HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

Nguyễn Tôn Thất Tú

THEO DÕI TÍN HIỆU SINH HỌC TRÊN DI ĐỘNG
SỬ DỤNG HỒI QUI TUYẾN TÍNH

LUẬN VĂN THẠC SĨ KỸ THUẬT

TP HỒ CHÍ MINH - 2016


HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

NGUYỄN TÔN THẤT TÚ

THEO DÕI TÍN HIỆU SINH HỌC TRÊN DI ĐỘNG
SỬ DỤNG HỒI QUI TUYẾN TÍNH

CHUYÊN NGÀNH:
MÃ SỐ:

HỆ THỐNG THÔNG TIN
60.48.01.04

LUẬN VĂN THẠC SĨ KỸ THUẬT
NGƯỜI HƯỚNG DẪN KHOA HỌC:
TS. NGUYỄN ĐỨC THẮNG

TP HỒ CHÍ MINH - 2016

i

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi.

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai

công bố trong bất kỳ công trình nào khác.

Ngày 20 tháng 06 năm 2016
Học viên thực hiện luận văn

Nguyễn Tôn Thất Tú


ii

LỜI CẢM ƠN
Lời cám ơn đầu tiên, tôi xin gửi đến các Thầy, Cô Học viện Bưu chính Viễn

thông Cơ sở Hồ Chí Minh, đã tận tình trong công tác giảng dạy, tạo điều kiện tốt nhất

để tôi có thể thực hiện luận văn này. Đặc biệt tôi xin gửi lời biết ơn sâu sắc đến TS

Nguyễn Đức Thắng là người đã hướng dẫn, giúp đỡ và truyền những kinh nghiệm
quý báu để tôi có thể hoàn thành luận văn thạc sỹ với đề tài: “Theo dõi tín hiệu sinh
học trên di động sử dụng hồi qui tuyến tính”.


Lời cảm ơn sau cùng, tôi xin gửi lời cám ơn đến gia đình tôi và các bạn học

đồng khóa đã gắn bó, chia sẻ kinh nghiệm và ủng hộ để tôi có thể hoàn thành luận
văn này.

Ngày 20 tháng 06 năm 2016
Học viên thực hiện luận văn

Nguyễn Tôn Thất Tú


iii

MỤC LỤC
LỜI CAM ĐOAN ........................................................................................................ i
LỜI CẢM ƠN .............................................................................................................ii
MỤC LỤC ................................................................................................................. iii

DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT ...............................................vi

DANH SÁCH CÁC BẢNG ......................................................................................vii
DANH SÁCH HÌNH VẼ ........................................................................................ viii

MỞ ĐẦU ..................................................................................................................... 1
CHƯƠNG 1 – TỔNG QUAN VỀ TÍN HIỆU SỐNG SINH HỌC ............................ 5
1.1.

Khái niệm về tín hiệu sống sinh học của con người ........................5

1.1.1. Tín hiệu tỉ lệ mạch đập (PR) ........................................................5


1.1.2. Tín hiệu tốc độ hô hấp (RR) ........................................................6

1.2.
1.3.

Photoplethysmography (PPG) .........................................................6

Các phương thức để theo dõi tín hiệu sống sinh học .......................6

1.3.1. Phương pháp theo dõi xâm lấn ....................................................6
1.3.2. Phương pháp theo dõi không xâm lấn .........................................7

1.4.

Các hệ thống không gian màu sắc....................................................7

1.4.1. RGB (Red, green and blue) .........................................................7

1.4.2. HSV (Hue, saturation and value) .................................................8

CHƯƠNG 2 – CÁC PHƯƠNG PHÁP ĐO TÍN HIỆU SỐNG SINH HỌC KHÔNG
XÂM LẤN VÀ MÔ HÌNH HỒI QUY TUYẾN TÍNH .............................................. 9
2.1.

Phương pháp theo dõi dùng camera .................................................9

2.1.1. Dùng camera kết nối với máy tính ..............................................9



iv

2.1.2. Dùng điện thoại thông minh ......................................................10

2.2.

Trích chọn đặc trưng ......................................................................10

2.2.1. Các bộ phân lớp kết hợp (Cascade Classifiers) .........................10
2.2.2. Haar Cascades............................................................................11

2.2.3. LBP (Local Binary Patterns) Cascades .....................................12

2.3.
2.4.

