Thiết kế phần mềm phát hiện người té ngã sử dụng camera

Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

Mục lục
Lời nói đầu .............................................................................................................. 1
Tóm tắt đồ án .......................................................................................................... 2
Danh sách hình vẽ ................................................................................................... 4
Danh sách các bảng biểu.......................................................................................... 7
Phần mở đầu ............................................................................................................ 8
Chương 1: Tổng quan vấn đề phát hiện té ngã ở những người cao tuổi. ................. 10
1.1. Thực trạng vấn đề ngã ở người cao tuổi .................................................... 10
1.2. Vai trò của hệ thống phát hiện té ngã ở người lớn tuổi.............................. 11
1.3. Các hệ thống Phát hiện té ngã đã có trên thế giới ...................................... 12
1.3.1. Tổng quan các hệ thống hiện có ......................................................... 12
1.3.2. Thiết bị phát hiện té ngã sử dụng cảm biến ........................................ 15
1.3.3. Thiết bị phát hiện té ngã sử dụng camera ........................................... 22
1.3.4. So sánh các hệ thống hiện có ............................................................. 30
1.4. Phương pháp thực hiện đề tài ................................................................... 31
Chương 2: Cơ sở lý thuyết ..................................................................................... 33
2.1. Giới thiệu về hệ thống xử lý ảnh ............................................................... 33
2.2. Thu nhận ảnh ............................................................................................ 35
2.2.1. Các thiết bị thu nhận ảnh.................................................................... 35
2.2.2. Lấy mẫu và lượng tử hóa ................................................................... 37
2.2.3. Một số phương pháp biểu diễn ảnh .................................................... 39
2.2.4. Các định dạng ảnh cơ bản .................................................................. 40
2.3. Xử lý nâng cao chất lượng ảnh ................................................................. 40
2.3.1. Cải thiện ảnh sử dụng các toán tử điểm .............................................. 41
2.3.2. Cải thiện ảnh dùng toán tử không gian (Spatial Operators) ................ 44
2.3.3. Các phép toán hình thái học ............................................................... 47
2.3.4. Khôi phục ảnh.................................................................................... 49
2.4. Phương pháp phát hiện biên ..................................................................... 51
2.4.1. Kỹ thuật phát hiện biên ...................................................................... 51

2.4.2. Phương pháp phát hiện biên cục bộ .................................................... 52


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
2.4.3. Phát hiện biên gián tiếp ...................................................................... 55
2.5. Phân vùng ảnh .......................................................................................... 56
2.5.1. Phân vùng ảnh dựa vào lấy ngưỡng.................................................... 56
2.5.2. Phân vùng dựa vào đường biên .......................................................... 57
2.5.3. Phân vùng dựa theo miền/vùng .......................................................... 58
2.6. Nhận dạng ảnh và nén ảnh ........................................................................ 60
2.6.1. Nhận dạng ảnh ................................................................................... 60
2.6.2. Nén ảnh ............................................................................................. 60
2.7. Các kỹ thuật hậu xử lý .............................................................................. 61
2.7.1. Rút gọn số lượng điểm biểu diễn........................................................ 61
2.7.2. Xấp xỉ đa giác bởi các hình cơ sở....................................................... 63
Chương 3: Xây dựng hệ thống phát hiện té ngã ở người lớn tuổi. .......................... 66
3.1. Các công cụ sử dụng ................................................................................ 66
3.1.1. Microsoft Visual C++ ........................................................................ 66
3.1.2. OpenCV trên nền Visual C++ ............................................................ 67
3.2. Xây dựng hệ thống phát hiện té ngã.......................................................... 69
3.2.1. Thu nhận Video ................................................................................. 69
3.2.2. Tách đối tượng ra khỏi khung nền ...................................................... 70
3.2.3. Xác định tỉ lệ khung, góc ................................................................... 75
3.2.4. Xác định ngã dựa vào tỉ lệ khung, góc ............................................... 75
3.2.5. Phát tín hiệu cảnh báo ........................................................................ 78
3.2.6. Lưu đồ thuật toán ............................................................................... 79
3.3. Kết quả thu được. ..................................................................................... 80
3.3.1. Giao diện của hệ thống ...................................................................... 80
3.3.2. Tổng thể hệ thống – Kết quả .............................................................. 83
Chương 4: Kết luận ............................................................................................... 87

4.1. Các kết quả đã đạt được............................................................................ 87
4.2. Những tồn tại và hướng phát triển ............................................................ 87
Tài liệu tham khảo ................................................................................................. 88

ii


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

Lời nói đầu
Chúng em xin chân thành cảm ơn Thầy giáo, Thạc sĩ Nguyễn Việt Dũng, người
đã hướng dẫn tận tình chỉ bảo chúng em rất nhiều trong suốt quá trình tìm hiểu
nghiên cứu và hoàn thành đồ án này từ lý thuyết đến ứng dụng. Sự hướng dẫn của
thầy đã giúp chúng em có thêm kiến thức về lập trình và kiến thức về xử lý ảnh.
Đồng thời chúng em xin chân thành cám ơn các thầy cô trong Viện Điện tử Viễn thông trường Đại học Bách Khoa Hà Nội, cũng như các thầy cô trong trường
đã trang bị cho chúng em những kiến thức cơ bản cần thiết trong suốt thời gian học
tập tại trường để chúng em có thể hoàn thành tốt đồ án này.
Trong quá trình học cũng như trong suốt thời gian làm tốt nghiệp không tránh
khỏi những thiếu sót, chúng em rất mong được sự góp ý quý báu của các thầy cô
cũng như tất cả các bạn để kết quả của em được hoàn thiện hơn.
Sau cùng, chúng em xin gửi lời cảm ơn đến gia đình bạn bè đã tạo mọi điều
kiện để chúng em xây dựng thành công đồ án này.
Chúng em xin chân thành cảm ơn!
Hà Nội, ngày 10 tháng 06 năm 2013

