PHÂN TÍCH DÁNG ĐI CỦA NGƯỜI BỊ VẸO CỘT SỐNG SỬ DỤNG ĐẶC TRƯNG HOG LUẬN VĂN THẠC SĨ KHOA HỌC

Mục tiêu nghiên cứu Mục tiêu của đề tài là xây dựng giải pháp đề xuất để phân tích dáng đi ở người bệnh vẹo cột sống, áp dụng phương pháp trích xuất đặc trưng HoG cùng với xây dựng mô h

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA

Đà Nẵng – Năm 2018

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA

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

Trương Thị Thế Quang

MỤC LỤC

LỜI CAM ĐOAN i

MỤC LỤC ii

TÓM TẮT iv

DANH MỤC CÁC TỪ VIẾT TẮT v

DANH MỤC CÁC BẢNG vi

DANH MỤC CÁC HÌNH vii

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 Cấu trúc luận văn 3

CHƯƠNG 1 BỆNH VẸO CỘT SỐNG 4

1.1 Tổng quan về bệnh vẹo cột sống 4

1.1.1 Giới thiệu 4

1.1.2 Nguyên nhân gây bệnh vẹo cột sống và phân loại bệnh vẹo cột sống 5

1.1.3 Biến chứng của cong vẹo cột sống 7

1.1.4 Phân loại mức độ vẹo cột sống 7

1.1.5 Các phương pháp phát hiện vẹo cột sống trong y học 7

1.1.6 Ảnh hưởng của cong vẹo cột sống đến sức khỏe, học tập và hoạt động 9

1.2 Các phương pháp công nghệ đã sử dụng để phát hiện bệnh vẹo cột sống 10

1.2.1 Phát hiện bệnh vẹo cột sống bằng camera Kinect 10

1.2.2 Sử dụng thuật toán K-means để xác định độ cong cột sống từ phim X-quang 13

CHƯƠNG 2 TỔNG QUAN VỀ PHÂN TÍCH DÁNG ĐI 15

2.1 Các đặc trưng được sử dụng trong nhận dạng dáng đi 15

2.1.1 Biểu diễn đường bao (Silhouette) 15

2.1.2 Đặc trưng PCA và biến đổi Hough 16

2.2 Các thiết bị phân tích dáng đi 18

2.2.1 Sử dụng cảm biến 18

2.2.2 Sử dụng nhiều camera đồng bộ 20

2.2.3 Sử dụng camera có cảm biến 21

2.2.4 Sử dụng một camera đơn 22

2.3 Các phương pháp học máy về nhận dạng dáng đi 23

2.3.1 Máy vector hỗ trợ (Support Vector Machine – SVM) 23

2.3.2 Mô hình Markov ẩn (Hidden Markov Model – HMM) 25

2.3.3 Mạng nơron nhân tạo (Artificial Neural Network – ANN) 27

CHƯƠNG 3 PHÂN TÍCH DÁNG ĐI CỦA NGƯỜI VẸO CỘT SỐNG SỬ DỤNG ĐẶC TRƯNG HOG VÀ BỘ LỌC SVM 29

3.1 Tổng quan về hệ thống 29

3.2 Xây dựng dữ liệu 30

3.2.1 Phần mềm thiết kế 3D MakeHuman 30

3.2.2 Phần mềm Blender 31

3.2.3 Trích xuất đặc trưng HOG 33

3.3 Huấn luyện 36

3.3.1 Xây dựng mô hình phân lớp sử dụng SVM để nhận dạng dáng đi 36

3.3.2 Phát hiện vẹo cột sống 39

3.4 Kết quả thực nghiệm 39

3.4.1 Dữ liệu thử nghiệm 39

3.4.2 Quá trình thực hiện 42

3.4.3 Kết quả thử nghiệm 43

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 45

TÀI LIỆU THAM KHẢO 46 QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN (bản sao)

PHÂN TÍCH DÁNG ĐI CỦA NGƯỜI BỊ VẸO CỘT SỐNG SỬ

DỤNG ĐẶC TRƯNG HOG

Học viên: Trương Thị Thế Quang Chuyên ngành: Khoa học máy tính

Mã số: Khóa 34 Trường Đại học Bách Khoa - ĐHĐN

Tóm tắt – Ngày nay, các nghiên cứu trong lĩnh vực thị giác máy tính hỗ trợ rất nhiều cho cuộc sống Đặc biệt là các nghiên cứu phân tích dáng đi hỗ trợ quan sát, chẩn đoán bệnh nhân trong lĩnh vực y tế Trong luận văn này, tôi đã trình bày cơ sở lý thuyết về bệnh vẹo cột sống: nguyên nhân gây bệnh, phân loại bệnh, một số phương pháp trong y học cũng như trong công nghệ hiện nay để phát hiện bệnh vẹo cột sống Tiếp đến, tôi tìm hiểu về một số thiết bị được sử dụng trong phân tích dáng đi, những kỹ thuật trích chọn đặc trưng, những mô hình đã được sử dụng trong phân tích nhận dạng dáng đi Cuối cùng, tôi đã xây dựng chương trình nhận dạng dáng đi của người bị vẹo cột sống dựa vào đặc trưng HoG và phương pháp lọc máy SVM Chương trình này cho phép đưa vào video của một người và xác định người đó có bị bệnh vẹo cột sống hay không? Kết quả thực nghiệm qua bộ cơ sở dữ liệu tự tạo về các dáng đi cho thấy giải pháp đề xuất mang lại hiệu quả hứa hẹn

Từ khóa – bệnh vẹo cột sống, nhận dạng dáng đi, khung xương, đặc trưng HoG,

phương pháp SVM

GAIT ANALYSIS OF THE SCOLIOSIS PATIENT USE THE HOG

FEATURED

Abstrack – Nowadays, researches in the field of computer vision support a lot

for life Particularly, research of gait analysis supports the observation and diagnosis of patients in the medical field In this essay, I have presented the theoretical basis of scoliosis: the cause of the disease, the classification of diseases, some methods in medicine as well as in the current technology to detect scoliosis Next, I learned about some of the devices used in gait analysis, selective extraction techniques, and models that were used in identity analysis Finally, I have developed a program to recognize the shape of the scoliosis based

on HoG featured and SVM method of filtering Does the program allow inclusion in a person's video and determine if he or she has scoliosis? Experimental results through a self-generated set of gait patterns suggest that the proposed solution yields promising results

Keywords – scoliosis, gait analysis, skeletal, HoG featured, SVM method.

