Tài liệu Phân tích dáng đi người sử dụng thông tin đường bao

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA TRẦN ANH TÚ PHÂN TÍCH DÁNG ĐI NGƯỜI SỬ DỤNG THÔNG TIN ĐƯỜNG BAO LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Đà Nẵng – Năm 2017 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA TRẦN ANH TÚ PHÂN TÍCH DÁNG ĐI NGƯỜI SỬ DỤNG THÔNG TIN ĐƯỜNG BAO Chuyên ngành: Khoa học máy tính Mã số: 60480101 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. HUỲNH HỮU HƯNG Đà Nẵng – Năm 2017 i 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 Trần Anh Tú ii MỤC LỤC LỜI CAM ĐOAN .................................................................................................................. i MỤC LỤC............................................................................................................................. ii DANH MỤC CÁC TỪ VIẾT TẮT ..................................................................................... v DANH MỤC CÁC BẢNG ................................................................................................. vii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ .......................................................................... viii MỞ ĐẦU ............................................................................................................................... 1 1. Lý do chọn đề tài .............................................................................................................. 1 2. Mục đích và nhiệm vụ nghiên cứu.................................................................................. 1 2.1. Mục đích nghiên cứu ............................................................................................. 1 2.2. Nhiệm vụ nghiên cứu ............................................................................................. 1 3. Đối tượng và phạm vi nghiên cứu .................................................................................. 1 3.1. Đối tượng nghiên cứu ............................................................................................ 1 3.2. Phạm vi nghiên cứu ............................................................................................... 2 4. Phương pháp nghiên cứu ................................................................................................ 2 4.1. Phương pháp lý thuyết .......................................................................................... 2 4.2. Phương pháp thực nghiệm.................................................................................... 2 5. Giải pháp đề xuất ............................................................................................................. 2 6. Ý nghĩa khoa học và thực tiễn của đề tài ....................................................................... 3 6.1. Ý nghĩa khoa học của đề tài .................................................................................. 3 6.2. Ý nghĩa thực tiễn của đề tài .................................................................................. 3 7. Kết quả dự kiến ................................................................................................................ 3 8. Cấu trúc luận văn ............................................................................................................ 3 CHƯƠNG 1 - NGHIÊN CỨU TỔNG QUAN ................................................................... 5 1.1. GIỚI THIỆU CHUNG VỀ XỬ LÝ ẢNH ................................................................... 5 1.2. TỔNG QUAN CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH .............................. 5 1.2.1. Nắn chỉnh biến dạng ........................................................................................... 5 1.2.2. Khử nhiễu ............................................................................................................ 