Nhóm Sinh viên

Thái Toàn Đạt

Đỗ Anh Đức

Dương Hoàng Hải


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

Tóm tắt đồ án
Trong khuôn khổ đề tài tốt nghiệp, cùng với việc tìm hiểu các bài báo trong và
ngoài nước, tìm hiểu các sản phẩm thương mại liên quan đến phát hiện té ngã, kết
hợp với lý thuyết xử lý ảnh, nhóm em nghiên cứu và đưa ra phần mềm phát hiện té
ngã sử dụng một camera quan sát. Nội dung của đồ án gồm có:
Chương 1: Tổng quan vấn đề phát hiện té ngã ở những người lớn tuổi
Chương này đưa ra vấn đề nguy cơ ngã và vai trò của hệ thống phát hiện té ngã
ở người lớn tuổi. Nhóm nghiên cứu sơ đồ khối chức năng của hệ thống phát hiện té
ngã nói chung và một số sản phẩm thương mại liên quan. Từ đó đưa ra phương
pháp nghiên cứu, thực hiện đề tài của nhóm.
Chương 2: Cơ sở lý thuyết
Chương này nói về cơ sở lý thuyết xử lý ảnh, bao gồm các kỹ thuật nâng cao
chất lượng ảnh, các phương pháp phát hiện biên, phân vùng ảnh và các kỹ thuật hậu
xử lý ảnh. Đây đều là những lý thuyết xử lý ảnh quan trọng mà nhóm đã nghiên cứu
để áp dụng vào đề tài.
Chương 3: Xây dựng hệ thống phát hiện té ngã ở người lớn tuổi
Chương này đưa ra các công cụ mà nhóm sử dụng để nghiên cứu đề tài, bao
gồm Microsoft Visual C++ và OpenCV. Dựa vào 2 công cụ trên, nhóm xây dựng
nên hệ thống phát hiện té ngã ở người lớn tuổi dùng một camera quan sát. Chương 3
còn đề cập đến cấu trúc hệ thống nhóm đã làm và các kết quả đạt được.
Chương 4: Kết luận
Sau 3 tháng nghiên cứu nhóm đã hoàn thành đề tài với kết quả cao. Phần mềm
phát hiện té sử dụng một camera quan sát của nhóm thực hiện được với độ chính
xác lên tới 90%. Trong tương lai, nhóm hy vọng có thể phát triển phần mềm thành

sản phẩm thương mại.

2


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

ABSTRACT
In the framework of the thesis, along with the understanding of the paper at
home and abroad, the refering of the trade products related to detecting falls
combined with theoretical image processing, we researched and provided a software
to detect falls using a single camera. The content of our project include:
Chapter 1: Overview of the problems of Fall Dectection at older people
This chapter find out some fall risks and a role of Fall detection systems at
senior citizen. We find out about som function block diagram and some commercial
products involved of the Fall detection system. Since then we provide the research
methods, to implement our project.
Chapter 2: Theoretical Foundations
This chapter is about the image processing theoretical basis, including the
techniques for improving the quality of digital image, edge detection methods,
image segmentation and image post-processing techniques. Those are the important
theories of image processing that we research to apply for our project.
Chapter 3: Building Fall detection system for elderly people
This chapter offers the tools that we used to research, including Microsoft
Visual C + + and OpenCV. Based on them, we built the Fall detection system for
elderly people using a single camera. Chapter 3 also refers to the system
architecture that we has made and the results we achieved.
Chapter 4: Conclusion
After 3 months of the studying, we completed our project with a good results.
The Fall detection software using a single camera have an accuracy up to 90%. In

the future work, we hope to develop this software into the commercial products.

3


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

Danh sách hình vẽ
Hình 1.1: Sơ đồ khối tổng quan hệ thống kết hợp cảm biến và camera ............ 14
Hình 1.2: Mô tả hệ thống SmartCane .............................................................. 15
Hình 1.3. Cấu trúc hệ thống, tương tác dữ liệu giữa các nút cảm biến ............ 19
và nút giám sát ................................................................................................ 19
Hình 1.4. Kết quả phân loại dựa trên mô hình SVM ........................................ 21
Hình 1.5. Minh họa vector Vv và Vh............................................................... 24
Hình 1.6. Tổng quan về thuật toán phát hiện té ngã ......................................... 25
Hình 1.7. Mô tả hình elip bao quanh người ..................................................... 28
Hình 2.1 Các bước cơ bản trong xử lý ảnh ...................................................... 33
Hình 2.2 Sơ đồ phân tích và xử lý ảnh, và lưu đồ thông tin giữa các khối........ 35
Hình 2.3 Hệ tọa độ RGB ................................................................................. 37
Hình 2.4 Các dạng mẫu điểm ảnh. ................................................................... 38
Hình 2.5 Hướng các điểm biên và mã tương ứng : A11070110764545432 ...... 39
Hình 2.6 Dãn độ tương phản ........................................................................... 41
Hình 2.7. Tách nhiễu và phân ngưỡng ............................................................. 42
Hình 2.8. Biến đổi âm bản. .............................................................................. 42
Hình 2.9. Thực hiện gần đúng cân bằng mức xám đồ ...................................... 43
Hình 2.10 Ảnh sau Dilation. ............................................................................ 48
Hình 2.11 Ảnh sau phép erosion...................................................................... 48
Hình 2.12 Ảnh sau open và close. ................................................................... 49
Hình 2.13 Quá trình phát hiện và lưu trữ ảnh .................................................. 50
Hình 2.14 Kỹ thuật lọc ngược ......................................................................... 51

Hình 2.15 Dạng phân bố (profile) độ sáng và vi phân bậc nhất (gradien) của
đường viền 1 chiều thông thường. ......................................................................... 52
Hình 2.16 Mô hình phát hiện đường biên dùng toán tử Gradient ..................... 53
Hình 2.17 Profile độ sáng, vi phân bậc nhất và bậc hai (Laplace) của đường
viền 1 chiều thông thường ..................................................................................... 54
Hình 2.18 Mô hình phát hiện đường biên dùng toán tử Laplace ...................... 55
Hình 2.19 Phân vùng ảnh. ............................................................................... 56