DANH MỤC CÁC TỪ VIẾT TẮT

3D Three Dimension ANN Artificial Neural Network

HMM Hidden Markov Model HOG Histogram of Oriented Gradients PCA Principal Component Analysis SVM Support Vector Machine

1.3 Một số dạng khiếm khuyết cấu trúc cột sống bẩm sinh 6

1.5 Cách đo góc vẹo cột sống bằng thước đo góc hai cành 8 1.6 Thước đo Scoliometer và cách đo góc vẹo cột sống 8

2.1

Biểu diễn đường bao: (a) Minh họa việc khai thác cạnh biên và

quá trình mở rộng biên theo hướng ngược chiều kim đồng hồ,

(b) Tín hiệu khoảng cách được chuẩn hóa bao gồm tất cả cá

khoảng cách giữa trọng tâm và các điểm ảnh trên biên

15

2.4 Sử dụng máy gia tốc và con quay hồi chuyển 19

2.7 Ảnh hồng ngoại và tiền xử lý trong nghiên cứu 22 2.8 Các đặc trưng được sử dụng trong nghiên cứu 23 2.9 Tham số xác suất của một mô hình Markov ẩn 25

2.10 Mô hình HMM tương ứng với các mô hình HMM con của mỗi

Số hiệu

3.4 Một số khung ảnh được lưu vào cơ sở dữ liệu 33

3.6 Minh họa bài toán phân hai lớp với phương pháp SVM 37

3.7 Bài toán SVM trong trường hợp dữ liệu mẫu không phân tách

3.8 Chuỗi ảnh thể hiện dáng đi: (a) Dáng đi bình thường, (b) Dáng

3.9 Ảnh trước và sau khi trích xuất đặc trưng HoG: (a) Ảnh đầu

vào, (b) Ảnh sau khi trích xuất đặc trưng HoG 43

3.10

Hình ảnh kết quả nhận dạng xuất ra màn hình: (a) Kết quả nhận

dạng người bình thường, (b) Kết quả nhận dạng người bệnh

vẹo cột sống

43

Cột sống có vai trò hết sức quan trọng trong mọi hoạt động sống của con người

Nó tạo thành bộ khung nâng đỡ cơ thể, tạo cho con người có dáng đứng thẳng, bảo vệ tủy sống và các cơ quan nội tạng trong cơ thể Tuy nhiên, hiện nay tỉ lệ bệnh vẹo cột sống đang rất phổ biến, đặc biệt là lứa tuổi học đường Theo [33], số học sinh bình thường là 47,1%, vẹo chức năng 47,3%, vẹo cột sống cấu trúc 5,7% Đa số bị vẹo sang trái (75,3%), vẹo sang phải (18,5%) Cong vẹo cột sống mức nhẹ thường ít gây ra những hậu quả nghiêm trọng Tuy nhiên, nếu không được điều trị sớm, cong vẹo cột sống có thể tiến triển nặng và gây ảnh hưởng đến sức khỏe, thẩm mỹ cũng như chất lượng cuộc sống sau này Qua nghiên cứu [31], cong vẹo cột sống có thể ảnh hưởng đến tuổi thọ của người bệnh, theo dõi 130 bệnh nhân bị vẹo cột sống không được điều trị từ năm 1930 đến năm 1968, người ta nhận thấy, tỷ lệ tử vong ở những bệnh nhân bị cong vẹo cột sống tăng 100% (2 lần) so với quần thể Nếu chỉ tính riêng vẹo cột sống vùng ngực, tỷ lệ tử vong tăng cao gấp 4 lần, 37% bệnh nhân bị đau lưng, 14% bị các triệu chứng về tim phổi, 37% bị tàn tật với những biến dạng khác

Ngày nay, các nghiên cứu trong lĩnh vực thị giác máy tính hỗ trợ rất nhiều trong 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 chuẩn đoán và phát hiện các bệnh tiềm ẩn liên quan đến khung xương [1]

Phương pháp trích đặc trưng HoG (Histogram of Oriented Gradients) có một số

ưu điểm so với các phương pháp khác để trích chọn đặc trưng của một ảnh bởi nó hoạt động bằng cách chia bức ảnh thành từng vùng nhỏ, do đó sẽ khó có sự thay đổi về hình học cũng như trắc quang học, điều này chỉ có thể xuất hiện trong không gian lớn hơn [35] Vì vậy, HoG sẽ cho hiệu suất nhận dạng cao và bền vững với các sự thay đổi của hình ảnh, kết quả khá chính xác, ổn định trên nhiều tập dữ liệu khác nhau

Tổng hợp những lý do trên, tôi đề xuất chọn đề tài luận văn: “Phân tích dáng đi

của người bị bệnh vẹo cột sống sử dụng đặc trưng HOG”.

2 Mục tiêu nghiên cứu

2.1 Mục tiêu nghiên cứu

Mục tiêu của đề tài là xây dựng giải pháp đề xuất để phân tích dáng đi ở người bệnh vẹo cột sống, áp dụng phương pháp trích xuất đặc trưng HoG cùng với xây dựng

mô hình huấn luyện dựa trên mô hình SVM để phân tích dáng đi xem người đó có bị bệnh vẹo cột sống hay không?

3.1 Nội dung nghiên cứu

Nội dung nghiên cứu của luận văn gồm:

- Tìm hiểu các biểu hiện lâm sàng về dáng đi của người bệnh vẹo cột sống;

- Nghiên cứu giải pháp nhận dạng dáng đi của người bị bệnh vẹo cột sống;

- Nghiên cứu các thiết bị phân tích dáng đi, những kỹ thuật trích chọn đặc trưng, những mô hình đã được sử dụng trong phân tích nhận dạng dáng đi;

- Tìm hiểu về phương pháp trích chọn đặc trưng HOG;

- Xây dựng chương trình demo để kiểm tra, đánh giá kết quả

3 Đối tượng và phạm vi nghiên cứu

3.1 Đối tượng nghiên cứu

Luận văn tập trung tìm hiểu những vấn đề sau:

- Dáng đi của người bị bệnh vẹo cột sống;

- Các kỹ thuật nhận dạng dáng đi, các phương pháp phân tích dáng đi;

- Phương pháp trích chọn đặc trưng HoG

3.2 Phạm vi nghiên cứu

Luận văn tập trung trong phạm vi nghiên cứu phân tích dáng đi với dữ liệu thu được từ camera hoặc dữ liệu có sẵn, áp dụng phương pháp trích xuất đặc trưng HoG và

mô hình SVM để nhận dạng dáng đi của người bệnh vẹo cột sống

4 Phương pháp nghiên cứu

4.1 Nghiên cứu lý thuyết

Luận văn tập trung nghiên cứu một số lý thuyết như sau:

- Tìm hiểu các kĩ thuật xử lý ảnh;

- Tìm hiểu các kỹ thuật trích chọn đặc trưng, các mô hình sử dụng trong nhận dạng dáng đi, các thiết bị đã được sử dụng trong phân tích dáng đi;

- Tìm hiểu về phương pháp trích chọn đặc trưng HoG;