6 1.2.3. Chỉnh mức xám ................................................................................................... 6 1.2.4. Trích chọn đặc trưng .......................................................................................... 7 1.2.5. Nhận dạng ........................................................................................................... 7 1.2.6. Nén ảnh ................................................................................................................ 8 1.3. CÁC GIAI ĐOẠN TRONG DÁNG ĐI Ở NGƯỜI .................................................... 9 1.3.1. Giai đoạn tựa (chống) ....................................................................................... 10 1.3.2. Giai đoạn đu đưa .............................................................................................. 11 1.3. QUÁ TRÌNH XỬ LÝ VÀ NHẬN DẠNG DÁNG ĐI ............................................... 12 1.3.1. Các giai đoạn của hệ thống nhận dạng dáng đi ............................................. 12 1.3.2. Dữ liệu vào ......................................................................................................... 13 1.3.3. Tiền xử lý ........................................................................................................... 13 iii 1.3.4. Trích chọn đặc trưng ........................................................................................ 17 1.3.5. Nhận dạng ......................................................................................................... 18 1.4. CÁC ỨNG DỤNG DỰA TRÊN PHÂN TÍCH DÁNG ĐI ....................................... 18 1.4.1. Ứng dụng trong lĩnh vực an ninh .................................................................... 18 1.4.2. Ứng dụng trong lĩnh vực bảo mật ................................................................... 19 1.4.3. Ứng dụng trong lĩnh vực y tế ........................................................................... 19 1.5. NHỮNG THÁCH THỨC TRONG NHẬN DẠNG DÁNG ĐI ............................... 20 1.5.1. Bài toán có quá nhiều chiều ............................................................................. 20 1.5.2. Hiện tượng bị che khuất ................................................................................... 20 1.5.3. Môi trường không kiểm soát ........................................................................... 20 1.5.4. Nhận diện thời điểm bắt đầu và kết thúc ở một thì ....................................... 21 1.5.5. Lựa chọn đặc trưng phù hợp ........................................................................... 21 1.5.6. Tốc độ xử lý và tính chính xác trong nhận dạng ........................................... 21 1.6. KẾT LUẬN CHƯƠNG 1 ........................................................................................... 21 CHƯƠNG 2 - PHÁT HIỆN VÀ PHÂN TÍCH DÁNG ĐI DỰA TRÊN THÔNG TIN ĐƯỜNG BAO ..................................................................................................................... 22 2.1. TIỀN XỬ LÝ ............................................................................................................... 22 2.1.1. Phát hiện chuyển động và truy dấu ................................................................ 22 2.1.2. Mô hình nền (Background Modeling) ............................................................ 22 2.1.3. Sự khác biệt (Differencing) .............................................................................. 23 2.1.4. Hậu xử lý và truy dấu....................................................................................... 23 2.2. Trích chọn đặc trưng .................................................................................................. 25 2.2.1. Biểu diễn đường bao (Silhouette) .................................................................... 