4


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
Hình 2.20 Các bước phân vùng dựa vào đường biên ....................................... 57
Hình 2.21 Phát triển vùng liên kết trọng tâm (CLRG) ..................................... 59
Hình 2.22 Sơ đồ tổng quát hệ thống nhận dạng ảnh ......................................... 60
Hình 2.23: Đơn giản hóa đường công theo thuật toán Douglas Peucker .......... 61
Hình 2.24: Đơn giản hóa đường cong với thuật toán Band Width.................... 62
Hình 2.25: Đơn giản hóa đường cong với thuật toán Angles ........................... 63
Hình 2.26: Xấp xỉ đa giác bằng đường tròn ..................................................... 64
Hình 2.27: Xấp xỉ đa giác bằng hình chữ nhật ................................................. 65
Hình 3.1: Sơ đồ khối hệ thống ......................................................................... 69
Hình 3.2: Sơ đồ khối tiền xử lý ....................................................................... 70
Hình 3.3: Ảnh RGB và ảnh mức xám của nền và khung hình .......................... 71
Hình 3.4: Lọc trung vị ..................................................................................... 71
Hình 3.5: hình ảnh thử nghiệm thuật toán tìm sự sai khác giữa hai ảnh mức xám
.............................................................................................................................. 72
Hình 3.6: Kết quả tìm sự sai khác giữa ảnh nền và khung hình trong video ..... 72
Hình 3.7: Ảnh sai khác sau khi lọc trung vị ..................................................... 73
Hình 3.8: Nhị phân hóa với các mức ngưỡng khác nhau.................................. 73
Hình 3.9: Lấp đầy lỗ trống bằng phép toán hình thái học đóng ảnh ................. 74

Hình 3.10: Xác định hình chữ nhật và elip bao quanh đối tượng. .................... 75
Hình 3.11: thống kê tỉ lệ khung của trạng thái đứng ........................................ 75
Hình 3.12: thống kê tỉ lệ khung của trạng thái ngồi ......................................... 76
Hình 3.13: thống kê tỉ lệ khung của trạng thái ngã........................................... 76
Hình 3.14: thống kê góc trạng thái đứng ......................................................... 76
Hình 3.15: thống kê góc trạng thái ngồi........................................................... 77
Hình 3.16 Thống kê góc trạng thái ngã............................................................ 77
Hình 3.17: Các mức ngưỡng nhận diện các trạng thái ..................................... 78
Hình 3.18: Cảnh báo trên màn hình ................................................................. 78
Hình 3.19: Giao diện báo đứng ....................................................................... 80
Hình 3.20: Giao diện báo ngồi ........................................................................ 81
Hình 3.21 Giao diện cảnh báo ngã................................................................... 81
........................................................................................................................ 82
5


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
Hình 3.22: Giao diện báo ngã .......................................................................... 82
Hình 3.23: Thử nghiệm ngoài trời sân D4 – Đại học Bách Khoa Hà Nội ......... 83
Hình 3.24: Thử nghiệm ngoài trời sân thượng gia đình ................................... 83
Hình 3.25: Thử nghiệm hành lang tối – sảnh D4, ĐH BK HN ......................... 84
Hình 3.26: Thử nghiệm trong nhà ................................................................... 85
Hình 3.27: Thử nghiệm trong nhà ................................................................... 85

6


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

Danh sách các bảng biểu

Bảng 1.1. Thông tin của đối tượng thí nghiệm................................................ 17
Bảng 1.2. Tỉ lệ phát hiện té ngã của bốn loại ngã khác nhau. ........................... 17
Bảng 1.3. Tỷ lệ khẳng định sai của các hành động ......................................... 18
Bảng 1.4: Bảng thống kê độ chính xác của các đặc tính ngã ............................ 29
Bảng 3.1: Các khái niệm ................................................................................. 86
Bảng 3.2: Thống kê thử nghiệm ...................................................................... 86

7


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

Phần mở đầu
Tuổi thọ cao đi đôi với chăm sóc sức khỏe tăng cao. Việc kéo giảm những yếu
tố nguy cơ dễ gây tai nạn cho người cao tuổi là hết sức quan trọng. Nếu như chúng
ta cho rằng tuổi già là một thách thức của nhân loại thì tai nạn té ngã ở người già là
một thách thức to lớn. Mỗi năm, trên thế giới có đến 1/3 đến ½ dân số ở độ tuổi trên
65 bị ngã. Trong số đó, một nửa bị ngã tái diễn nhiều lần. Ngã là nguyên nhân hàng
đầu cho các chấn thương của người già và cũng là nguyên nhân chủ yếu dẫn tới các
ca tử vong do tại nạn của người già trên 75 tuổi, ước tính khoảng 70% số các ca tử
vong do tai nạn. Hơn 90% các ca gãy xương chậu xảy ra do bị ngã, với hầu hết các
ca gãy xương đều xảy ra ở người trên 70 tuổi. Và tại Việt Nam, ước tính có khoảng
1,5-1,9 triệu người cao tuổi té ngã mỗi năm. Với sự phát triển của xã hội, khi những
người trẻ không có đủ thời gian chăm sóc cho người già thì những tai nạn về ngã sẽ
tiếp tục tăng trong những năm tiếp theo.
Nhiều người cao tuổi sống một mình do con cái đi xa hoặc phải ở nhà một mình
khi con họ đi làm. Có rất nhiều trường hợp người cao tuổi sau khi ngã thì không thể
tự đứng lên hoặc gọi được sự giúp đỡ từ người khác. Vì vậy, trên thế giới đã có rất
nhiều nhà sản xuất đưa ra sản phẩm phát hiện té ngã dành cho người cao tuổi.
Nhiệm vụ trước tiên đặt ra của một hệ thống phát hiện người già ngã là họ có thể

