Giới thiệu tài liệu
Đề án này tập trung vào việc phát triển một hệ thống phát hiện vận động bất thường (VĐBT) sử dụng học máy, đặc biệt là các phương pháp học sâu. Mục tiêu là nâng cao khả năng nhận diện các hành vi bất thường như ngã, đứng yên, ngồi xuống, đứng lên và đi bộ. Hệ thống được xây dựng dựa trên mô hình CNN và triển khai trên các thiết bị phần cứng nhỏ gọn như vi điều khiển ESP32-S3 thông qua nền tảng TinyML.
Đối tượng sử dụng
sinh viên, nhà nghiên cứu, kỹ sư
Nội dung tóm tắt
Đề án nghiên cứu về ứng dụng học máy để phát hiện vận động bất thường (VĐBT), một vấn đề ngày càng trở nên quan trọng trong bối cảnh xã hội già hóa và nhu cầu chăm sóc sức khỏe tăng cao. Đề tài tập trung vào việc xây dựng một hệ thống có khả năng nhận biết và cảnh báo các hành vi bất thường như ngã, trượt chân, hoặc các tình huống nguy hiểm khác, đặc biệt là ở người cao tuổi. Hệ thống sử dụng các cảm biến quán tính (gia tốc kế và con quay hồi chuyển) để thu thập dữ liệu về chuyển động của người dùng, sau đó áp dụng các thuật toán học máy, đặc biệt là mạng nơ-ron tích chập (CNN) và các kỹ thuật tối ưu hóa TinyML, để phân tích và nhận diện các mẫu hành vi bất thường. Mục tiêu là tạo ra một giải pháp nhỏ gọn, tiết kiệm năng lượng, có thể triển khai trên các thiết bị đeo thông minh hoặc các nút IoT, giúp theo dõi và cảnh báo người dùng một cách liên tục và hiệu quả. Đề án cũng đề xuất các phương pháp tiền xử lý dữ liệu, trích chọn đặc trưng, và huấn luyện mô hình để đạt được độ chính xác cao trong việc phát hiện VĐBT. Các kết quả thử nghiệm cho thấy hệ thống đạt được độ chính xác, độ nhạy và F1-score cao, chứng minh tính khả thi và hiệu quả của phương pháp tiếp cận này trong việc cải thiện chất lượng cuộc sống và đảm bảo an toàn cho người cao tuổi.