25 2.2.2. Huấn luyện và phép chiếu (Projection) .......................................................... 26 2.2.3. Đặc trưng HOG ................................................................................................ 29 2.3. KỸ THUẬT NHẬN DẠNG ........................................................................................ 30 2.3.1. Đo lường sự tương tự (Similarity Measures) ................................................. 30 2.3.2. Phân lớp ............................................................................................................. 33 2.3.3. Kỹ thuật sử dụng mạng nơ-ron nhân tạo - ANN ........................................... 34 2.3.4. Kỹ thuật sử dụng máy vector hỗ trợ - SVM................................................... 36 2.3.5. Sử dụng mô hình Markov ẩn - HMM ............................................................. 38 2.3. KẾT LUẬN CHƯƠNG 2 ........................................................................................... 39 CHƯƠNG 3: THỰC NGHIỆM VÀ ĐÁNH GIÁ ............................................................ 40 3.1. THU THẬP DỮ LIỆU ................................................................................................ 40 3.2. TRIỂN KHAI CÀI ĐẶT ............................................................................................ 40 3.2.1. Tiền xử lý ........................................................................................................... 40 3.2.2. Trích chọn đặc trưng ........................................................................................ 41 3.2.3. Huấn luyện ........................................................................................................ 44 3.2.4. Triển khai nhận dạng trên nền tảng di động ................................................. 46 iv 3.3. KẾT QUẢ THỰC NGHIỆM ..................................................................................... 49 3.3.1. Kết quả huấn luyện .......................................................................................... 49 3.3.2. Kết quả nhận dạng ........................................................................................... 52 3.3.3. So sánh với các phương pháp khác ................................................................. 52 3.4. NHẬN XÉT KẾT QUẢ .............................................................................................. 53 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ........................................................................ 54 TÀI LIỆU THAM KHẢO ................................................................................................. 55 v PHÂN TÍCH DÁNG ĐI NGƯỜI SỬ DỤNG THÔNG TIN ĐƯỜNG BAO Học viên: Trần Anh Tú Chuyên ngành: Khoa học máy tính Mã số: 60480101 Trường Đại học Bách khoa – ĐHĐN Khóa: 32 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 các nghiên cứu phân tích dáng đi giúp nhận dạng một đối tượng hoặc phân tích dáng đi của bệnh nhân. Trong luận văn này này đề xuất giải pháp phân tích dáng đi sử dụng thông tin đường bao, sau đó nhận dạng và đưa ra kết quả dựa trên dữ liệu đã phân lớp. Quá trình xử lý bao gồm các bước: (1) thu nhận các đặc trưng đường biên cơ thể thông qua việc sử dụng camera hoặc tập dữ liệu mẫu; (2) tính toán các thông số đặc trưng đặc trưng của đường bao; (3) huấn luyện dữ liệu đặc trưng và thu được mô hình dữ liệu đã phân lớp; (4) tiến hành nhận dạng và so sánh dữ liệu nhận dạng với dữ liệu đã phân lớp để đưa ra kết luận. Từ khóa – Nhận dạng dáng đi, nhận dạng dáng đi người, định danh người, phân tích đường bao, phân tích dáng đi. SILHOUETTE ANALYSIS-BASED GAIT RECOGNITION Abstract - Nowadays, visual computing studies support a great deal of medical work, especially gait analysis studies that help identify an object or analyze the gait of a patient. This thesis proposes a parsimensional