- Nghiên cứu các bài báo liên quan

4.2 Nghiên cứu thực nghiệm

Luận văn nghiên cứu một số vấn đề về thực nghiệm như sau:

- Ghi nhận dữ liệu từ camera hoặc sử dụng dữ liệu có sẵn;

- Cài đặt thực nghiệm và đánh giá kết quả

5 Cấu trúc luận văn

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

Mở đầu

Chương 1 – Bệnh vẹo cột sống

Chương này trình bày tổng quan về bệnh vẹo cột sống như các lý thuyết về bệnh vẹo cột sống, nguyên nhân gây bệnh, phân loại bệnh, một số phương pháp trong y học cũng như trong công nghệ hiện nay để phát hiện bệnh vẹo cột sống

Chương 2 – Tổng quan về phân tích dáng đi

Nội dung trong chương 2 giới thiệu một số thiết bị được sử dụng trong phân tích dáng đi, đồng thời giới thiệu những kỹ thuật trích chọn đặc trưng, những mô hình

đã được sử dụng trong phân tích nhận dạng dáng đi

Chương 3 - Phân tích dáng đi của người bệnh vẹo cột sống sử dụng đặc trưng HOG

Trong chương này mô tả giải pháp đề xuất của phương pháp phân tích dáng đi

sử dụng đặc trưng HoG bao gồm: trích xuất đặc trưng HOG, xây dựng mô hình dáng

đi dựa trên mô hình máy vec-tơ hỗ trợ (SVM), tính ngưỡng xác xuất để nhận biết dáng

đi của người vẹo cột sống, trình bày kết quả thực nghiệm của giải pháp đề xuất.

Kết luận và hướng phát triển

CHƯƠNG 1 BỆNH VẸO CỘT SỐNG

1.1 Tổng quan về bệnh vẹo cột sống

1.1.1 Giới thiệu

Vẹo cột sống (Scoliosis) là thuật ngữ để chỉ tình trạng cong của cột sống sang

phía bên trục của cơ thể và vẹo của các thân đốt sống theo trục của mặt phẳng nằm ngang, do đó không còn giữ được các đoạn cong sinh lý bình thường của nó vốn có

Cong cột sống: Bình thường nhìn từ phía sau cột sống ở tư thế thẳng Nếu đặt

một dây dọi từ mỏm gai sau của đốt cổ 7, dây dọi sẽ đi qua khe mông tức là qua đỉnh của đốt xương cụt cuối cùng, các mỏm giai sau của thân đốt sống nằm thẳng trên dây dọi Người bị vẹo cột sống sẽ thấy các gai sau của thân đốt sống lệch khỏi dây dọi sang phía bên Cột sống có thể cong ở đoạn cột sống lưng hoặc đoạn cột sống thắt lưng theo hình chữ C thuận hoặc chữ C nghịch, cũng có thể cong ở cả đoạn ngực và lưng theo hình chữ S thuận hoặc hình chữ S nghịch

Hình 1.1 Hình dạng cột sống: (a) Cột sống bình thường, (b) Vẹo cột sống ngực – thắt

lưng hình chữ S nghịch Vẹo cột sống: Các thân đốt sống xoay theo mặt phẳng ngang Bình thường khi

cho người bệnh đứng khép hai chân, gối duỗi thẳng, cúi xuống để hai tay tự do hướng xuống mặt đất thì điểm cao nhất của cung sườn hai bên nằm trên mặt phẳng nằm ngang Trong trường hợp vẹo cột sống thì hai điểm này lệch nhau, một bên cao một bên thấp

(a) (b)

Hình 1.2 Hình dạng người bệnh vẹo cột sống: (a) Cột sống bình thường,

(b) Vẹo cột sống

1.1.2 Nguyên nhân gây bệnh vẹo cột sống và phân loại bệnh vẹo cột sống

Cong vẹo cột sống được phân thành hai loại là cong vẹo không cấu trúc và cong vẹo cấu trúc

a Cong vẹo không cấu trúc:

Cong vẹo không cấu trúc là cong vẹo cột sống mà các đốt sống không có biến dạng về giải phẫu Cong vẹo không cấu trúc gặp trong một số nguyên nhân sau:

- Vẹo tư thế: Cột sống vẹo khi đứng thẳng, khi cúi, khi nằm, khi được nhấc

bổng lên nhưng bảo bệnh nhân đứng nghiêng về bên đường cong lồi thì hết vẹo Loại cong vẹo này thường gặp do một số lý do như ngồi sai tư thế; ghế ngồi không phù hợp với chiều cao; phòng ốc thiếu ánh sáng; ngồi quá lâu, ít thay đổi tư thế

- Vẹo bù trừ: Bệnh nhân bị chân dài, chân ngắn làm cột sống bị vẹo khi đứng

thẳng Nếu đi dép chỉnh hình để nâng đế ở chân thấp cho hai chân bằng nhau thì hết vẹo

- Vẹo do thoát vị đĩa đệm cột sống: Do đĩa đệm bị thoát vị chèn ép rễ thần kinh

gây đau thần kinh hông ở một bên Để giảm đau bệnh nhân phải nghiêng cột sống

- Vẹo cột sống do viêm: Viêm cơ thắt lưng – chậu, bệnh nhân nghiêng cột sống

về bên đau để làm chùng cơ và đỡ đau

b Cong vẹo cấu trúc

Cong vẹo cấu trúc là cong vẹo cột sống với các đốt sống bị biến dạng ở đường cong của cột sống Trong hầu hết các trường hợp cong vẹo cấu trúc xuất hiện trước tuổi xương ngừng lớn kèm theo xoay (vẹo), bao gồm bốn loại:

- Cong vẹo bẩm sinh (Congentital scoliosis): Xuất hiện ở giai đoạn bào thai,

thường do sự khiếm khuyết, biến dạng của thân đốt sống, khe khớp và đĩa đệm Sự biến dạng đó được biểu diễn ở hình 1.3

Hình 1.3 Một số dạng khiếm khuyết cấu trúc cột sống bẩm sinh

- Cong vẹo tự phát: Không rõ nguyên nhân (Idipathic scoliosis), thường mang

tính gia đình có thể xuất hiện ở trẻ nhỏ, thiếu nhi và tuổi dậy thì

- Cong vẹo do bệnh thần kinh cơ (Neuromuscular scoliosis): Là các tình trạng

vẹo cột sống gây ra bởi các bất thường của tổ chức thần kinh và cơ Thường gặp ở bệnh nhân bại não, bại liệt, nhược cơ, và các tình trạng bệnh lý của cơ

và thần kinh ngoại biên

Hình 1.4 Cong vẹo cột sống ở trẻ bại não

- Cong vẹo trong một số bệnh khác (Miselanous): Những bất thường của hệ

xương như hội chứng Marfan, bệnh u xơ thần kinh (Neurofibromatosis), rối loạn chuyển hóa xương, bệnh rỗng tủy sống, bệnh thoát vị tủy – màng tủy, bệnh lao xương sống