qua đó gọi được sự giúp đỡ ngay cả khi đã rơi vào tình trạng vô thức hoặc không
thể tự đứng dậy sau khi ngã.
Để phát hiện người bị ngã một cách chính xác nhất cần một hệ thống sử dụng
đồng thời hai thiết bị là cảm biến gia tốc gắn trên người và camera quan sát kết nối
với máy tính gắn trong phòng của người già. Hệ thống sử dụng các thuật toán phân
tích dựa trên các dữ liệu nhận được từ cảm biến và camera đồng thời nhận biết các
trạng thái “ngã” và “không ngã”. Nếu phát hiện người bị ngã sau một khoảng thời
gian nhất định không thấy đứng lên hệ thống sẽ đưa ra cảnh báo cho người sử dụng
là người thân hoặc bác sỹ, chăm sóc viên…
Hiện tại, ở Việt Nam có rất ít các sản phẩm hỗ trợ phát hiện té ngã . Sau khi đã
nghiên cứu các phương pháp phát hiện té ngã trên thế giới và nhận thấy tầm quan

8


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
trọng của việc đưa ra thiết bị phát hiện ngã, nhóm đã lựa chọn đề tài “Phát hiện té
ngã của người già sử dụng camera quan sát” để làm đồ án tốt nghiệp.
Hệ thống phát hiện người bị ngã sử dụng camera quan sát được gắn trong khu
vực người già sinh hoạt. Nó sẽ gửi cho máy tính hình ảnh người già theo thời gian
thực. Máy tính sẽ sử dụng các thuật toán xử lý hình ảnh để xác định được người già
có bị ngã hay không.
Đồ án được chia làm các chương như sau:
Chương 1: Tổng quan về các phương pháp phát hiện té ngã. Chương này
đưa ra một số phương pháp phát hiện té ngã đã được ứng dụng trên thế giới. Đồng
thời đưa ra các ưu, nhược điểm của các phương pháp đó. Từ đó đưa ra phương pháp
phát hiện té ngã được sử dụng trong đề tài của nhóm.
Chương 2: Cơ sở lý thuyết. Chương này đưa ra các cơ sở lý thuyết chung
được sử dụng để làm đề tài của nhóm.
Chương 3: Xây dựng hệ thống phát hiện té ngã ở người cao tuổi. Chương

này giới thiệu các công cụ sử dụng để thực hiện đề tài, đưa ra các thuật toán áp
dụng để xây dựng được chương trình phát hiện té ngã, cuối cùng là trình bày kết
quả thu được của quá trình nghiên cứu và thực hiện đề tài.
Chương 4: Đưa ra các Kết luận công việc đã hoàn thành, các hạn chế và dự
định nghiên cứu trong tương lai của nhóm.

9


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

Chương 1: Tổng quan vấn đề phát hiện té ngã ở những người
cao tuổi.
1.1.

Thực trạng vấn đề ngã ở người cao tuổi

Ngã là một nguy cơ lớn ảnh hưởng đến sức khỏe, làm giảm chất lượng cuộc
sống những người cao tuổi. Mỗi năm, trên thế giới có từ 1/3 đến 1/2 dân số ở độ
tuổi trên 65 bị ngã. Trong số đó, một nửa bị ngã tái diễn nhiều lần. Ngã là nguyên
nhân hàng đầu của các chấn thươngvà cũng là nguyên nhân chủ yếu dẫn tới các ca
tử vong do tại nạn ở người già trên 75 tuổi, con số ước tính khoảng 70%. Hơn 90%
các ca gãy xương chậu xảy ra do bị ngã, và hầu hết đều xảy ra ở người trên 70
tuổi[1][2].
Với sự phát triển của xã hội,
khi những người trẻ không có
đủ thời gian chăm sóc cho ông
bà, cha mẹ, nhiều người cao tuổi
phải sống một mình do con cái
đi xa hoặc ở nhà một mình khi

con họ đi làm. Có rất nhiều
trường hợp người cao tuổi sau khi ngã thì không thể tự đứng lên hoặc không thể gọi
sự giúp đỡ từ người khác. Còn với những người già trong nhà dưỡng lão, các nhà
nghiên cứu ước tính có đến 50% người già ngã mỗi năm và hơn 40% trong số họ
ngã nhiều lần[3]. Không chỉ gây ra những vết thương thể xác như gãy xương, trật

[1]

Koen Milisen, Els Detroch, Kim Bellens, Tom Braes, Katrien Dierickx, Willy Smeulders, Stefan Teughels,

Eddy Dejaeger, Steven Boonen, and Walter Pelemans, “Falls among community-dwelling elderly: a pilot
study of prevalence, circumstances and consequences in flanders,” Tijdschr Gerontol Geriatr, vol. 35, no. 1,
pp. 15 20, 2004.
[2]

M. E. Tinetti, ”Preventing falls in elderly persons,” New England Journal of Medicine, vol. 348, no. 1, pp.

42 49, 2003, 57 MASSACHUSETTS MEDICAL SOC/NEJM WALTHAM 630WY.
[3]

P. A. Stalenhoef, J. P. M. Diederiks, J. A. Knottnerus, A. D. M. Kester, and Hfjm Crebolder, “A risk

model for the prediction of recurrent falls in community-dwelling elderly: A prospective cohort study,”
Journal of Clinical Epidemiology, vol. 55, no. 11, pp. 1088 1094, 2002, 39 PERGAMON-ELSEVIER

10


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
khớp, tổn thương não bộ,...té ngã còn gây hậu quả nghiêm trọng về tâm lý làm giảm

cuộc sống độc lập của người cao tuổi.
Với các số liệu nghiên cứu hàng năm được đưa ra ngắn gọn ở trên, cùng việc gia
tăng nhu cầu chăm sóc sức khỏe, đặt biệt là sức khỏe người cao tuổi, các sản phẩm
như Phát hiện té ngã đang ngày một trở nên cần thiết. Hiện nay trên thế giới đã có
rất nhiều các công trình nghiên cứu và các sản phẩm thương mại liên quan đến lĩnh
vực này.