solution that uses envelope information, then identifies and outputs based on classified data. The process consists of the following steps: (1) acquiring bodily features through the use of Kinect; (2) calculation of characteristic parameters including joint location and envelope characteristics; (3) specific data training and obtained stratified data model; (4) Identify and compare identifiers with classed data to make conclusions. Key words – Gait recognition, human gait recognition, human identification, silhouette analysis, gait analysis. vi DANH MỤC CÁC TỪ VIẾT TẮT 2D Two Dimension 3D Three Dimension ANN Artificial Neural Network BPNN Back propagation neural network CSDL Cơ sở dữ liệu DoG Difference of Gaussian HMM Hidden Markov Model HOG Histogram Orientation Gradient K-NN K-Nearest Neighbors MEM Maximum Entropy Model MLP Multi-layer Perceptrons PCA Principal Components Analysis RGB Red-Green-Blue SIFT Scale Invariant Feature Transforms SV Support vector SVM Support Vector Machines VR Virtual reality THPT Trung học phổ thông PCA Principal Component Analysis vii DANH MỤC CÁC BẢNG Số hiệu bảng 3.1 Tên bảng So sánh độ chính xác với các phương pháp khác Trang 53 viii DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Số hiệu hình vẽ 0.1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 1.10 1.11 1.12 Tên hình vẽ Trang 3 6 7 9 9 11 12 13 14 15 15 16 17 2.5 2.6 2.7 Sơ đồ phương pháp dự kiến Quá trình xử lý ảnh Ảnh thu nhận và ảnh mong muốn Các thì của dáng đi bình thường Mô tả khung xương chân cho giai đoạn chống Mô tả khung xương chân cho giai đoạn đu đưa Các giai đoạn của hệ thống nhận dạng dáng đi Một số hình ảnh các gian đoạn của bước chân Ví dụ chuyển ảnh RGB sang ảnh nhị phân Ví dụ về quá trình chuyển đổi ảnh và lọc nhiễu Phân đoạn ảnh dựa trên ngưỡng của lược đồ mức xám Mô tả tách biên từ ảnh nhị phân Phân đoạn dựa theo vùng Một ví dụ về đối tượng ở sân bay không thể nhận dạng khuôn mặt Một mô hình nhận diện dáng đi để mở khoá cửa tự động Một ví dụ về phân tích dáng đi trong y học Ví dụ của tách đường bao đang chuyển động Sự thay đổi của các đường bao trong một mẫu dáng đi Biểu diễn đường bao Minh họa PCA: tìm các trục tọa độ mới sao cho dữ liệu có độ biến thiên cao nhất Ảnh sau khi tính gradient và chia thành các cell Phân tích chu kì dáng đi Phân lớp dựa vào thuật toán K-NN 2.8 Mô hình nơ-ron sinh học 35 2.9 2.10 36 36 2.12 Mô hình cấu trúc một nơ-ron trong ANN Học sửa lỗi thông qua các điều chỉnh trọng số Ánh xạ dữ liệu từ không gian gốc sang không gian đặc trưng cho phép phân chia dữ liệu bởi siêu phẳng Siêu phẳng tối ưu với mức lề cực đại 2.13 Ví dụ về quá trình phân lớp của SVM đa lớp 38 2.14 Tham số xác suất của một mô hình Markov ẩn 39 1.13 1.14 1.15 2.1 2.2 2.3 2.4 2.11 19 20 20 24 25 26 29 30 32 34 37 38 ix 3.1 41 3.3 3.4 Một số ví dụ về dữ liệu gốc từ camera Ba vector đặc trưng đầu tiên cho mỗi góc nhìn được tạo bởi quá trình huấn luyện Mô hình nhận dạng dáng đi Giao diện ứng dụng nhận dạng iOS 3.5 Kết quả bước đầu tiên của quá trình huấn luyện 49 3.6 Kết quả sau khi huấn luyện 2000 bước Biểu đồ tương quan giữa độ chính xác và số bước huấn luyện Biểu đồ tương quan giữa cross-entropy và số bước huấn luyện Biểu đồ luồng dữ liệu huấn luyện 50 3.2 3.7 3.8 3.9 43 47 48 52 52 53 1 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. Nhận dạng dựa trên dáng đi là một công nghệ sinh trắc học sử dụng để nhận dạng con người từ dáng đi và kích thước cơ thể. Ưu điểm của phương pháo này là dáng đi khó có thể thay đổi, khó có thể bắt chước trong một thời gian dài liên tục [4]. Không giống như các phương pháp sinh trắc học khác như ngón tay, mống mắt mặc dù khó nhưng vẫn có thể thay đổi được. Nhận dạng dáng đi có thể được sử dụng ở một khoảng cách tương đối lớn mà không bị phát hiện bởi đối tượng. Như vậy chúng ta có thể thấy được ưu điểm của nhận dạng dáng đi so với các phương pháp sinh trắc học khác. Tuy nhiên, các phương pháp phổ thông hiện nay chỉ sử dụng dữ liệu 2D có độ chính xác không cao [3]. Từ những lí do trên, tôi đề xuất chọn đề tài luận văn cao học là: “Phân tích dáng đi người sử dụng thông tin đường bao” dự kiến có thể nâng cao độ chính xác bằng cách sử dụng thông tin đường bao (Silhouette) với một hoặc nhiều camera. 