Mô hình hồi quy tuyến tính (Linear Regresion Model) .................13

Phương pháp áp dụng mô hình hồi quy tuyến tính trong theo dõi tín

hiệu sống sinh học .................................................................................................14

2.4.1. Phương pháp đo nhịp tim ..........................................................14

công)

2.4.2. Phương pháp đo nhịp thở dựa vào giao động vai (không thành
16

2.4.3. Phương pháp đo nhịp thở bằng đầu ngón tay (thành công) .......18


CHƯƠNG 3 – THU THẬP DỮ LIỆU VÀ KIỂM TRA PHƯƠNG PHÁP NHẬN

DẠNG TÍN HIỆU NHỊP TIM VÀ NHỊP THỞ ........................................................ 20
3.1.

Mô tả quá trình thu thập dữ liệu .....................................................20

3.1.1. Thu thập dữ liệu nhận dạng nhịp tim .........................................20

3.1.2. Thu thập dữ liệu nhận dạng nhịp thở .........................................24

3.2.

Kiểm tra các phương pháp nhận dạng tín hiệu ..............................24

3.2.1. Kiểm tra phương pháp nhận dạng nhịp tim ...............................24
3.2.2. Kiểm tra phương pháp nhận dạng nhịp thở ...............................26

CHƯƠNG 4 – XÂY DỰNG ỨNG DỤNG ĐO TÍN HIỆU SỐNG SINH HỌC TRÊN

NỀN TẢNG ANDROID ........................................................................................... 28
4.1.

Tổng quan hệ điều hành di động Android .....................................28

4.3.

Android và các thành phần hỗ trợ lập trình ...................................29


4.2.

Công cụ phát triển Android Studio ................................................28


v

4.3.1. Activity ......................................................................................29

4.3.2. Intent ..........................................................................................31

4.3.3. Service .......................................................................................33
4.3.4. Broadcast Receiver ....................................................................33
4.3.5. Content Provider ........................................................................33

4.4.

Thư viện hỗ trợ OpenCV trên nền tảng Android và các thành phần

được ứng dụng.......................................................................................................33
4.4.1. Tổng quan về thư viện OpenCV ................................................33
4.4.2. Các chức năng của OpenCV được sử dụng trong đề tài ............35

4.3.

Sơ đồ Usecase của ứng dụng .........................................................35

4.5.

Cài đặt một số thành phần quan trọng ...........................................36


4.4.

Sơ đồ lớp (Class Diagram) .............................................................35

4.5.1. Cấu hình và cài đặt dự án làm việc với OpenCV ......................36

4.5.2. Cài đặt giao diện cho ứng dụng .................................................41
4.5.3. Cài đặt nhận dạng nhịp tim ........................................................45

4.5.4. Cài đặt thuật toán kiểm tra nhịp thở ..........................................47

CHƯƠNG 5: KIỂM THỬ ỨNG DỤNG VÀ KẾT QUẢ THỰC NGHIỆM ........... 49

KẾT LUẬN VÀ KIẾN NGHỊ................................................................................... 51
DANH MỤC TÀI LIỆU THAM KHẢO .................................................................. 52


vi

DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT
Viết tắt

Tiếng Anh

Tiếng Việt

BR

Breathing Rate


Nhịp thở

BT

Body temperature

Nhiệt độ cơ thể

BP

ECG

Blood Pressure

Electrocardiography

HR

Heart Rate

PPG

Photoplethysmography

HSV
PR

PRV


RGB
VPS

Hue, saturation and value

Huyết áp

Máy điện tâm đồ

Nhịp tim

Không gian màu phổ biến

Pulse Rate

Tốc độ mạch đập

Red green blue

Không gian màu phổ biến nhất

Pulse Rate Variability

Vital Physiological Signal

Biến thiên tốc độ mạch đập
Tín hiệu sống sinh học


vii


DANH SÁCH CÁC BẢNG
Bảng 3.1: Bảng kết quả so sánh giữa nhịp tim chuẩn và nhịp tim thử nghiệm ........ 25

Bảng 3.2: Bảng kết quả so sánh giữa nhịp thở chuẩn và nhịp thở thử nghiệm......... 27
Bảng 5.1: Kết quả đo nhịp tim bằng ứng dụng ......................................................... 49