1.1.3 Biến chứng của cong vẹo cột sống

Thay đổi hình dáng cơ thể: Gây mất thẩm mỹ, ảnh hưởng lớn đến tâm sinh lý,

sức khỏe tinh thần của người bị bệnh

Tổn thương phổi và tim: Trong trường hợp vẹo cột sống nặng, khung sườn bị

biến dạng có thể đè ép vào phổi và tim làm cho người bệnh khó thở, giảm sức co bóp của tim, ảnh hưởng rất nhiều đến sức khỏe và sự phát triển của người bệnh, đặc biệt là trẻ nhỏ Biến dạng khung chậu ở bé gái có thể ảnh hưởng đến sinh đẻ sau này

Vấn đề ở lưng: Bệnh nhân vẹo cột sống bị ảnh hưởng đến khả năng lao động và

hoạt động sinh hoạt hằng ngày Họ thường đau lưng mạn tính nhiều hơn người bình thường

1.1.4 Phân loại mức độ vẹo cột sống

Tình trạng cong vẹo cột sống có thể ít hay nhiều, từ đó dẫn đến các dị tật ở các mức độ khác nhau Theo [30], thông thường có 3 cấp độ vẹo cột sống:

Cấp độ 1: biểu hiện khi cột sống đã lệch nhưng chỉ có thể phát hiện bởi các

chuyên gia

Cấp độ 2: biểu hiện khi nhìn từ phía sau đã có thể thấy cột sống cong vẹo và gù

xương sườn do đốt sống bị xoay

Cấp độ 3: biểu hiện khi có thể nhìn thấy rõ cột sống bị vẹo lệch sang bên gây

ảnh hưởng nặng tới chức năng hô hấp đồng thời có thể gây ra biến dạng khung chậu, khớp háng cũng như chiều dài của lưng - thắt lưng ngắn lại hoặc xương sườn ngực bị biến dạng

1.1.5 Các phương pháp phát hiện vẹo cột sống trong y học

Hiện nay có một số phương pháp phát hiện bệnh vẹo cột sống trong y học, cụ thể như sau:

Phương pháp khám sàng lọc: Người khám quan sát hai mỏm xương bả vai, hai

tam giác nách, hai nếp lằn mông và chiều dài hai khối cơ lưng Đây là phương pháp có thể tiến hành trên một số lượng đối tượng lớn Tuy nhiên, hạn chế của khám sàng lọc

là không đánh giá được mức độ cong vẹo cột sống

Phương pháp khám vẹo cột sống dùng thước đo góc hai cành hoặc dùng thước

đo Scoliometer:

- Dùng thước đo góc hai cành: Cho người bệnh đứng khép chân, hai gối duỗi

thẳng, cúi xuống để tay tự do hướng xuống đất Đặt một cành của thước trên lưng người bệnh ngang qua cột sống chỗ sườn vồng cao nhất, cành kia chỉnh theo mặt phẳng ngang Góc tạo bởi hai cành của thước là góc vẹo cột sống

Hình 1.5 Cách đo góc vẹo cột sống bằng thước đo góc hai cành

- Dùng thước Scoliometer: Cho người bệnh đứng cúi ở tư thế trên, đặt thước

ngang qua cột sống trên lưng người bệnh chỗ sườn vòng cao nhất, đọc kết quả trên thước (theo hình 1.6)

Hình 1.6 Thước đo Scoliometer và cách đo góc vẹo cột sống

Phương pháp chụp X-quang cột sống: Phương pháp này có ưu điểm là vừa đánh

giá được mức độ cong vẹo cột sống vừa giúp chúng ta lưu lại hình ảnh để đánh giá hiệu quả can thiệp, cách đo được mô phỏng như hình 1.7

Hình 1.7 Các cách đo góc Cobb

1.1.6 Ảnh hưởng của cong vẹo cột sống đến sức khỏe, học tập và hoạt động

Về sức khỏe: Cong vẹo cột sống ảnh hưởng đến hoạt động của tim, phổi, ảnh

hưởng đến sự phát triển khung chậu do đó cản trở việc sinh nở sau này của học sinh

nữ Nếu bệnh không được phát hiện sớm như nhiều trường hợp học sinh tại một số địa phương đã để lại những di chứng nặng nề ảnh hưởng đến sức khỏe phát triển thể chất

và tinh thần Khi cột sống vẹo nhiều sẽ gây tổn thương cho tim, phổi, đau lưng,…gây khó khăn cho sự hô hấp và bơm máu từ tim Khi côt sống vẹo nhiều, xương sườn lồng ngực nhô về phía trước gây khó khăn cho việc hô hấp và gây đau lưng Khi vẹo cột sống đến mức độ nặng xương sườn cứng và lệch mạch máu rất nguy hiểm Vẹo côt sống ngoài việc gây mất thẩm mỹ, giảm chiều cao, lệch vai, suy tim, suy hô hấp, người bệnh còn cảm thấy không tự tin, sinh hoạt khó khăn và giảm tuổi thọ… Theo tiến sĩ Nguyễn Tiến Lý, triệu chứng cong vẹo cột sống diễn biến từ từ nên chỉ ở mức độ nặng mới phát hiện ra, khi đó rất khó chữa trị và nguy hiểm đến sức khỏe Nếu không được điều trị kịp thời người mắc bệnh sẽ có thể bị thay đổi về hình thể, hạn chế hoạt động của đường hô hấp, ảnh hưởng đến khả năng lao động, khả năng tâm lí và nhiều chức năng khác trong cơ thể

Về học tập: cong vẹo cột sống ảnh hưởng nghiêm trọng đến sức khỏe vì vậy kéo

theo ảnh hưởng không tốt đến học tập, bởi sức khỏe đóng vai trò quan trọng trong quá trình học tập Khi cột sống vẹo nhiều gây tổn thương tim, cơ quan hô hấp và nhiều cơ quan khác, đau lưng làm cho học sinh không thể học tập tốt

Về hoạt động: Khi cơ thể có tư thế không bình thường do cong vẹo cột sống sẽ

ảnh hưởng không tốt đến các hoạt động của các cơ quan, gây trở ngại cho quá trình trao đổi chất hay nhức đầu, chóng mặt, mệt mỏi, biếng ăn… cơ thể uể oải không thích

vận động Do cong vẹo cột sống ảnh hưởng nghiêm trọng đến sức khỏe nên cũng ảnh hưởng đáng kể đến việc vận động vì cơ thể sẽ hoạt động không tốt nếu tình trạng sức khỏe kém Nếu bị nặng không những người bị cong vẹo cột sống không thể tham gia vào các hoạt động đòi hỏi sự vận động như thể dục thể thao mà cả ngay việc đi lại cũng gặp nhiều khó khăn