2. Mục đích và nhiệm vụ nghiên cứu 2.1. Mục đích nghiên cứu Mục tiêu chính của đề tài là sử dụng một hoặc nhiều camera để ghi nhận quá trình chuyển động của đối tượng, sau đó trích thông tin đặc trưng, từ đó phân tích dáng đi. 2.2. Nhiệm vụ nghiên cứu - Luận văn tập trung nghiên cứu những vấn đề sau: Tìm hiểu các loại camera và bộ SDK hỗ trợ ghi nhận dáng đi. Nghiên cứu các phương pháp phân tích dáng đi. Nghiên cứu phương pháp mới hoặc cải tiến phương pháp cũ sử dụng một hoặc nhiều camera và sử dụng dữ liệu đường bao, sau đó phân tích và đánh giá. Triển khai thực nghiệm để kiểm chứng 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: - Khung hình hoặc đoạn video thu được từ camera hoặc từ các bộ dữ liệu có sẵn. - Các phương pháp huấn luyện học máy. - Các phương pháp nhận dạng dựa trên dáng đi. 2 3.2. Phạm vi nghiên cứu Luận văn tập trung trong phạm vi: nghiên cứu phân tích dáng đi với dữ liệu từ camera hoặc dữ liệu có sẵn, cụ thể là dáng đi bình thường ở tư thế đứng. 4. Phương pháp nghiên cứu 4.1. Phương pháp lý thuyết - Luận văn tập trung nghiên cứu một số lý thuyết như sau: Tìm hiểu các tài liệu hiện có về nhận dạng sinh trắc học khác nhau. Tìm hiểu các phương pháp trích chọn đặc trưng khác nhau. Tìm hiểu các tài liệu hiện có về nhận dáng dáng đi khác nhau. Nghiên cứu bài báo liên quan. 4.2. Phương pháp 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 - Phân tích và đánh giá dữ liệu ở trên để kiểm chứng và so sánh tính hiệu quả với các phương pháp khác 5. Giải pháp đề xuất Quá trình xử lý và các phương pháp dự kiến được nghiên cứu sử dụng: Hình 0.1 – Sơ đồ phương pháp dự kiến • Tiền xử lý: Từ dữ liệu thu nhận được ta thực hiện xử lý ảnh cơ bản bao gồm: căn chỉnh ảnh, chuẩn hóa ánh sáng, loại bỏ nhiễu, tách ngưỡng, lọc tần số, lọc màu da... • Trích chọn đặc trưng: Có thể dựa vào đặc điểm không gian (phân bố mức xám, phân bố xác suất, biên độ, điểm uốn…), đặc điểm biến đổi, đặc điểm biên và đường 3 biên… của ảnh để trích chọn đặc trưng phù hợp với mục đích nhận dạng. Mục tiêu của trích chọn đặc trưng là dựa trên các tín hiệu thu được để mô tả các đối tượng bằng các giá trị xấp xỉ bằng nhau đối với các đối tượng cùng loại, và khác xa nhau nếu khác loại. Số lượng đặc trưng càng ít càng tốt. Đầu ra của công đoạn này được gọi là véc tơ đặc trưng của đối tượng. • Huấn luyện hệ thống: Dựa trên các thông số sau khi trích chọn đặc trưng từ các dữ liệu, có thể sử dụng các phương pháp học máy như: Mạng nơ-ron nhân tạo (Artificial Neural Network- ANN), Mô hình Markov ẩn (Hidden Markov Model - HMM), máy vector hỗ trợ (Support Vector Machines - SVM), mô hình cực đại hóa Entropy (Maximum Entropy Model - MEM) … để huấn luyện tập dữ liệu, đồng thời sử sụng các phương pháp đánh giá chất lượng của tập dữ liệu. Kết quả thu được là cơ sở dữ liệu đã được phân lớp. • CSDL đã phân lớp: Tập dữ liệu đạt chất lượng cao đã được huấn luyện và đánh giá ở bước huấn luyện hệ thống. • Nhận dạng dáng đi: Thực hiện việc so khớp giữa các véc tơ đặc trưng được trích chọn ở dữ liệu người dùng với các đặc trưng đã được huấn luyện và đánh giá (trong CSDL đã phân lớp) ở tập dữ liệu mẫu phục vụ quá trình nhận dạng, đưa ra kết luận mẫu nhận dạng thuộc phân lớp nào. 6. Ý nghĩa khoa học và thực tiễn của đề tài 6.1. Ý nghĩa khoa học của đề tài Về mặt khoa học, đề tài sẽ mang ý nghĩa 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. 