Bảng 5.2: Kết quả đo nhịp thở bằng ứng dụng ......................................................... 50


viii

DANH SÁCH HÌNH VẼ
Hình 1: Máy điện tâm đồ đo tín hiệu sống sinh học tại các bệnh viện ....................... 2

Hình 2: Cấu tạo máy đo PPG ...................................................................................... 3

Hình 3: Đo nhịp tim và tốc độ hô hấp ......................................................................... 3
Hình 1.1: Phương pháp theo dõi xâm lấn bằng máy cơ .............................................. 7

Hình 1.2: Mô tả hệ thống không gian màu RGB và HSV .......................................... 8

Hình 2.1: Hệ thống theo dõi tín hiệu sống sinh học trên hệ thống máy tính có camera

..................................................................................................................................... 9

Hình 2.2: Hệ thống nhận dạng sử dụng di động thông minh .................................... 10
Hình 2.3: Các hạt đặc trưng cho Haar Cascades ....................................................... 11

Hình 2.4: Ví dụ về vectơ đặc trưng của LBP Cascades ............................................ 12


Hình 2.5: Lấy dữ liệu hình ảnh dùng camera áp vào đầu ngón tay ......................... 14
Hình 2.6: Phát hiện vai sau khi xác định được khuôn mặt ....................................... 16
Hình 2.7: Ảnh thu được sau khi đi qua bộ lọc Sobel theo trục y .............................. 17

Hình 2.8: Ảnh thu được sau khi qua ngưỡng ............................................................ 17
Hình 2.9: Tư thế đo nhịp thở bằng ngón tay ............................................................. 18

Hình 3.1: Tín hiệu gốc và đường cong thu được sau Polyfit .................................... 21

Hình 3.2: Tín hiệu đã được làm mượt ....................................................................... 22
Hình 3.3: Đếm số đỉnh trên sau khi qua bộ lọc ......................................................... 23

Hình 4.1: Môi trường phát triển Android .................................................................. 29

Hình 4.2: Vòng đời của Activity ............................................................................... 30
Hình 4.3: Hoạt động của một Implicit Intent ............................................................ 32

Hình 4.4: Usecase của ứng dụng ............................................................................... 35

Hình 4.5: Sơ đồ lớp của ứng dụng ............................................................................ 36
Hình 4.6: Cấu trúc của dự án .................................................................................... 37

Hình 4.7: Sao chép gói thư viện ................................................................................ 38

Hình 4.8: Tập tin định nghĩa giao diện ..................................................................... 41
Hình 4.9: Giao diện màn hình chính ......................................................................... 41


ix


Hình 4.10: Màn hình đo nhịp tim .............................................................................. 44


1

MỞ ĐẦU
Xã hội ngày càng phát triển đã làm chất lượng cuộc sống của con người ngày

càng được cải thiện. Tuy vậy, tốc độ phát triển nhanh bao nhiêu thì cường độ làm
việc của con người càng cao bấy nhiêu. Điều này ảnh hưởng không nhỏ đến sức khỏe

của con người. Những năm gần đây, số người bị mắc bệnh gia tăng đáng kể. Vì vậy,
nhu cầu theo dõi các tín hiệu sống sinh học (nhịp thở, nhịp tim…) thường xuyên nhằm

phát hiện ra triệu chứng của các loại bệnh khác nhau là cần thiết [1], [2]. Để phục vụ
nhu cầu này, các máy đo được ra đời để phục vụ nhu cầu kiểm tra các tín hiệu sống

sinh học, ví dụ như máy đo nhịp tim bằng cách đeo vòng bít luồn vào bắp tay hoặc

cổ tay. Vòng bít cần nằm đúng vị trí. Nếu không, số đo tín hiệu sẽ bị sai lệch. Việc
sử dụng vòng bít khiến cho tay người dùng có cảm giác khó chịu dẫn đến việc đo liên

tục trở nên khó khăn. Để có thể đo được mà không chạm lên người và tạo cảm giác
thoải mái, các nhà khoa học đã tìm ra được các thuật toán nhận dạng và xử lý tín hiệu
dựa trên sự khác nhau của hình ảnh thu được từ người dùng.