1.2 Các phương pháp công nghệ đã sử dụng để phát hiện bệnh vẹo cột sống

1.2.1 Phát hiện bệnh vẹo cột sống bằng camera Kinect

Vẹo cột sống là một biến dạng ba chiều của cột sống, chỉ tình trạng cong của cột sống sang phía bên trục của cơ thể và vẹo của các thân đốt sống theo trục của mặt phẳng nằm ngang Do đó trong nghiên cứu [25], nhóm tác giả đề xuất phương pháp sàng lọc bệnh vẹo cột sống bằng cách sử dụng camera Kinect có thể dựa vào các điểm khớp trên cơ thể con người Cơ thể của con người có những điểm để xác định sự cân bằng của cơ thể, nhóm tác giả đã tính toán các giá trị thông qua những điểm này bao gồm: vai không đối xứng, sự chênh lệch chiều dài vai, chênh lệch góc vai, chênh lệch chiều dài thắt lưng, eo không đối xứng, chênh lệch góc eo, góc giữa vai và đường tham chiếu, góc giữa eo và đường tham chiếu, góc giữa vai và eo

Hình 1.8 Dữ liệu bộ xương từ camera Kinect

Thông qua việc thu thập dữ liệu t ừ 100 đối tượng nam và nữ trong độ tuổi từ

10 đến 15, chiều cao khoảng từ 115 đến 170 cm Thí nghiệm xác định sự cân bằng của

cơ thể bằng cách sử dụng camera Kinect được thể hiện trong hình 1.8 Một đối tượng đứng thẳng theo một đường chuẩn ở phía trước máy ảnh, quay lưng về phía sau, cơ thể thả lỏng

Với sự hỗ trợ của Kinect, hình ảnh khung xương Kinect nhận diện được bao gồm

20 vị trí khớp thể hiện ở hình 1.9 dưới đây:

Hình 1.9 Vị trí các khớp trong khung xương Kinect

Sự kết nối giữa các điểm khớp được trình bày ở bảng 1.1, vị trí của mỗi khớp là một điểm trong tọa độ không gian 3 chiều x, y, z, nhưng trong thí nghiệm này chỉ quan tâm đến tọa độ x và y của khớp Mỗi khớp sẽ được tính là giá trị để xác định sự cân bằng của cơ thể

Bảng 1.1 Bảng kết nối khớp

Cột sống (Spin) [1 2], [2 3], [3 4]

Bàn tay trái (Hand left) [3 5], [5 6], [6 7], [7 8]

Bàn tay phải (Hand right) [3 9], [9 10], [10 11], [11 12]

Chân trái (Foot left) [1 13], [13 14], [14 15], [15 16]

Chân phải (Foot right) [1 17], [17 18], [18 19], [19 20]

Sau khi thử nghiệm, dựa vào các công thức để tính toán về vai không đối xứng,

sự chênh lệch chiều dài vai, chênh lệch góc vai, eo không đối xứng, chênh lệch chiều dài thắt lưng, chênh lệch góc thắt lưng, góc giữa vai và đường tham chiếu, góc giữa eo

và đường tham chiếu, góc giữa vai và eo, nhóm tác giả đã thu thập được 9 giá trị xác định bởi camera Kinect từ 100 đối tượng nam và nữ, tuổi từ 10 đến 15, chiều cao từ

115 đến 170 cm Các giá trị này được chương trình MATLAB xử lý và hiển thị các giá trị của từng đối tượng thông qua giao diện đồ họa người dùng (GUI) hiển thị trong hình 1.10, xác định đối tượng có bị vẹo cột sống hay không?

Hình 1.10 Dữ liệu bộ xương từ camera Kinect

1.2.2 Sử dụng thuật toán K-means để xác định độ cong cột sống từ phim quang

Vẹo cột sống là một trong những bệnh được chuẩn đoán bằng phim X-quang Việc phát hiện sớm bệnh vẹo cột sống rất quan trọng để bác sĩ có thể nhanh chóng đưa

ra liệu pháp điều trị kịp thời Để xem mức độ nặng nhẹ của bệnh vẹo cột sống bước đầu tiên là xác định độ cong của cột sống Người ta có thể sử dụng thước đo Cobb để

có thể xác định được mức độ cong của cột sống (đã trình bày ở mục 1.1.4) Tuy nhiên trong nghiên cứu [15], tác giả đã đề xuất một thuật toán để xác định độ cong của cột sống với sự giúp đỡ của một máy tính trong hình ảnh X-quang một cách nhanh chóng Thuật toán phân cụm k-means có thể phát hiện ra tâm cụm và sử dụng đường cong đa thức để xác định đường cong của cột sống Từ thông tin cong cột sống, mức độ cong vẹo cột sống có thể được phân loại thành 4 tình trạng bình thường, nhẹ, trung bình và nặng

Việc xác định góc Cobb được thực hiện tuần tự như sau:

Hình 1.11 Trình tự thực hiện để xác định góc Cobb

Tác giả đã thí nghiệm dựa trên bộ dữ liệu gồm 28 hình ảnh bệnh nhân vẹo cột sống, trong đó có 10 hình ảnh cột sống cong theo chữ C và 18 hình ảnh cột sống cong theo chữ S Sau đó, tác giả thử so sánh giữa kết quả góc Cobb thu được với kết quả đo góc Cobb được thực hiện thủ công bởi bác sĩ cho thấy rằng sự chênh lệch giữa hai cách đo này là không đáng kể Hệ thống này có chi phí thấp và dễ dàng sử dụng cho

tất cả mọi người kể cả bác sĩ lẫn bệnh nhân Hệ thống cũng tương thích để sử dụng trên tất cả máy tính và điện thoại thông minh do việc tính toán tương đối nhẹ, do đó có thể tiết kiệm được thời gian chẩn đoán Tuy nhiên, hệ thống vẫn có thể được phát triển

để trở thành một hệ thống tốt hơn và thậm chí có thể được phát triển cho tất cả các thiết bị di động, bởi nó cho kết quả tốt với sai số chuẩn (khoảng 5.86o)

CHƯƠNG 2 TỔNG QUAN VỀ PHÂN TÍCH DÁNG ĐI

Phân tích dáng đi là nghiên cứu có hệ thống về vận động, cụ thể hơn là chuyển động của con người bằng sự quan sát của các nhà nghiên cứu, được tăng cường bằng các thiết bị cảm biến đo chuyển động cơ thể, camera giám sát… Bên cạnh những ứng dụng trong giám sát, tương tác người – máy, đa phương tiện và mô phỏng, việc sử dụng các hệ thống thị giác máy tính còn phục vụ cho mục tiêu chăm sóc y tế tại nhà Các hệ thống này sử dụng camera kết nối với máy tính hoặc bộ xử lý chuyên dụng để quan sát và đánh giá dáng đi của người

