Nhận diện hành động người sử dụng qua thiết bị di động

Bài báo trình bày một thuật toán cho phép nhận diện hành động hàng ngày của con người như di chuyển, dừng thông qua dữ liệu của các cảm biến gia tốc, từ trường và trọng lực trên điện thoại thông minh. Thuật toán thực hiện qua ba bước: ghi dữ liệu các cảm biến theo khung thời gian thực, sau đó xử lý dữ liệu cảm biến đưa ra những đặc trưng phù hợp để nhận diện hành động. Bước tiếp theo dữ liệu được qua bộ máy học để dự đoán hành động dựa trên bộ dữ liệu huấn luyện đã được lấy mẫu trước đó. Kết quả nhận diện các hoạt động của thuật toán cho độ chính xác từ 88 đến 92%.
Nội dung trích xuất từ tài liệu:
Nhận diện hành động người sử dụng qua thiết bị di động THE INTERNATIONAL CONFERENCE ON MARINE SCIENCE AND TECHNOLOGY 2016 Nhận diện hành động người sử dụng qua thiết bị di động Recognizing human activities via mobile devices Lê Trí Thành1, Trần Đình Vương1, Thái Thanh Phú2 1 Trường Đại học Hàng hải Việt Nam, thanhlt@vimaru.edu.vn, 2 Trường CĐ Công nghiệp và Xây dựng Tóm tắt Bài báo trình bày một thuật toán cho phép nhận diện hành động hàng ngày của con người như di chuyển, dừng thông qua dữ liệu của các cảm biến gia tốc, từ trường và trọng lực trên điện thoại thông minh. Thuật toán thực hiện qua ba bước: ghi dữ liệu các cảm biến theo khung thời gian thực, sau đó xử lý dữ liệu cảm biến đưa ra những đặc trưng phù hợp để nhận diện hành động. Bước tiếp theo dữ liệu được qua bộ máy học để dự đoán hành động dựa trên bộ dữ liệu huấn luyện đã được lấy mẫu trước đó. Kết quả nhận diện các hoạt động của thuật toán cho độ chính xác từ 88 đến 92%. Từ khóa: Nhận diện hành động, gia tốc kế, từ trường kế, cảm biến trọng lực. Abstract The paper describes an algorithm to recognize human activities in real-time such as moving, stopping activities by using data collected from smartphone sensors including accelerometers, magnetic and gravity. The algorithm performed through three steps. Firstly, we collect the sensors’ data in real-time. After that, the data will be processed to find out features which are used to detect the activities. In the third step, the processed data will be sent to the machine for prediction of activities based on the trained data that is sampled previously. The recognition rates of the algorithm ranges from 88 to 92%. Keywords: Activity recognition, accelerometers, magnetic, gravity. 1. Tổng quan Hệ thống nhận diện hành động qua cảm biến đeo người đã được nghiên cứu phát triển trên thế giới và cho kết quả chính xác cao đến trên 90% [1, 7]. Các cảm biến được đặt trên các vị trí khác nhau trên cơ thể và xác định các hoạt động thông qua việc thu thập dữ liệu cảm biến để chỉ ra các hành động bình thường và bất thường, sau đó trích chọn đặc trưng dữ liệu, cuối cùng sẽ nhận diện hành động thông qua việc phân lớp dựa vào việc kết hợp thuật toán như SVM một lớp (one- class support vector machine) và KNLR (kernel nonlinear regression). Tuy nhiên, với hệ thống trên có nhiều khó khăn khi áp dụng thực tế do cần nhiều cảm biến đeo trên người gây sự cồng kềnh, chi phí cao trong nghiên cứu cũng như xây dựng hệ thống kết hợp giữa phần cứng và phần mềm. Do đó, cần có một hệ thống thích hợp hơn khi ứng dụng vào thực tế, bài báo đưa ra một hướng tiếp cận là sử dụng các cảm biển trên điện thoại thông minh để nhận diện hành động sẽ tiện lợi hơn rất nhiều khi điện thoại thông minh được sử dụng rất rộng rãi trên toàn thế giới. Bài báo sử dụng tín hiện thu được từ cảm biến gia tốc, từ trường và trọng lực, bước đầu nhận diện giữa hai hoạt động di chuyển - dừng, bước tiếp theo sẽ nhận diện thêm trạng thái lái xe, đi bộ trong di chuyển. HỘI NGHỊ QUỐC TẾ KHOA HỌC CÔNG NGHỆ HÀNG HẢI 2016 415 THE INTERNATIONAL CONFERENCE ON MARINE SCIENCE AND TECHNOLOGY 2016 Hình 1. Mô hình nhận diện hành động với cảm biến đeo trên người 2. Nhận diện hành động Cũng như hệ thống nhận diện qua cảm biến, nhận diện trên điện thoại thông minh cũng qua hai giai đoạn huấn luyện và nhận diện thực tế. Dữ liệu cảm biến Tiền xử Lọc, trích chọn Huấn trong môi trường thí lý tín đặc trưng tần số, luyện nghiệm hiệu năng lượng Mô hình HUẤN LUYỆN DỮ LIỆU Dữ liệu cảm biến Tiền xử Lọc, trích chọn Phân trong môi trường lý tín đặc trưng tần số, lớp kết thực hiệu năng lượng quả Chuyển động người dùng NHẬN DIỆN HÀNH ĐỘNG Hình 2. Mô hình nhận diện với cảm biến trên điện thoại thông minh 2.1. Huấn luyện dữ liệu Giai đoạn huấn luyện ban đầu yêu cầu một bộ dữ liệu gồm các thuộc tính đo lường được từ mỗi hoạt động, ở đây là năng lượng gia tốc và tần số hoạt động. Chuỗi thời gian được chia thành các cửa sổ thời gian để áp dụng trích chọn đặc trưng qua đó lọc thông tin liên quan trong các tín hiệu gia tốc đầu vào, qua thực nghiệm bài báo sử dụng cửa sổ thời gian 1 giây để đảm bảo số lượng mẫu cho phân lớp và độ trễ khi chuyển trạng thái. Sau cùng, mô hình học máy thống kê được sử dụng để huấn luyện ra một mô hình nhận dạng hoạt động từ bộ dữ liệu các đặc trưng đã được trích chọn. Trên điện thoại thông minh có tích hợp bộ cảm biến, mỗi cảm biến có chức năng riêng của nó. Trên nền hệ điều hành Android hỗ trợ ba loại cảm biến: - Cảm biến hành động: chúng bao gồm cảm biến gia tốc, cảm biến trọng lực, cảm biến con quay, cảm biến vectơ quay; HỘI NGHỊ QUỐC TẾ KHOA HỌC CÔNG NGHỆ HÀNG HẢI 2016 416 THE INTERNATIONAL CONFERENCE ON MARINE SCIENCE AND TECHNOLOGY 2016 - Cảm biến đo vị trí của một thiết bị vật lý: cảm biến từ trường, cảm biến phương hướng, cảm ...