Bên cạnh đó, thiết bị di động thông minh ngày càng trở nên phổ biến. Hầu như

mỗi người đều có cho mình một chiếc điện thoại thông minh. Với kích thước nhỏ

gọn, con người có thể mang theo và sử dụng điện thoại di động mọi lúc mọi nơi. Điện
thoại hiện đại đều có bộ xử lý và camera. Vì vậy, ta có thể khai triển thuật toán nhận
dạng và xử lý tín hiệu sống sinh học trên điện thoại. Như vậy, người dùng có thể sử
dụng mọi nơi, mọi lúc [3], [4], [5], [6]. Hơn nữa, người dùng có thể đo các tín hiệu
liên tục mà không cần lo lắng đến việc vòng bít siết chặt tay.

Các dấu hiệu sống như tốc độ mạch đập (Pulse Rate – PR), tốc độ thở

(Breathing Rate – BR), nhịp thở và các thông số liên quan đến độ biến thiên của tốc

độ mạch đập (Pulse Rate Variability - PRV) hiện tại được đo bằng cách sử dụng các

máy đo. Đây là những thông tin quan trọng không những tại bệnh viện mà còn ở tại
nhà bởi vai trò quan trọng của nó trong việc chẩn đoán sức khỏe. Hiện tại, thiết bị để


2

đo các tín hiệu mạch đập và tốc độ biến thiên của mạch đập là máy điện tâm đồ (ECG)
hoặc là máy dùng ánh sáng hồng ngoại để đo Photoplethysmography (PPG) [7], [8].

Hình 1: Máy điện tâm đồ đo tín hiệu sống sinh học tại các bệnh viện

Để đo được tín hiệu ECG, ta cần dán các nút trực tiếp trên da [9]. Để xác định

vị trí của các nút dán, ta cần có các nhân viên có chuyên môn về y tế. Ngoài ra, nó

còn có thể gây ra các tổn thương da (đặc biệt là đối với trẻ sơ sinh) trong thời gian
điều trị tại phòng hồi sức. Đối với việc kiểm tra nhịp tim dùng tia hồng ngoại, các


nhà khoa học đã đề xuất một phương thức phổ biến là Photoplethysmography (PPG).

Phương thức này dựa trên các thay đổi dựa trên các thay đổi đồng bộ khi tim bơm
máu đi các bộ phận trong cơ thể. Thể tích máu trong các động mạch và các mao mạch
thay đổi theo nhịp đập của tim dẫn đến sự thay đổi nhỏ về màu sắc da tại khuôn mặt,

ngón tay và dái tai. Để đo được PPG, ta thường dùng một chiếc máy để kẹp vào đầu

ngón tay vào giữa. Sau đó ta sẽ thu tín hiệu thay đổi của lượng ánh sáng đỏ và ánh
sáng hồng ngoại xuyên qua ngón tay để xác định nhịp tim.


3

Hình 2: Cấu tạo máy đo PPG

Dụng cụ để đo nhịp thở là vòng đàn hồi có các sensor để đo tốc độ phồng lên

xẹp xuống của ngực.

Hình 3: Đo nhịp tim và tốc độ hô hấp

(Nguồn: Máy theo dõi tín hiệu sống sinh học – Internet)
Nhu cầu phát hiện và xử lý tín hiệu sống sinh học để theo dõi sức khỏe là hợp

lý và cần thiết. Có rất nhiều thuật toán liên quan đến việc này. Trong đó, thuật toán


4


đơn giản mang lại hiệu quả là hồi quy tuyến tính (Linear Regression). Ta sẽ áp dụng
và hiện thực thuật toán trên di động.
Mục đích nghiên cứu:

 Đề tài được nghiên cứu nhằm mục đích phát triển trên thiết bị di động

một ứng dụng có thể kiểm tra được tín hiệu sống sinh học của con
người: nhịp tim và nhịp thở.

Đối tượng nghiên cứu:

 Tín hiệu sống sinh học: nhịp thở, nhịp tim.
 Thuật toán xử lý hình ảnh

 Thuật toán hồi quy tuyến tính

 Android và môi trường phát triển ứng dụng trên Android.
Phạm vi nghiên cứu:

 Với khuôn khổ của luận văn, ta có thể nghiên cứu được cơ sở lý thuyết
của thuật toán hồi quy tuyến tính mở rộng và khả năng cài đặt của thuật
toán này. Thiết bị được sử dụng là các thiết bị di động có hệ thống
camera để có thể ghi chuỗi hình ảnh của người được đo. Chuỗi hình

ảnh có thể được lưu trữ dưới dạng video hoặc các dạng khác để phù
hợp với phương pháp xử lý. Các cơ sở lý thuyết sẽ được cài đặt và sử
dụng trên các thiết bị.