2.1 Các đặc trưng được sử dụng trong nhận dạng dáng đi

2.1.1 Biểu diễn đường bao (Silhouette)

Một dấu hiệu quan trọng trong việc xác định chuyển động cơ bản của người đi

bộ là những thay đổi tạm thời của đường bao Để làm cho phương pháp đề xuất không

bị ảnh hưởng của sự thay đổi màu sắc và kết cấu quần áo, chúng ta chỉ sử dụng đường bao nhị phân Quá trình minh họa được thể hiện ở hình 2.1

Sau khi đường bao động của một hình dạng bước đi được ghi nhận, đường viền bên ngoài của nó có thể thu được bằng cách sử dụng một thuật toán biên “Canny Edge Extraction” [34]

Sau đó chúng ta có thể tính toán vị trí của trọng tâm (x c , y c) thông qua một số phương pháp như k-means [36] Hoặc thông qua công thức tính trọng tâm của một hình

Bằng cách chọn trọng tâm, chúng ta mở rộng đường biên theo hướng ngược

chiều kim đồng hồ để biến nó thành tín hiệu khoảng cách S = {d 1 , d 2 , …,d i , …, d Nb) là

tập hợp của tất cả các khoảng cách d i giữa mỗi cạnh điểm ảnh {x i , y i} và trọng tâm

Hình 2.1 Biểu diễn đường bao: (a) Minh họa việc khai thác cạnh biên và quá trình mở rộng biên theo hướng ngược chiều kim đồng hồ, (b) Tín hiệu khoảng cách được chuẩn hóa bao gồm tất cả cá khoảng cách giữa trọng tâm và các điểm ảnh trên biên [17]

Tín hiệu này gián tiếp đại diện cho hình dạng gốc của đường bao 2 chiều bên trong không gian 1 chiều Để loại bỏ ảnh hưởng của quy mô không gian và độ dài tín hiệu, chúng ta chuẩn hóa các tín hiệu khoảng cách đối với độ lớn và kích cỡ Bằng các chuyển đổi một chuỗi các hình ảnh dạng đường bao thành một chuỗi các mẫu tín hiệu 1D liên quan, chúng ta sẽ loại bỏ được những dữ liệu có khả năng nhiễu

Trong nghiên cứu [3], quá trình xử lý bao gồm các bước: thu nhận các đặc trưng đường biên cơ thể thông qua việc sử dụng camera hoặc tập dữ liệu mẫu; tính toán các thông số đặc trưng của đường bao; huấn luyện dữ liệu đặc trưng và thu được mô hình

dữ liệu đã phân lớp; tiến hành nhận dạng và so sánh dữ liệu nhận dạng với dữ liệu đã phân lớp để đưa ra kết luận Độ chính xác chung của các phép thử giao động từ 50% đến 99%, độ chính xác trung bình của phương pháp là 87.1% với số bước huấn luyện

là 4000 Nếu chúng ta tăng số bước huấn luyện lên thì độ chính xác sẽ tăng lên

Mặc dù kết quả là hợp lệ, nhưng lại không thể đưa ra nhiều kết luận về một dáng

đi cụ thể Vì thế việc tiến hành thực nghiệm dựa trên cơ sở dữ liệu lớn hơn và đa dạng hơn vẫn còn cần thiết, đồng thời phải tiến hành cải tiến phương pháp hiện tại Ngoài

ra, cần có giải pháp để xử lý những yếu tố ảnh hưởng tới độ chính xác của phương pháo như sự thay đổi của quần áo, môi trường nền, nhiễu.

2.1.2 Đặc trưng PCA và biến đổi Hough

Nhận dạng dáng đi đã nhận được sự quan tâm rất nhiều trong cộng đồng thị giác máy tính, bởi lợi thế của việc chúng có thể dễ dàng nhận diện con người ở một khoảng cách tương đối xa Hệ thống sinh trắc học ngày càng trở nên quan trọng vì chúng có thể xác minh danh tính một cách tin cậy và hiệu quả Phân tích dáng đi sinh trắc học (tức nhận dạng con người từ cách họ đi bộ) là một trong những chủ đề hấp dẫn gần đây trong các nghiên cứu sinh trắc học Trong nghiên cứu sinh trắc học về dáng đi có nhiều cách tiếp cận nhận dạng dáng đi khác nhau Trong bài báo [19], người ta thảo luận về cách tiếp cận nhận dạng dáng đi dựa trên biến đổi Hough và PCA

Phân tích thành phần chính (Principal Component Analysis – PCA) là một trong

những phương pháp phân tích dữ liệu nhiều biến đơn giản nhất

Một số đặc tính của PCA như sau [32]:

- Thay vì giữ lại không gian cũ, PCA xây dựng một không gian mới ít chiều hơn, nhưng lại có khả năng biểu diễn dữ liệu tốt, đảm bảo độ biến thiên (variability) của dữ liệu trên mỗi chiều mới

- Các trục tọa độ trong không gian mới là tổ hợp tuyến tính của không gian cũ,

do đó về mặt ngữ nghĩa, PCA xây dựng đặc trưng mới dựa trên các thuộc tính

đã quan sát được Điểm hay là những thuộc tính này vẫn biểu diễn tốt dữ liệu ban đầu

- Trong không gian mới, các liên kết tiềm ẩn của dữ liệu có thể được khám phá, mà nếu đặt trong không gian cũ thì khó phát hiện hơn, hoặc những liên kết như thế không thể hiện rõ

Biến đổi Hough là một kỹ thuật trích xuất tính năng được đề xuất bởi Paul Hough

– được cấp bằng sáng chế này vào năm 1962 Theo [2], biến đổi Hough là một kỹ thuật có thể dùng để tách ra các đặc điểm của một hình dáng cụ thể trong một ảnh nhị phân Khi dùng các chương trình máy tính để nhận diện một đối tượng nào đó có hình dạng bất kỳ, phương pháp hữu hiệu hiện nay là sử dụng biến đổi Hough Các bài toán tìm kiếm từ những mức đơn giản như tìm đường thẳng tới các bài toán phức tạp hơn như tìm hình tròn, hình elipse hoặc các hình phức tạp đều có thể thực hiện bằng biến đổi Hough (với điều kiện các hình dạng này biểu diễn toán học được) OpenCV có HoughCircles để phát hiện đường tròn và elip, HoughLines để phát hiện đường thẳng, cuối cùng là HoughLinesP cũng tương tự HoughLines nhưng ít tính toán hơn (và tất nhiên tốc độ sẽ nhanh hơn)

Biến đổi Hough và PCA (Principal component analysis): Để nhận dạng dáng đi

một cách hiệu quả, quan trọng nhất là thông tin về đường thẳng của đường bao dáng