1.2.

Vai trò của hệ thống phát hiện té ngã ở người lớn tuổi

Một hệ thống phát hiện té ngã phải đảm bảo các yếu tố sau:
 Luôn theo sát các hoạt động của người cao tuổi.
 Phát hiện chính xác tình trạng của người già, điển hình ở hệ thống này là
hai trạng thái “Ngã” và “Không ngã”.
 Đưa ra cảnh báo kịp thời.
Sử dụng một hệ thống phát hiện té ngã sẽ mang lại các lợi ích:
 Đối với người cao tuổi:
o Kịp thời can thiệp vào những tình huống khẩn cấp.
o Thay người già đưa ra lời gọi giúp đỡ khi họ không thể tự mình
làm điều đó.
o Tạo cảm giác an toàn, tâm lý thoải mái khi sử dụng.
 Đối với người trẻ:
o Dù không phải là sự thay thế hoàn toàn cho việc chăm sóc người
cao tuổi, nhưng đây là một giải pháp để tăng tính an toàn khi
những người con, cháu không thể dành sự theo dõi trực tiếp, liên
tục tới ông bà, cha mẹ.
o Tạo cảm giác yên tâm khi luôn theo sát và giải quyết được những
tình huống khẩn cấp của người cao tuổi.

SCIENCE LTD OXFORD 628TM.

11


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

1.3.
1.3.1.

Các hệ thống Phát hiện té ngã đã có trên thế giới
Tổng quan các hệ thống hiện có

Hiện nay trên thế giới, các dòng sản phẩm chăm sóc sức khỏe con người nói
chung và dòng sản phẩm Phát hiện té ngã nói riêng đang rất phát triển và được ứng
dụng rộng rãi. Điển hình có thể kể tới các sản phẩm sau:
Một số sản phẩm phát hiện té ngã:

Fall detector ZigBee™

Blue Alert Fall Detection Sensor[4]

Các dòng sản phẩm Phát hiện té ngã được chia ra làm 2 nhóm chính: Nhóm sản
phẩm sử dụng cảm biến gắn trên người và nhóm sản phẩm sử dụng camera theo dõi.

[4]

/>
12

Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
Thiết bị Phát hiện té ngã sử dụng cảm biến được đeo trên cơ thể người cao tuổiở đây thường sử dụng cảm biến gia tốc - để phát hiện hướng, độ lớn gia tốc dọc theo
một trục nhất định - thường là ba trục x, y, z,từ đó có thể tính toán được góc độ của
một người so với mặt đất và phát hiện người đó bị ngã hay không. Thiết bị sẽ tự
động gọi giúp đỡ khi người đó ngã hoặc khi xuất hiện một khoảng thời gian bất
thường không có chuyển động – cho thấy đó có thể là một trạng thái khẩn cấp. Bên
cạnh đó, như một thiết bị y tế, sản phẩm có một nút để gọi sự giúp đỡ từ người thân
giống như nút nhấn SOS trên điện thoại người già đã được một số nhà mạng viễn
thông Việt Nam ứng dụng trên sản phẩm của họ.
Thiết bị Phát hiện té ngã sử dụng camera theo dõi lại thường được ứng dụng
trong nhà.Camera được gắn trong khu vực sinh hoạt, chịu trách nhiệm ghi lại hình
ảnh theo thời gian thực và gửi cho máy tính xử lý nhằm phân loại người già ngã hay
không. Với sản phẩm này chi phí sẽ thấp hơn, thêm vào đó người cao tuổi không
phải vướng bận việc quên mang theo bên người như khi sử dụng cảm biến, dĩ nhiên
ở chiều ngược, nhược điểm của nó lại chính là chỉ sử dụng được trong một phạm vi
nhất định.

Nêu trên là hai nhóm sản phẩm đang được ứng dụng và nghiên cứu trên thế giới,
bên cạnh đó nếu sử dụng đồng thời cảm biến gắn trên người và camera theo dõi để
Phát hiện té ngã, chắc chắn kết quả sẽ chính xác hơn. Đó là sự kết hợp tốt nhất để
giải quyết những trường hợp người già đi vào khu vực camera không quan sát được
thì vẫn có thể xác định trạng thái thông qua cảm biến. Tuy nhiên với hệ thống này
chi phí sẽ cao hơn nhiều, đồng thời khả năng tối ưu thương mại sẽ gặp nhiều trở
ngại. Dưới đây là sơ đồ khối chức năng của hệ thống phát hiện té ngã dựa vào cảm
biến gia tốc và camera quan sát.

13

Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

Hình ảnh từ
Camera

Dữ liệu từ
cảm biến

Nâng cao chất
lượng ảnh

Xác định góc của
người theo phương
thẳng đứng

Đánh dấu vị
trí người già

So sánh với góc được
quy định là “ngã”

Nhận biết hình
dạng, diện tích
người già

Đếm thời gian
không trở về trạng
thái “Không ngã”

So sánh với các

hình dạng, diện
tích đã lưu

Quá thời gian
truyền tín hiệu đến
bộ thu

Tổng hợp

Kết quả
Hình 1.1: Sơ đồ khối tổng quan hệ thống kết hợp cảm biến và camera

Nêu trên là tổng quan về các hệ thống Phát hiện té ngã đã được nghiên cứu và
thực hiện trên thế giới. Các phương pháp và sản phẩm cụ thể sẽ được trình bày ở
phần dưới đây.

14


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
1.3.2.