 Sau khi phần mềm đã được cài đặt xong, ta sử dụng phần mềm trên một


vài thiết bị di động và kiểm tra, so sánh nhằm rút ra được sai số khi sử
dụng phần mềm.


5

CHƯƠNG 1 – TỔNG QUAN VỀ TÍN HIỆU SỐNG SINH HỌC
1.1.

Khái niệm về tín hiệu sống sinh học của con người

Trong cuộc sống hằng ngày, mỗi cá nhân chúng ta đều phát ra những dấu hiệu

biểu hiện sự sống của mình. Dấu hiệu này đặc trưng cho tình trạng sức khỏe, trạng
thái tinh thần… của một cá thể. Các số liệu đo phản ánh những dấu hiệu này được
gọi là tín hiệu sống sinh học (Vital Physiological Signal – VPS). Thông thường, một
con người có bốn tín hiệu sống sinh học quan trọng:
 Tốc độ mạch đập (Pulse Rate - PR)

 Tốc độ hô hấp (Respiration Rate - RR)

 Nhiệt độ cơ thể (Body Temperature – BT)
 Huyết áp (Blood Pressure – BP)

Trong khuôn khổ của luận văn, ta sẽ phân tích và tìm hiểu chủ yếu trên hai tín

hiệu chính là tốc độ mạch đập và tốc độ hô hấp.

1.1.1. Tín hiệu tỉ lệ mạch đập (PR)


Tỉ lệ mạch đập PR là một số đo của tốc độ tim (Heart Rate – HR). Ta

cũng có thể hiểu PR là số nhịp đập của tim mỗi phút. Khi tim đẩy máu qua

động mạch, động mạch mở rộng và co lại phối hợp với dòng chảy của máu.
Một mạch đập còn có thể chỉ ra những chỉ số sau đây:
 Nhịp tim

 Độ mạnh của mạch đập

Nhịp đập bình thường đối với người lớn khỏe mạnh khoảng từ 60 – 100

nhịp mỗi phút (bpm – beats per minute). Theo nghiên cứu của Tanaka năm
2001, nhịp đập tối đa có liên quan rất chặt chẽ với độ tuổi. Công thức xấp xỉ
được đưa ra như sau:

HRmax = 207 – 0.7 × số tuổi.


6

1.1.2. Tín hiệu tốc độ hô hấp (RR)

Tốc độ hô hấp của một người là số lượng hơi thở của người đó trong

một phút. Tỉ lệ này thường được đo khi một người ở trong trạng thái thư giãn.
Các đo đơn giản nhất là đếm số lần ngực phồng lên xẹp xuống. Tỉ lệ hô hấp có
thể thay đổi khi bị sốt, bệnh hay các tác nhân y tế khác.

Tỉ lệ hô hấp bình thường đối với một người trưởng thành vào khoảng


1.2.

12 – 16 nhịp mỗi phút.

Photoplethysmography (PPG)

Từ photoplethysmography được ghép lại từ “photo” (hình ảnh) và

“plethysmography” (dụng cụ đo sự thay đổi thể tích của một cơ quan hay toàn bộ cơ
thể).

Phương thức này dựa trên các thay đổi dựa trên các thay đổi đồng bộ khi tim

bơm máu đi các bộ phận trong cơ thể. Thể tích máu trong các động mạch và các mao

mạch thay đổi theo nhịp đập của tim dẫn đến sự thay đổi nhỏ về màu sắc da tại khuôn
mặt, ngón tay...

Mục tiêu của ta hiện tại là phát hiện sự thay đổi của tín hiệu sống sinh học dựa

trên các thay đổi rất nhỏ của màu sắc.

1.3.