đi Để biểu diễn dáng đi trong không gian – thời gian, người ta dựa trên biến đổi Hough chứa đựng các thông tin về đường thẳng và ít bị ảnh hưởng khi hình ảnh bị

nhiễu

Trong nghiên cứu [9] PCA được sử dụng rộng rãi để giảm kích thước dữ liệu Mục tiêu của PCA là giảm kích thước dữ liệu trong khi giữ lại càng nhiều càng tốt các biến thể có trong tập dữ liệu gốc PCA cho phép tính toán một phép biến đổi tuyến tính

để ánh xạ dữ liệu từ một không gian chiều cao đến một không gian chiều thấp hơn Dựa trên hai phương pháp này, cách tiếp cận nhận dạng dáng đi được tạo ra Đầu tiên, các hình ảnh được căn chỉnh bằng cách sử dụng một số phương pháp toán học, nó được sử dụng để thay đổi kích thước các kích cỡ khác nhau của hình ảnh thành cùng một kích thước như hình 2.2

Hình 2.2 Hình ảnh dáng đi sau khi căn chỉnh

Tiếp đó là phát hiện chu kỳ dáng đi, việc tính toán chu kỳ đi bộ theo trình tự dáng đi rất quan trọng trước khi xây dựng mẫu Hough Sau khi xây dựng biến đổi

Hough, ảnh mẫu về dáng đi được xây dựng, mẫu dáng đi được xây dựng bằng phương

pháp Laplacian của Gaussian Cuối cùng, áp dụng kỹ thuật PCA để trích xuất đặc

trưng

Hình 2.3 Mẫu dáng đi sử dụng biến đổi Hough

Trong nghiên cứu [19], nhóm tác giả đã thực hiện nhận dạng dáng đi dựa trên ba góc nhìn khác nhau, kết quả cho thấy độ chính xác khi sử dụng phương pháp biến đổi Hough và PCA là 97.5% ở góc nhìn 0o, 98.5% ở góc nhìn 45o và 100% ở góc nhìn 90o

2.2 Các thiết bị phân tích dáng đi

Trước đây, việc phân tích dáng đi được thực hiện bởi các chuyên gia quan sát dáng đi bộ của bệnh nhân Tuy nhiên, phương pháp đánh giá này chủ quan và không chính xác Hiện nay, việc phân tích dáng đi thường được thực hiện dựa trên nhiều phương pháp sử dụng các công nghệ cảm biến và thị giác máy tính

2.2.1 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 Ở nghiên cứu [26], thời gian chu kỳ dáng đi và số bước đi

bộ có thể được xác định bằng cách sử dụng một số gia tốc gắn liền với thắt lưng của đối tượng Các loại cảm biến khác nhau được sử dụng để nắm bắt các tín hiệu khác nhau đặc trưng cho dáng đi con người như: gia tốc, cảm biến con quay, từ kế, cảm biến lực, điện cơ đồ,…

Bằng cách sử dụng ba cặp máy gia tốc và con quay hồi chuyển gắn trên bàn chân, bắp chân và đùi một cách riêng biệt, nghiên cứu [8] đã đo được các góc chuyển động của chi dưới chân phải trong một chu kỳ đi bộ và so sánh với kết quả dựa trên hệ thống nhiều máy quay

Hình 2.4 Sử dụng máy gia tốc và con quay hồi chuyển

Ở nghiên cứu [6] sử dụng các bộ cảm biến bao gồm ba cảm biến gia tốc trực giao, ba con quay hồi chuyển trực giao, bốn cảm biến lực, hai cảm biến uốn cong hai chiều, hai cảm biến áp suất động và cảm biến điện trường để tạo thành thiết bị

“GaitShoe” – có thể gắn lên bất cứ đôi giày nào Các kết quả thu được từ hệ thống giày cảm biến GaitShoe đã được phân tích, so sánh và xác nhận với cùng kết quả thu được đồng thời từ bệnh viện đa khoa Massachusetts và phòng thí nghiệm Biomotion Sau khi thử nghiệm trên tổng số 270 dáng đi, nghiên cứu đã sử dụng kết quả từ GaitShoe

có thể tách dáng đi thành hai nhóm: khỏe mạnh và dáng đi có hội chứng Parkinson dựa vào góc cực trị, chiều dài sải chân, thời gian bước đi

Hình 2.5 Hệ thống giày cảm biến GaitShoe

Mặc dù các nghiên cứu sử dụng cảm biến thu được hiệu quả hứa hẹn cho việc ước tính nguy cơ té ngã cũng như phát hiện sự cố xảy ra đột ngột, nhưng chính những thiết bị đó lại mang lại sự bất tiện khi sử dụng trong thực tế bởi người dùng luôn phải gắn chúng lên người Bên cạnh đó, các thiết bị này cần được nạp lại năng lượng (ví dụ sạc pin), làm chức năng theo dõi của cảm biến bị gián đoạn Ngoài ra, chi phí cho thiết

bị quá lớn khi mỗi người cần được trang bị một bộ cảm biến riêng

Để khắc phục những hạn chế trên, các nhà nghiên cứu chuyển sự tập trung sang các hệ thống thị giác máy tính, trong đó các kĩ thuật phân tích dáng đi được nghiên cứu với các thiết bị thu nhận ảnh và cách ước lượng thông số dáng đi khác nhau Các

xu hướng chính thường được thực hiện là sử dụng một hệ thống các camera đồng bộ,

sử dụng camera có cảm biến, hoặc một camera đơn duy nhất

2.2.2 Sử dụng nhiều camera đồng bộ

Khái niệm camera đồng bộ ở đây là các camera đã được hiệu chuẩn, sao cho các ảnh thu được tại mỗi thời điểm thể hiện cùng một vùng không gian dưới các góc nhìn khác nhau, và từ đó xác định được tọa độ ba chiều của đối tượng với hệ quy chiếu cho trước Quá trình hiệu chuẩn tương ứng với việc xác định các bộ tham số nội (do nhà sản xuất cung cấp) và ngoại (biến đổi tùy vào vị trí lắp đặt các camera) để từ đó tái cấu trúc được đối tượng 3 chiều Bên cạnh đó, các webcam stereo cũng được sử dụng để xác định khoảng cách (độ sâu) từ một điểm trong không gian đó đến đường nối hai tiêu điểm ống kính Các kĩ thuật này phân tích dáng đi dựa trên các thông số được trích xuất từ các hình chiếu của đối tượng