6.2. Ý nghĩa thực tiễn của đề tài Về mặt thực tiễn, kết quả đề tài có thể được ứng dụng trong các hệ thống an ninh để nhận dạng các đối tượng cần thiết, và trong lĩnh vực y tế để chuẩn đáng các căn bệnh liên quan tới khung xương thông qua dáng đi. 7. Kết quả dự kiến Luận văn dự kiến sẽ đạt được những kết quả sau: - Hiểu được các kĩ thuật xử lý ảnh và học máy cơ bản - Đưa ra được giải pháp cho vấn đề phân tích/nhận dạng dáng đi một cách hiệu quả. - Xây dựng chương trình thực nghiệm phân tích/nhận dạng dáng đi để kiểm chứng. 8. Cấu trúc luận văn Nội dung của luận văn được trình bày với các phần chính như sau: Mở đầu 4 Chương 1 - Nghiên cứu tổng quan: Chương này trình bày một số vấn đề liên quan tới phân tích dáng đi như các lý thuyết về nhận dạng dáng đi, các phương pháp xử lí ảnh, các ứng dụng dựa trên nhận dạng dáng đi. Chương 2 - Phát hiện và phân tích dáng đi dựa trên thông tin đường bao: Trong chương này trình bày cách phát hiện phân đoạn dáng đi thành chu kì, một số kỹ thuật trích chọn đặc trưng thường được sử dụng để phục vụ cho bài toán nhận dạng. Đồng thời giới thiệu một số kỹ thuật nhận dạng dáng đi phổ biến như: K-NN, SVM, ANN và HMM. Chương 3 - Triển khai và nhận xét: Chương này trình bày về việc xây dựng hệ thống phân tích và nhận dạng dáng đi. Kết luận và hướng phát triển. 5 CHƯƠNG 1 - NGHIÊN CỨU TỔNG QUAN 1.1. GIỚI THIỆU CHUNG VỀ XỬ LÝ ẢNH Con người thu nhận thông tin qua các giác quan, trong đó thị giác đóng vai trò quan trọng nhất. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh và đồ hoạ đó phát triển một cách mạnh mẽ và có nhiều ứng dụng trong cuộc sống. Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người máy. Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận. [2] Hình 1.1 - Quá trình xử lý ảnh Ảnh có thể xem là tập hợp các điểm ảnh và mỗi điểm ảnh được xem như là đặc trưng cường độ sáng hay một dấu hiệu nào đó tại một vị trí nào đó của đối tượng trong không gian và nó có thể xem như một hàm n biến P (c1, c2..., cn). Do đó, ảnh trong xử lý ảnh có thể xem như ảnh n chiều. 1.2. TỔNG QUAN CÁC VẤN ĐỀ CƠ BẢN TRONG XỬ LÝ ẢNH Ảnh và điểm ảnh: Điểm ảnh được xem như là dấu hiệu hay cường độ sáng tại một toạ độ trong không gian của đối tượng và ảnh được xem như là 1 tập hợp các điểm ảnh. Mức xám, màu: Là số các giá trị có thể có của các điểm ảnh của ảnh. 1.2.1. Nắn chỉnh biến dạng Ảnh thu nhận thường bị biến dạng do các thiết bị quang học và điện tử. Hình 1.2 - Ảnh thu nhận và ảnh mong muốn [2] 6 Để khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây dựng trên tập các điểm điều khiển. Giả sử ảnh bị biến đổi chỉ bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng bậc nhất tuyến tính. Khi đó hàm f có dạng: f (x, y) = (a1x + b1y + c1, a2x + b2y + c2) Ta có: Giải hệ phương trình tuyến tính tìm được a1, b1, c1 Tương tự tìm được a2, b2, c2 Xác định được hàm f 1.2.2. Khử nhiễu Có 2 loại nhiễu cơ bản trong quá trình thu nhận ảnh - Nhiều hệ thống: là nhiễu có quy luật có thể khử bằng các phép biến đổi Nhiễu ngẫu nhiên: vết bẩn không rõ nguyên nhân → khắc phục bằng các phép lọc 1.2.3. Chỉnh mức xám Nhằm khắc phục tính không đồng đều của hệ thống gây ra. Thông thường có 2 hướng tiếp cận: 7 - - Giảm số mức xám: Thực hiện bằng cách nhóm các mức xám gần nhau thành một bó. Trường hợp chỉ có 2 mức xám thì chính là chuyển về ảnh đen trắng. Ứng dụng: In ảnh màu ra máy in đen trắng. Tăng số mức xám: Thực hiện nội suy ra các mức xám trung gian bằng kỹ thuật nội suy. Kỹ thuật này nhằm tăng cường độ mịn cho ảnh 1.2.4. Trích chọn đặc trưng Các đặc điểm của đối tượng được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử lý ảnh. Có thể nêu ra một số đặc điểm của ảnh sau đây: - - Đặc điểm không gian: Phân bố mức xám, phân bố xác suất, biên độ, điểm uốn… Đặc điểm biến đổi: Các đặc điểm loại này được trích chọn bằng việc thực hiện lọc vùng (zonal filtering). Các bộ vùng được gọi là “mặt nạ đặc điểm” (feature mask) thường là các khe hẹp với hình dạng khác nhau (chữ nhật, tam giác, cung tròn…) Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và do vậy rất hữu ích trong việc trích trọn các thuộc tính bất biến được dùng khi nhận dạng đối tượng. Các đặc điểm này có thể được trích chọn nhờ toán tử gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing) … Việc trích chọn hiệu quả các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với tốc độ tính toán cao và dung lượng nhớ lưu trữ giảm xuống. 