Các phương thức để theo dõi tín hiệu sống sinh học

Có nhiều phương pháp để đo tín hiệu sống sinh học của một người. Ta có thể

chia ra làm ba loại sau:


1.3.1. Phương pháp theo dõi xâm lấn

Là phương pháp đo trực tiếp xâm nhập vào cơ thể để đo các tín hiệu

sống sinh học như kim dò… Hiện tại các phương pháp này đang được giảm
bớt tần suất sử dụng bởi nó làm cho người bệnh có cảm giác không thoải mái

và gây tổn thương. Một phương pháp điển hình là phương pháp chuẩn đoán
điện cơ (EMG –Electromyography). Người đo sẽ đặt điện cực lên da, sau đó
sẽ điện cực kim để châm vào bắp cơ.


7

Hình 1.1: Phương pháp theo dõi xâm lấn bằng máy cơ

1.3.2. Phương pháp theo dõi không xâm lấn

Là các phương pháp đo không dùng những dụng cụ xâm nhập trực tiếp

vào cơ thể mà dùng các thiết bị theo dõi trên da. Một số những phương thức

mới được đưa ra là theo dõi tín hiệu sống sinh học dùng các sensor dán trên

da. Các sensor này có thể có dây nối hoặc không có dây nối. Tín hiệu từ đây
sẽ được truyền về và xử lý để trả ra được. Các dụng cụ đo phổ biến đã được
đề cập ở phần mở đầu của luận văn.

Ngoài ra người ta còn dùng camera để dõi tín hiệu sống sinh học. Theo


1.4.

dõi dựa trên camera là phương thức được cho là có thể thực hiện được.

Các hệ thống không gian màu sắc

Để theo dõi sự thay đổi màu sắc, ta cần hiểu được đặc điểm hai hệ thống không

gian màu sắc quen thuộc: RGB và HSV

1.4.1. RGB (Red, green and blue)

RGB là hệ thống không gian màu sắc được sử dụng phổ biến nhất. Một

điểm ảnh trong không gian RGB được thể hiện bởi sự kết hợp giữa ba màu đỏ,

xanh lá cây và xanh dương hay còn gọi là một bộ ba gắn kết (r, g, b) với từng
giá trị nằm trong đoạn từ 0 đến một giá trị lớn nhất được định nghĩa. Trong
máy tính, giá trị này được lưu dưới dạng một số tự nhiên trong khoảng từ 0
đến 255.


8

1.4.2. HSV (Hue, saturation and value)

HSV là một hệ thống không gian màu sắc khác được sử dụng để hiển

thị màu sắc. Một điển ảnh trong không gian được thể hiện bởi sự kết hợp ba

tính chất:

 Hue (màu sắc): mô tả theo số đo góc.
 Saturation (độ đậm nhạt)
 Value (độ sáng tối)

HSV có thể được chuyển đổi từ không gian màu RGB theo công thức

như sau:

= max( , , )

=

=

− min( , , )

0
60( − )
− min( , ,
60( −
120 +
− min( ,
60( −
240 +
− min( ,

, ế


≠0

, ế
=
)
)
, ế
=
, )
)
, ế
=
, )

Hình 1.1: Mô tả hệ thống không gian màu RGB và HSV


9

CHƯƠNG 2 – CÁC PHƯƠNG PHÁP ĐO

TÍN HIỆU SỐNG SINH HỌC KHÔNG XÂM LẤN
VÀ MÔ HÌNH HỒI QUY TUYẾN TÍNH

2.1.

Phương pháp theo dõi dùng camera

Phương pháp theo dõi tín hiệu sinh học sử dụng camera là một phương pháp


tiếp cận mới, giúp ta giảm thiểu chi phí và sự khó chịu của người được theo dõi.

2.1.1. Dùng camera kết nối với máy tính

Hệ thống đo bao gồm một máy tính dùng để thu tín hiệu hình ảnh đưa

về từ một camera. Để hỗ trợ thu nhận hình ảnh tốt hơn, ta sử dụng đèn chiếu
sáng đặt phía trước người được đo [10], [11], [12], [13], [14], [15].
Đèn chiếu sáng

Camera

Người dùng

Máy tính

Hình 2.1: Hệ thống theo dõi tín hiệu sống sinh học trên hệ thống máy tính có camera

Hệ thống này dựa trên sự thay đổi màu da khi tim co bóp để đưa máu

đi khắp cơ thể. Mắt thường không thể thấy được sự thay đổi màu sắc trên.
Chính vì vậy, các nhà khoa học đã dùng camera thu hình ảnh và phóng đại sự

thay đổi trên để có thể xác định số đo của tín hiệu sống sinh học (nhịp tim,
nhịp thở…)