Ở [24], tác giả sử dụng hai camera đã hiệu chuẩn, gắn cố định ở góc cao trên tường nhà Trong mỗi giây, mỗi camera thu được 5 khung hình với độ phân giải 640480 điểm ảnh Thông tin về màu sắc và kết cấu được sử dụng để thực hiện việc trừ nền nhằm xác định hình chiếu của đối tượng chuyển động Sự kết hợp các thông số

nội và ngoại của quá trình hiệu chuẩn cho phép chiếu các kết quả thu được vào một không gian rời rạc, từ đó tạo ra thực thể 3 chiều tương ứng với đối tượng đang xét Với một chuỗi ảnh biểu diễn việc di chuyển, chuỗi vị trí của bước chân được xác định Cuối cùng, các thông số (không gian) của bước chân được tính toán

Ưu điểm chung của các phương pháp tiếp cận thuộc dạng này là các thông số về vật lý có thể được ước lượng tương đối chính xác Trong thực nghiệm, các hệ thống này trả về kết quả có độ chính xác cao, bao gồm chiều dài sải chân, thời gian thực hiện mỗi bước, cũng như vận tốc di chuyển đối với từng chuỗi ảnh ngắn

Hình 2.6 Bối cảnh và quá trình xử lý ở nghiên cứu [24]

Tuy nhiên, các phương pháp này có hạn chế về mặt giá thành thiết bị, chi phí tính toán (đặc biệt là quá trình tái tạo thực thể ba chiều) dẫn đến khó thực thi theo thời gian thực

2.2.3 Sử dụng camera có cảm biến

Cảm biến hồng ngoại thường được sử dụng bởi nó có thể tạo ra ảnh trực quan dựa trên nhiệt độ bề mặt của đối tượng Với nghiên cứu về phân tích dáng đi, cảm biến hồng ngoại cho kết quả tốt bởi nhiệt độ cơ thể người thường cao hơn đáng kể so với

môi trường xung quanh Cụ thể, độ phát xạ và hấp thụ nhiệt của da người mang giá trị 0.98 ± 0.01, đồng thời độc lập với sắc tố đa [13]

Nghiên cứu [27] đề xuất giải pháp nhận dạng dáng đi của người thông qua các ảnh nhiệt hồng ngoại để loại bỏ nhiễu và giảm tác động của độ sáng Thông số dáng đi được ước lượng dựa trên các momen bất biến và khung xương trong miền không gian, cùng với biến đổi sóng con trên miền tần số của ảnh Cuối cùng, thuật toán máy vectơ

hỗ trợ [10] được dùng để phân loại dáng đi Giải pháp này đạt được độ chính xác ở mức 78% − 91%

Hình 2.7 Ảnh hồng ngoại và tiền xử lý trong nghiên cứu [28]

Tuy vậy, cách tiếp cận đang đề cập vẫn tồn tại một số hạn chế trong ứng dụng thực tế: các loại quần áo khác nhau sẽ có tác động khác nhau đến cảm biến nhiệt hồng ngoại, làm ảnh hưởng đến kết quả xác định đối tượng chuyển động Các loại camera

cảm biến như Kinect lại bị giới hạn về khoảng cách từ đối tượng đến camera (0.8m − 4m), cũng như hạn chế về góc nhìn (57°43°) Và tương tự hệ thống nhiều camera

đồng bộ, giá thành của thiết bị có cảm biến vẫn còn khá cao trong thời điểm hiện nay

2.2.4 Sử dụng một camera đơn

Các phương pháp tiếp cận sử dụng một camera thường dựa trên hình chiếu đối tượng chuyển động Nhiều giải pháp phát hiện té ngã ở người cao tuổi được thực hiện theo hướng này Các nhà nghiên cứu trong [4] sử dụng tỉ lệ các cạnh của khung bao đối tượng và các giá trị thuộc đường chéo của ma trận hiệp phương sai để phát hiện việc té ngã Cụ thể, trong trường hợp việc đi lại diễn ra bình thường, tỉ lệ cạnh

Di chuyển bình thường Giữ bóng trong tay

Mang túi xách trên lưng Mặc áo khoác dày

Tiền xử lý để có ảnh đặc trưng

(rộng/cao) nhỏ hơn 1, trong khi giá trị này tăng nhanh và lớn hơn 1 nếu sự cố té ngã diễn ra Việc đánh giá hành vi té ngã được thực hiện dựa trên mô hình Markov ẩn Nghiên cứu [21] cũng đề xuất giải pháp phát hiện té ngã dựa trên thông tin về chuyển động và hình dạng của đối tượng Trước hết, hình chiếu đối tượng chuyển động được xấp xỉ bởi một hình elip Tiếp theo, mức biến đổi của giá trị góc nghiêng và tỉ lệ trục elip theo thời gian được tính toán Cuối cùng, việc phân loại được thực hiện dựa trên thực tế rằng các giá trị nêu trên có sự biến đổi lớn khi té ngã, và mức thay đổi nhỏ trong quá trình đi lại bình thường

Hình 2.8 Các đặc trưng được sử dụng trong nghiên cứu [21]

Dễ dàng nhận thấy rằng các giải pháp đã đề cập ở trên đều có hạn chế chung là chỉ áp dụng với một bài toán cụ thể (phát hiện té ngã), khó tổng quát hóa để áp dụng cho nhiều vấn đề khác nhau, vì vậy tính kế thừa hầu như không cao

Để khắc phục những hạn chế nêu trên, luận văn này đề xuất giải pháp thực hiện việc phân tích dáng đi trên tập dữ liệu ảnh được thu bởi một camera duy nhất, được trình bày cụ thể qua bài toán phát hiện dáng đi vẹo cột sống, từ đó tổng quát hóa cho bài toán phân tích dáng đi nói chung.

2.3 Các phương pháp học máy về nhận dạng dáng đi

2.3.1 Máy vector hỗ trợ (Support Vector Machine – SVM)

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 [11], phương pháp phân loại của nó dựa trên lý thuyết học thống kê và hàm

hạt nhân SVM đã được áp dụng rất thành cơng 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 đĩ 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 nĩ được chia thành hai lớp, một lớp chứa đối tượng và một lớp khơng phải là đối tượng

Nhiều thử nghiệm các ứng dụng khác nhau cho thấy SVM là một trong những phương pháp phân loại cĩ độ chính xác cao và tương đối tổng quát cho bài tốn nhận dạng

Trong nghiên cứu về nhận dạng dáng đi 3D [16], 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

Bảng 2.1 cho thấy độ chính xác trong nhận dạng thu được trên 230 chu kỳ dáng

đi trên 22 người ở cả đường đi thẳng và đường đi chéo Mỗi một người trong số 22 người thực hiện 2 lượt đi bộ ở mỗi hướng, và mỗi lần đi bao gồm 2 hoặc 3 chu kỳ dáng

đi đầy đủ Nhĩm tác giả đã thực hiện 10 lần so sánh chéo để 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) and SVM

Bảng 2.1 Tỷ lệ phân loại chính xác [%] sử dụng dữ liệu từ tính năng chụp khơng đánh