi là số chiều của dữ liệu);

+ b: Một đại lượng vô hướng, thường được xem như là một độ nghiêng (bias)

Đối với trường hợp dữ liệu hai chiều (hai thuộc tính) thì phương trình trên biểu diễn của đường thẳng phân chia Nếu dữ liệu là ba chiều thì đường phân chia giữa hai tập sẽ là một mặt phẳng phân cách Tổng quát cho dữ liệu n chiều thì sẽ được phân cách bởi một siêu phẳng Chúng ta sẽ sử dụng thuật ngữ “siêu phẳng” (hyperplane) để chỉ đến ranh giới quyết định mà chúng ta muốn tìm kiếm bất chấp số lượng thuộc tính

Hình 2.12 Đường nét liền trên hình là đường phân chia tập dữ liệu gồm hai thuộc

tính

Tuy nhiên trong thực tế ta có thể tìm được vô số những siêu phẳng phân chia trên cùng một tập dữ liệu Và chúng ta muốn tìm được một siêu phẳng phân chia sao cho tốt nhất, có nghĩa là có sai sót phân loại bé nhất trên bộ dữ liệu

Hình 2.13.Một bộ dữ liệu hai chiều được phân chia tuyến tính Có vô hạn đường

thẳng phân chia tuyến tính có thể

Do đó mục tiêu của phương pháp phân loại SVM là tìm một siêu phẳng phân cách giữa hai lớp sao cho khoảng cách lề (margin) giữa hai lớp đạt cực đại Siêu phẳng có biên độ lớn nhất (maximum marginal hyperland) sẽ được chọn như là siêu phẳng phân chia dữ liệu một cách tốt nhất Trong hình bên dưới, ta thấy có hai siêu phẳng có thể phân chia được và những biên độ của nó Trước khi định nghĩa biên

độ (margin), hãy nhìn vào nhìn dưới một cách trực quan Cả hai siêu phẳng đều phân tách tất cả những bộ dữ liệu cho trước Một cách trực quan, siêu phẳng với biên độ lớn hơn sẽ chính xác hơn trong việc phân loại các bộ dữ liệu trong tương lai so với siêu phẳng có biên độ nhỏ hơn Điều này lý giải vì sao trong suốt giai đoạn học hay huấn luyện, SVM tìm những siêu phẳng có biên độ lớn nhất, gọi là MMH (Maximum Marginal Hyperland)

Siêu phẳng có biên độ lớn nhất là siêu phẳng có khoảng cách từ nó tới hai mặt bên của nó là bằng nhau (mặt bên song song với siêu phẳng) Khoảng cách đó thật ra

là khoảng cách ngắn nhất từ MMH tới bộ dữ liệu huấn luyện gàn nhất của mỗi lớp Siêu phẳng có biên độ lớn nhất này cho chúng ta một sự phân loại tốt nhất giữa các lớp