Thiết bị phát hiện té ngã sử dụng cảm biến

Trên thế giới, các thiết bị Phát hiện té ngã sử dụng cảm biến đã trở nên rất thông
dụng. Sau đây là hai sản phẩm nổi bật trong nhóm này: chiếc gậy SmartFall và máy
hỗ trợ Vector.
a) SmartFall
Giới thiệu
Các nhà nghiên cứu đã chỉ ra rằng: chân yếu, rối loạn dáng đi, rối loạn cân bằng

là nguyên nhân chính của các sự cố té ngã. Phần lớn người cao tuổi sử dụng gậy để
khắc phục các vấn đề này. Sản phẩm SmartFall được phát triển từ nền tảng trước
đó: SmartCane - một chiếc gậy được thiết kế hiện đại, bao gồm một bộ cảm biến và
một bộ phát tín hiệu wireless.Dữ liệu cảm biến sẽ được chuyển tới một thiết bị cá
nhân ở xa. Mục tiêu của hệ thống này là để tự động cảnh báo khẩn cấp cho người
thân khi người sử dụng gậy ngã và không thể gọi sự giúp đỡ.
Cấu trúc hệ thống

Hình 1.2: Mô tả hệ thống SmartCane
Mô tả Hình 1.2: Hệ thống SmartCane bao gồm ba thành phần cơ bản:
● Một bộ cảm biến (sensors) với tín hiệu đầu ra là tín hiệu biểu thị chuyển
động, lực, và áp lực.

15


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
● Một bộ phận thu nhận tín hiệu từ bộ cảm biến(acquisition unit) và giao tiếp
với các thiết bị bên ngoài thông qua một liên kết không dây wireless.
● Một thiết bị cá nhân (personal device)thu thập và xử lý dữ liệu được gửi từ
bộ phận thu nhận tín hiệu từ bộ cảm biến.
Diễn giải Hình 1.2:
Cảm biến trên gậy SmartCane bao gồm một gia tốc kế ba trục, ba trục con quay
hồi chuyển tín hiệu và hai cảm biến áp lực. Các con quay hồi chuyển đặt vuông góc
với nhau để đo tốc độ góc trong không gian ba chiều, và gia tốc kế được gắn gần tay
cầm của gậy với góc nghiêng 30 từ hướng của trọng lực. Hai cảm biến áp lực được
gắn vào tay cầm và đầu gậy. Ngoài ra nhà sản xuất còn kết hợp thêm cảm biến đo
vận tốc rơi của gậy để tăng tính chính xác khi phân biệt các hoạt động bình thường
với té ngã.
Bộ phận thu nhận tín hiệu bao gồm một bộ xử lý MicroLEAP bảng Bluetooth

trên bề mặt. Mỗi kênh đầu vào cảm biến có thể lấy mẫu tại một tỉ lệ lên đến 300Hz.
Đối với ứng dụng SmartCane, lấy mẫu được chọn ở 26Hz. Đơn vị này rất hiệu quả
trong việc hỗ trợ lấy mẫu liên tiếp trong hơn 20 giờ. Bluetooth truyền tải dữ liệu
bằng cách sử dụng 6 pin cỡ AA-2200mAh.
Thiết bị cá nhân có thể là thiết bị di động bất kì mà có hỗ trợ Bluetooth. Ở đây,
chọn một máy tính bảng cho dễ dàng lập trình và hiển thị dữ liệu, thuật toán có thể
dễ dàng được gửi tới điện thoại di động hoặc PDA. Tín hiệu gửi đến được nhận và
ghép thành một file. Phần mềm SmartFall sau đó đọc trực tiếp từ file và thực hiện
các thuật toán phát hiện trong một thời gian thực gần nhất.
Kết quả
Hiệu quả của SmartFall được đo thông qua một loạt các thí nghiệm. Những thí
nghiệm này được xây dựng để đánh giá tỉ lệ phát hiện té ngã (khẳng định đúng) và
khả năng phân biệt các hoạt động trong cuộc sống không phải là té ngã (khẳng định
sai).
Các nhà sản xuất đã chọn ba đối tượng khám sức khỏe để thực hiện thí nghiệm.
Hồ sơ của họ được thể hiện trong bảng 1.1. Các đối tượng được chọn để nghiên cứu
khả năng ảnh hưởng của trọng lượng và chiều cao tớikết quả cuối cùng.

16


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
Bảng 1.1. Thông tin của đối tượng thí nghiệm
Đối tượng

1

2

3

Tuổi

35

28

25

Giới tính

Nam

Nam

Nữ

Chiều cao

1,86 m

1,60 m

1,65 m

Cân nặng

109,3 kg

63,5 kg

50,8 kg

Các kết quả phát hiện té ngã
Sau đây là bốn loại té ngã được thử nghiệm để đánh giá tỷ lệ phát hiện của
SmartFall:
 Ngã về phía trước: ngã xuống do vấp, hoặc sẩy chân.
 Ngã về đằng sau: ngã do trượt chân.
 Ngã về một bên: ngã do mất cân bằng.
 Ngã tự do: ngã không có vật cản trở do mất kiểm soát.
Mỗi loại ngã được thực hiện 30 lần. Các kết quả được liệt kê trong Bảng 1.2 cho
thấy một tỉ lệ phát hiện gần 100% cho bốn loại ngã được thực hiện bởi ba đối tượng,
sự khác biệt về trọng lượng và chiều cao giữa các đối tượng ít ảnh hưởng đến kết
quả cuối cùng.
Bảng 1.2. Tỉ lệ phát hiện té ngã của bốn loại ngã khác nhau.
1

2

3

Về phía trước

100% (30/0)

100% (30/0)

100% (30/0)

Về đằng sau

100% (30/0)

100% (30/0)

93,3% (28/2)

Về một bên

100% (30/0)

96,7% (29/1)

100% (30/0)

Tự do

100% (30/0)

100% (30/0)

100% (30/0)

Phân biệt các trạng thái ngã từ hoạt động hàng ngày là rất quan trọng. Thường
xuyên báo động nhầm có thể làm người dùng không sẵn sàng chấp nhận hệ thống.
Sức mạnh phân biệt này của SmartFall được đánh giá bằng cách sử dụng sáu thí
nghiệm khác nhau thể hiện sáu hành động thường được thực hiện cùng gậy:
 Đi chậm: đi bộ với gậy ở tốc độ nhỏ hơn một bước/giây.