Với máy tính, hệ thống có thể được trang bị các camera chuyên dụng

với độ phân giải cao nhằm thu được tín hiệu thay đổi màu sắc một cách tốt
nhất. Đây là ưu điểm của hệ thống. Tuy nhiên, do sử dụng máy tính nên hệ


thống khá cồng kềnh, khó di chuyển. Chi phí để trang bị các thiết bị ngoại vi


10

cũng khá lớn. Hệ thống chỉ thích hợp triển khai ở các phòng thí nghiệm, các
bệnh viện, phòng khám; không thích hợp cho người dùng cá nhân tại nhà.

2.1.2. Dùng điện thoại thông minh

Hệ thống chỉ gồm một điện thoại di động thông minh có camera tương

đối tốt dùng để thu tính hiệu hình ảnh và xử lý.

Người dùng
Smartphone có hỗ trợ camera

Hình 2.2: Hệ thống nhận dạng sử dụng di động thông minh

So với hệ thống dùng máy tính, hệ thống dựa trên thiết bị di động thông

minh có ưu điểm tiết kiệm chi phí và độ di động lớn [16]. Vì vậy, đây là xu
hướng phát triển phù hợp với người dùng là các cá nhân, sử dụng mọi nơi, mọi
lúc.

2.2.

Trích chọn đặc trưng


Để có thể nhận diện được vùng vai từ khuôn mặt, ta cần các bộ dữ liệu khuôn

mặt người được huấn luyện từ trước. Sau đây, ta sẽ tìm hiểu kĩ hơn về vấn đề này.

2.2.1. Các bộ phân lớp kết hợp (Cascade Classifiers)

Các bộ phân lớp kết hợp được dùng để nhận diện một đối tượng; bao

gồm một bộ phân loại. Bộ này được “huấn luyện” bằng cách cung cấp hàng
nghìn mẫu thử hình dáng, kích thước, tính chất của đối tượng cần nhận diện
(ví dụ như khuôn mặt, đôi mắt…). Những mẫu thử gồm các mẫu khẳng định

(positive examples) được tỉ lệ hóa theo cùng một kích thước và những mẫu
phủ định (negative examples) – các hình tùy ý với cùng một kích thước.


11

Sau khi một bộ phân loại đã được “dạy” xong, nó có thể được dùng để

nhận diện và theo dõi đối tượng trên hình được cung cấp.

OpenCV là một thư viện cung cấp cho ta các bộ phân lớp kết hợp để có

thể nhận diện được một đối tượng một cách dễ dàng. Hai bộ phân lớp điển
hình được OpenCV cung cấp là Haar Cascades và LBP Cascades.

2.2.2. Haar Cascades

Đây là một trong những thuật toán đầu tiên giúp nhận dạng khuôn mặt


theo thời gian thực, được phát triển bởi Viola và Jones. Thuật toán dựa trên sự

giống nhau cơ bản trên cấu trúc của khuôn mặt người với các đặc điểm của
mắt, mũi, miệng, cằm…

Đầu tiên, ta huấn luyện để xây dựng một bộ phân loại với các hình

khẳng định (có chứa khuôn mặt) và hình phủ định (không có khuôn mặt nào).

Sau đó, ta đưa ra các điểm đặc trưng từ những hình đã cung cấp sử dụng các
hạt đặc trưng sau:

Hình 2.3: Các hạt đặc trưng cho Haar Cascades

(Nguồn: Các đặc trưng cho Haar Cascades – Internet)

Giá trị đặc trưng được tính bằng cách lấy hiệu của các điểm ảnh màu

trắng trong hình chữ nhật màu trắng và tổng các điểm ảnh màu đen trong hình
chữ nhật màu đen. Ta trượt các hạt đặc trưng trên toàn hình ảnh và tính toán

giá trị đặc trưng. Nếu giá trị lớn hơn một ngưỡng nào đó do ta định nghĩa khi


12

huấn luyện thì ta đã tìm được sự thích hợp (nhận dạng được đối tượng) và
ngược lại.