1.2.5. Nhận dạng Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong nhiều ngành khoa học khác nhau. Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là gì? Watanabe, một trong những người đi đầu trong lĩnh vực này đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách ang áng (vaguely defined) và có thể gán cho nó một tên gọi nào đó”. Ví dụ mẫu có thể là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói. Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể: Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của một lớp đã xác định. Hoặc phân loại không có mẫu (unsupervised classification hay clustering) trong đó các mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh. 8 Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: 1. Thu nhận dữ liệu và tiền xử lý. 2. Biểu diễn dữ liệu. 3. Nhận dạng, ra quyết định. Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là: 1. 2. 3. 4. Đối sánh mẫu dựa trên các đặc trưng được trích chọn. Phân loại thống kê. Đối sánh cấu trúc. Phân loại dựa trên mạng nơ-ron nhân tạo. Trong các ứng dụng rõ ràng là không thể chỉ dùng có một cách tiếp cận đơn lẻ để phân loại “tối ưu” do vậy cần sử dụng cùng một lúc nhiều phương pháp và cách tiếp cận khác nhau. Do vậy, các phương thức phân loại tổ hợp hay được sử dụng khi nhận dạng và nay đã có những kết quả có triển vọng dựa trên thiết kế các hệ thống lai (hybrid system) bao gồm nhiều mô hình kết hợp. Việc giải quyết bài toán nhận dạng trong những ứng dụng mới, nảy sinh trong cuộc sống không chỉ tạo ra những thách thức về thuật giải, mà còn đặt ra những yêu cầu về tốc độ tính toán. Đặc điểm chung của tất cả những ứng dụng đó là những đặc điểm đặc trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích chọn dựa trên các thủ tục phân tích dữ liệu. 1.2.6. Nén ảnh Nhằm giảm thiểu không gian lưu trữ. Thường được tiến hành theo cả hai cách khuynh hướng là nén có bảo toàn và không bảo toàn thông tin. Nén không bảo toàn thì thường có khả năng nén cao hơn nhưng khả năng phục hồi thì kém hơn. Trên cơ sở hai khuynh hướng, có 4 cách tiếp cận cơ bản trong nén ảnh: 1. Nén ảnh thống kê: Kỹ thuật nén này dựa vào việc thống kê tần xuất xuất hiện của giá trị các điểm ảnh, trên cơ sở đó mà có chiến lược mã hóa thích hợp. Một ví dụ điển hình cho kỹ thuật mã hóa này là *.TIF 2. Nén ảnh không gian: Kỹ thuật này dựa vào vị trí không gian của các điểm ảnh để tiến hành mã hóa. Kỹ thuật lợi dụng sự giống nhau của các điểm ảnh trong các vùng gần nhau. Ví dụ cho kỹ thuật này là mã nén *.PCX 3. Nén ảnh sử dụng phép biến đổi: Đây là kỹ thuật tiếp cận theo hướng nén không bảo toàn và do vậy, kỹ thuật thướng nến hiệu quả hơn. *.JPG chính là tiếp cận theo kỹ thuật nén này. 9 4. Nén ảnh Fractal: Sử dụng tính chất Fractal của các đối tượng ảnh, thể hiện sự lặp lại của các chi tiết. Kỹ thuật nén sẽ tính toán để chỉ cần lưu trữ phần gốc ảnh và quy luật sinh ra ảnh theo nguyên lý Fractal 1.3. CÁC GIAI ĐOẠN TRONG DÁNG ĐI Ở NGƯỜI Việc phân biệt các giai đoạn của dáng đi là một bước quan trọng trong quá trình phân đoạn và nhận dạng dáng đi. 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 1.3 - Các giai đoạn của dáng đi bình thường [24] Trong đó: IC = Initial Contact (chạm gót); LR = Loading Response (đáp ứng tải); M-St = Mid support (giữa thì tựa); T-St = Terminal support (cuối thì tựa); PS = Preswing (tiền đu đưa); I-Sw = Initial swing (đầu giai đoạn đu đưa); M-Sw = Mid swing (giữa giai đoạn đu đưa); T-Sw = Terminal swing (cuối giai đoạn đu đưa).