17

Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
 Đi nhanh: đi bộ với gậy ở tốc độ khoảng 2 bước/giây.
 Ngồi và Đứng: đứng lên với sự giúp đỡ của gậy từ trạng thái ngồi.
 Đứng: Vẫn đứng yên với một phần nhỏ trọng lượng dồn vào gậy.
 Rung gậy: đong đưa gậy với tần suất khoảng 1Hz với một góc nhỏ hơn 30
độtừ trục thẳng đứng.
 Đặt lên đùi: cầm gậy đang ở hướng thẳng đứng và đặt trên đùi khi ngồi.
Tất cả các trường hợp(trừ Đứng) vẫn được thực hiện 30 lần với cả 3 đối tượng
thí nghiệm. Riêng trường hợp Đứng được thí nghiệm trong 30 giây đứng yên. Tỉ lệ
khẳng định saiđược thể hiện trong Bảng 1.3.
Bảng 1.3. Tỷ lệ khẳng định sai của các hành động
1

2

3

Đi chậm

0% (0)

0% (0)

3,3 % (1)

Đi nhanh

0% (0)

0% (0)

0% (0)

Ngồi và đứng

0% (5)

0% (1)

0% (0)

Đứng

0 trong 30 giây

0 trong 30 giây

0 trong 30 giây

Rung gậy

0% (0)

0% (0)

0% (0)

Đặt lên đùi

10% (3)

3,3% (1)

3,3% (1)

Ưu điểm:
 SmartFall không yêu cầu người sử dụng mặc hoặc đeo dây cảm biến trực tiếp
vào cơ thể.
 Nó là hình ảnh thu nhỏ của một hệ thống y tế không dây (PNI).
 SmartFall có 1 tỉ lệ phát hiện té ngã cao hơn và chi phí thấp hơn so với các
hình thức phát hiện té ngã PNI khác. Ví dụ như: dãy cảm biến tia hồng ngoại,
cảm biến rung, hệ thống phân tích âm thanh-hình ảnh,...
 Quan trọng hơn, hệ thống SmartFall không yêu cầu thiết lập các khu vực
giám sát đặc biệt và do đó ít bị ảnh hưởng bởi sự di động của người dùng.
Kết luận
Trên đây là chiếc gậy SmartFall, một thiết bị tự động phát hiện té ngã, phát triển
dựa trên nền tảng SmartCane.SmartFall sử dụng bộ cảm biến gia tốc và bộ phát

18


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
bluetooth để phát hiện té ngã. Một số thí nghiệm mô phỏng té ngã đã được thực
hiện để đánh giá hiệu quả của SmartFall, kết quả đã chỉ ra rằng các thuật toán có thể
phát hiện hầu hết các trường hợp té ngã và đạt được tỉ lệ báo động sai rất thấp.

b) Máy hỗ trợ vector
Giới thiệu

Trong phương pháp này, việc phát hiện té ngã của người cao tuổi dựa trên các
dữ liệu của máy đo gia tốc. Bộ cảm biến thu thập các dữ liệu chuyển động và truyền
tải đến đơn vị giám sát thông qua đường truyền không dây. Việc phân loại dữ liệu
được thực hiện bởi máy hỗ trợ vector, có thể phân loại các hoạt động thanh ba loại:
ngã, đi bộ và chạy. Sau đó, việc xác địnhtrạng thái dựa trên các hoạt động trước đó
có thể cho phép mã hóa và truyền tải hình ảnh video từ bệnh nhân đến các đơn vị
giám sát từ xa.
Cấu trúc hệ thống

Hình 1.3. Cấu trúc hệ thống, tương tác dữ liệu giữa các nút cảm biến
và nút giám sát
Mô tả Hình 1.3: Dữ liệu gia tốc được thu thập thông qua các cảm biến gắn trên
chân của người sử dụng và được truyền qua đường truyền không dây tới nút giám
19


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
sát. Dữ liệu được chuyển đổi sang các định dạng đã được định nghĩa từ trước, từ đó
sẽ phát hiện được tình trạng của bệnh nhân. Một mạng lưới giám sát module xác
định chất lượng cơ sở hạ tầng mạng cơ bản sẽ quyết định các mã hóa thích hợp và
truyền tải hình ảnh bệnh nhân bằng cách sử dụng H.263 nén video.
Kết quả
Để đánh giá hiệu quả và tính chính xác của hệ thống, ba thí nghiệm khác nhau
được thực hiện với hai tình nguyện viên:
 Đi bộ thường.
 Đi bộ thường và ngã.
 Đi bộ thường và chạy.
Hệ thống sẽ phân tích dữ liệu đo gia tốc có được. Mỗi trường hợp tăng tốc, giá
trị trên các trục X, Y, Z đã được xác nhận thời gian chạy và một loại chuyển động
tương ứng đã được liên kết với nó. Căn cứ vào số lượng xuất hiện tuần tự của một

loại chuyển động cụ thể, quyết định về té ngã của bệnh nhân được thực hiện.Để
tăng tính chính xác của quyết định, bộ lọc Kalman đã được sử dụng trong hệ thống.
Kết quả phân loại từ các thí nghiệm được tiến hành bằng cách sử dụng mô hình
Máy hỗ trợ Vector. Bộ lọc Kalman cải thiện việc phát hiện bằng cách làm mịn sự
xuất hiện tình huống Chạy hoặc các sự cố Ngã. Sử dụng Máy hỗ trợ Vector thì các
sự cố Ngã đã được phát hiện với độ chính xác trung bình 98.2%, trong khi tình
huống Chạy đã được phát hiện với 96.72%.