Việc huấn luyện mỗi khi sử dụng sẽ ảnh hưởng rất lớn đến hiệu suất

hoạt động. Vì vậy ta sử dụng các bộ phân loại do OpenCV đã huấn luyện từ
trước để giảm thiểu thời gian huấn luyện.

2.2.3. LBP (Local Binary Patterns) Cascades

Các bộ phân loại nhị phân cục bộ là một dạng khác của bộ phân lớp kết

hợp được sử dụng rộng rãi trong thị giác máy tính. So với Haar Cascades, LBP
khai thác việc xử lý với các giá trị nguyên hơn là các giá trị số thực. Do đó,

quá trình huấn luyện và kiểm thử đều nhanh hơn. Do đó, người phát triển

thường dùng nó để cài đặt cho các ứng dụng nhúng. LBP còn có thể chịu đc
sự thay đổi của độ sáng.

LBP tính toán dự trên một vectơ đặc trưng 8 bit nhị phân được tạo ra

cho mỗi điểm ảnh trong hình bằng cách xét 8 điểm ảnh lân cận xung quanh
(phía trên bên trái, phía trên bên phải, bên trái, bên phải, phía dưới bên trái,

phía dưới bên phải, phía trên và phía dưới). Giá trị thành phần tương ứng với
điểm ảnh xung quanh của vectơ sẽ được gán giá trị 1 nếu giá trị điểm ảnh xung

quanh lớn hơn giá trị của điểm ảnh trung tâm. Trương hợp ngược lại thì được

gán giá trị 0. Vectơ đặc trưng 8 bit nhị phân được xem như một số nhị phân

(sau đó sẽ được chuyển đổi sang hệ thập phân) và được sử dụng là giá trị thập

phân cho mỗi điểm ảnh.

Hình 2.4: Ví dụ về vectơ đặc trưng của LBP Cascades

(Nguồn: Các đặc trưng cho LBP Cascades – Internet)


13

Một điểm hạn chế cho LBP Cascades là độ chính xác kém hơn Haar

Cascades. Do vậy, tùy trường hợp mà ta chọn Cascades Classifier cho thích
hợp.

2.3.

Mô hình hồi quy tuyến tính (Linear Regresion Model)
Cho một tập dữ liệu

,

,…,

với n đơn vị thông kê. Một mô hình

hồi quy tuyến tính phát biểu rằng tồn tại một quan hệ tuyến tính giữ biến phụ thuộc

yi và p vector của các biến hồi quy xi. Quan hệ này được mô hình hóa thông qua một
giới hạn gây nhiễu hoặc là một biến sai lầm ngẫu nhiên


. Biến này thể hiện độ nhiễu

của quan hệ tuyến tính giữa biến phụ thuộc và các biến hồi quy. Ta được công thức
thể hiện mối liên quan:
=

Trong đó,




+ ⋯+

+

=

+

với i = 1, …, n

là ma trận chuyển vị

được gọi là hệ số hồi quy

là tích nội của ma trận (vector)

và

Gộp gọn n đẳng thức và biểu diễn dưới dạng vector, ta được:

=

Trong đó,

=

=

⋮

=

=

+

⋮
⋮

⋮

;
⋯
⋯
⋱
⋯
;

⋮


;


14

=

2.4.

⋮

Phương pháp áp dụng mô hình hồi quy tuyến tính trong theo dõi
tín hiệu sống sinh học

Mô hình hồi quy tuyến tính được ứng dụng để làm mượt các tín hiệu thu được

từ sự thay đổi màu sắc của đầu ngón tay. Cụ thể, ta dùng hồi quy tuyến tính để tìm ra
được các hệ số của đa thức bậc n (với n do ta lựa chọn). Các hệ số này tạo thành một
vector β.

2.4.1. Phương pháp đo nhịp tim

Đầu vào: Dữ liệu hình ảnh đầu ngón tay bằng cách áp sát tay vào

camera có tích hợp đèn flash đã bật.

 Bước 1: Phân chia một ảnh thu được thành các phân vùng bằng
nhau (trong luận văn này xin được chia thành 20 phần bằng nhau).

Hình 2.5: Lấy dữ liệu hình ảnh dùng camera áp vào đầu ngón tay


 Bước 2: Tìm mean theo thời gian thực của các vùng. Sau đó, dùng
variance của từng vùng để tìm ra vùng có thay đổi nhiều nhất