20


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera

Hình 1.4. Kết quả phân loại dựa trên mô hình SVM
cho 3 loại chuyển động khác nhau (a) đi bộ thường, (b) đi bộ thường và ngã,
(c) đi bộ và chạy.
Kết luận
Với phương pháp này, bênh nhân được theo dõi bằng thiết bị cảm biến gia tốc
trên trục X, Y, Z. Phân loại dữ liệu dựa trên Máy hỗ trợ Vector đã phát hiện các sự
cố té ngã với độ chính xác lên đến 98.2%. Và theo như đánh giá của các nhà chuyên

21


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
môn, trong tương lai, cần tăng cường phát hiện té ngã bằng cách sử dụng camera
của máy tính, việc này sẽ mang lại kết quả còn chính xác hơn.
1.3.3.

Thiết bị phát hiện té ngã sử dụng camera

Ở phần này sẽ giới thiệu các thiết bị Phát hiện té ngã sử dụng – hay nói cách
khác là sử dụng hệ thống Thị giác máy (Computer Vision). Dưới đây là hai công
trình nghiên cứu điển hình trong lĩnh vực này: Phương pháp theo dõi quỹ đạo đầu
người [1] và Phát hiện té ngã sử dụng camera đơn [2].
a) Phương pháp thực hiện dựa trên quỹ đạo 3D của đầu người
Giới thiệu
Phương pháp này thực hiện bằng cách sử dụng dữ liệu 3D quỹ đạo đầu người,
cho phép theo dõi chuyển động của sự té ngã và phân biệt được việc té ngã từ các
hành động bình thường.
Cấu trúc thuật toán
Phương pháp thực hiện dựa trên ba bước:
 Head Tracking: theo dõi vị trí của đầu – bộ phận cơ thể luôn nhìn thấy trên
khung hình và sẽ chuyển động nhanh trong quá trình ngã.
 3D Tracking: Đầu người được theo dõi bằng bộ lọc riêng phần “Particle
Filter” [3] để tách ra một quỹ đạo 3D.

[1] C.

Rougier, J. Meunier, A. St-Arnaud and J. Rousseau, ”3D Trajectory to Detect Falls of

the Elderly Using a Monocular Camera”, International Conference of the IEEE
Engineering in Medicine and Biology Society, New York, September 2006 (4 pages submitted).
[2] Glen DEBARD, Peter KA RSMAKERS, Mieke DESCHODT, Ellen VLA EYEN, Jonas VAN DEN
BERGH, Eddy DEJAEGER, Koen MILISEN, Toon GOEDEMÉ, Tinne TUYTELAARS, Bart
VANRUMSTE,

“CAMERA BASED FALL DETECTION USING REAL-LIFE VIDEO”, MOBILAB:

Biosciences and Technology Department, K.H.Kempen, Belgium; Center for Health Services and Nursing

Research, K.U.Leuven, Belgium; Lessius, Campus De Nayer, Belgium; U.Z.Leuven, Belgium; ESAT-PSI,
K.U.Leuven, Belgium; ESAT-SCD, K.U.Leuven, Belgium
[3] M.

Isard and A. Blake, ”Condensation – conditional density propagation for visual

tracking”, in International Journal of Computer Vision, vol. 29, no. 1, 1998, pp. 5-28.

22


Thiết kế Phần mềm phát hiện người té ngã sử dụng Camera
 Fall Detection: Quá trình té ngã được phát hiện bằng cách sử dụng vận tốc
3D được tính toán từ quỹ đạo 3D của đầu người.
Cách xác định vị trí của đầu (Head Localization): Đầu người có dạng hình
trái xoan trong mặt phẳng 3D và có hình elip trong mặt phẳng 2D. Đầu người được
xác định bằng thuật toán Dementhon [4], nó có ba thông số đầu vào: các điểm 3D
của mô hình đầu, các điểm 2D tương ứng trong ảnh và các thông số nội tại của
camera. Đầu ra của thuật toán ở dạng 3D trong hệ tọa độ của máy ảnh, có thể
chuyển đổi trong hệ tọa độ chuẩn gắn liền với mặt phẳng đất XY. Để phục hồi các
quỹ đạo 3D sử dụng một bộ lọc riêng phần.
Theo dõi 3D: Lợi thế của các bộ lọc riêng phần là chúng cho phép sự thay đổi
đột ngột trên quỹ đạọ và có thế đối phó với những lỗi nhỏ. Phương pháp thông
thường để theo dõi dầu là sử dụng những bộ lọc riêng phần làm việc tốt với những
chuyển động nhỏ. Trong trường hợp này, chuyển động có thể rất lớn khi ngã, do
vậy cần điều chỉnh phương pháp hiện tại dể giải quyết vấn đề này. Bộ lọc riêng
phần được điều chỉnh thành ba bước. Đầu tiên một bộ lọc riêng phần tìm lân cận
của vị trí cuối cùng hình elip. Nếu nó không tìm thấy đầu, một bộ lọc thứ hai được
sử dụng để tìm kiếm vị trí gần đúng của đầu người trong ảnh mới và bộ lọc riêng
phần thứ ba lọc ra các vị trí. Các bộ lọc riêng phần được dựa trên mức xám xung

quanh chu vi hình elip và khả năng thay đổi màu nền trong đó.
Phát hiện té ngã:Tiến hành lấy mẫu [5] sử dụng vector Vv theo phương thẳng
đứng và vector Vh theo phương nằm ngang trong hệ tọa độ chuẩn để phân biệt Ngã
với các hoạt động bình thường. Quỹ đạo 3D được trích xuất từ tín hiệu video được
sử dụng để đưa ra những nét đặc trưng. Bằng cách lấy ngưỡng vector Vv và Vh có
thể xác định Ngã. Một ví dụ về vận tốc thu được từ một quỹ đạo 3D được hiển thị
trong Hình 1.5.
[4] D.F.

Dementhon and L.S. Davis, ”Model-based object pose in 25 lines of code”,

International Journal of Computer Vision, vol. 15, no. 1-2, June 1995, pp. 123-141.
[5] G.

Wu, ”Distinguishing fall activities from normal activities by velocity characteristics”,

in Journal of Biomechanics, vol. 33, no. 11, 2000, pp. 1497-1500.

23