Sáng chế công nghệ cảnh báo ngã, hỗ trợ chăm sóc sức khỏe người cao tuổi

• Ra mắt nền tảng trí tuệ nhân tạo toàn diện cung cấp dịch vụ tài chính công
• Cảnh giác với những bẫy lừa sử dụng trí tuệ nhân tạo

Điều đáng nói là với hệ thống này, không chỉ các gia đình dễ dàng lắp đặt sử dụng trong, mà các bệnh viện hoặc cơ sở chăm sóc người cao tuổi cũng có thể sử dụng để hỗ trợ các bác sĩ, y tá theo dõi chăm sóc cho người cao tuổi.

Hệ thống này được bắt đầu từ thực trạng Việt Nam đang ở giai đoạn già hóa dân số, với tỉ trọng và số lượng người cao tuổi ngày càng tăng, thuộc top đầu thế giới. Điều này đặt ra những thách thức lớn cho Việt Nam trong việc thích ứng với già hóa dân số, trong đó bao gồm việc chăm sóc sức khỏe người cao tuổi. Gần 30% người cao tuổi sống một mình hoặc chỉ sống cùng vợ/chồng cũng là người cao tuổi hoặc cháu dưới 10 tuổi. Dự báo, năm 2049 có khoảng 10 triệu người cao tuổi có nhu cầu hỗ trợ. Trong khi đó, tai nạn, đặc biệt là ngã gãy xương, rất phổ biến và là một trong 5 nguyên nhân gây tử vong ở người cao tuổi. Theo WHO mỗi năm có khoảng 28-35% người trên 65 tuổi bị ngã, ảnh hưởng đến sức khỏe và tỷ lệ này là 32-42% ở nhóm người trên 70 tuổi. Người già gặp rất nhiều nguy hiểm khi đột quỵ hoặc té ngã mà không được phát hiện kịp thời.

Trước tình hình này, nhóm nghiên cứu của PGS.TS Lê Thanh Hà ở Trường Đại học Công nghệ, ĐHQGHN đã tập trung phát triển một thuật toán phân tích hình ảnh camera giúp tự động giám sát và phát hiện người ngã, từ đó lập tức đưa ra tín hiệu báo động đến một ứng dụng để người giám hộ kịp thời cấp cứu.

Có ba cách tiếp cận chính khi phát hiện ngã dựa trên hình ảnh là: sử dụng hình ảnh từ một camera duy nhất, phân tích 3D dựa trên nhiều camera, và phân tích 3D dựa trên nhiều camera kết hợp cảm biến đo khoảng cách.

Với mục tiêu phải tạo ra một hệ thống phổ biến nhất với bối cảnh Việt Nam, các tác giả đã lựa chọn cách tiếp cận đầu tiên là dùng dữ liệu chỉ từ một máy quay camera, cho dù nếu sử dụng nhiều camera kết hợp cảm biến sẽ cho ra kết quả tốt hơn, nhưng phương án này khó khả thi khi triển khai với số lượng lớn.

Theo PGS.TS Lê Thanh Hà, nhóm chỉ sử dụng một camera thông thường Full HD 1080P gắn với một bộ máy tính bo mạch cấu hình thấp Raspberry Pi có kích thước chỉ bằng một tấm thẻ và chi phí khá thấp, chỉ vài trăm ngàn đồng để thu thập và xử lý dữ liệu ngay trên thiết bị. Trong môi trường ánh sáng tốt, kết quả thử nghiệm với bộ dữ liệu chuẩn gồm 50 mẫu video với nhiều điều kiện ngã khác nhau cho độ chính xác khoảng 90%"

Bài toán phân tích hình ảnh phát hiện người ngã thường có khối lượng tính toán lớn và phức tạp, do vậy nhóm nghiên cứu phải tìm ra những kỹ thuật “đủ đơn giản nhưng thông minh” để tối ưu hóa tính toán trên chính các thiết bị đầu cuối cấu hình thấp mà không phải phụ thuộc vào một hệ thống tính toán hiệu năng cao bên ngoài.

Theo nhóm nghiên cứu, điều này giống như thiết kế một mạng lưới phân tán. Mỗi bộ Raspberry gắn với camera sẽ tự xử lý hình ảnh của mình rồi gửi tín hiệu đi nếu có người ngã. Ngược lại, nếu xây dựng hệ thống tập trung thì sẽ đòi hỏi một hệ thống tính toán cực kì cồng kềnh và tốn nhiều năng lượng. Đó là điều nhóm nghiên cứu không muốn hướng đến. 

Với các ảnh liên tiếp nhau, về cơ bản đối tượng trong ảnh phần lớn giống nhau (trừ tình huống chuyển cảnh), chỉ khác nhau do vị trí của nó bị xê dịch. Do vậy khi phân tích, nhóm nghiên cứu của PGS.TS Lê Thanh Hà đã sử dụng kỹ thuật vector motion – tức là tách những vùng chuyển động so với “nền”, gọi là vector, và phân tích các đặc trưng về chuyển động và hình dáng cơ thể.

Nhìn chung, tai nạn ngã xảy ra trong thời gian ngắn từ 0,45 đến 0,85 giây trong đó người bị ngã thay đổi rất nhiều về tư thế và hình dạng. Những thay đổi đột ngột này rất quan trọng để xác định xem liệu cú ngã có xảy ra hay không. 

Nhờ thiết lập các đường elip bao quanh đối tượng và xem xét lịch sử chuyển động của đối tượng trên nhiều khung hình liên tiếp, thuật toán sẽ phát hiện những thay đôi về di chuyển và góc của hình elip trong suốt quá trình trước, trong và sau khi ngã nhằm phát hiện tai nạn. Các kĩ thuật xử lý nhiều khung hình song song cũng được áp dụng nhằm tăng tốc độ tính toán, đáp ứng thời gian thực.

Mặc dù các kỹ thuật vector motion đã được sử dụng tương đối nhiều trong việc nén truyền video, tuy nhiên trong nghiên cứu này, các nhà khoa học đã phát triển nó nhằm ứng dụng cho một mục đích cụ thể là phát hiện người ngã. Họ đã thiết lập được những ngưỡng giá trị (về thời gian, chiều cao, góc nghiêng, số lượng điểm ảnh …) phù hợp cho các đặc trưng chuyển động và hình dạng người ngã.

Tuy nhiên, đại diện nhóm nghiên cứu cũng lưu ý điểm hạn chế của hệ thống là khó hoạt động trong điều kiện thiếu sáng, đặc biệt vào buổi tối. Trong 3 năm qua, các kĩ thuật tính toán đã được cải thiện đáng kể nhờ những nỗ lực phát triển học máy đang diễn ra trên toàn cầu. Do vậy, PGS.TS Lê Thanh Hà cho biết họ sẵn sàng hợp tác và cải tiến kết quả prototype.

Việc thương mại hóa hệ thống này đầy tiềm năng khi PGS.TS Lê Thanh Hà cho biết trong quá trình nghiên cứu, một số doanh nghiệp Nhật Bản đã bày tỏ sự quan tâm đến công nghệ hỗ trợ chăm sóc sức khỏe người cao tuổi này. Ngay trong đầu tháng 12/2020, nhóm nghiên cứu đang cùng một tập đoàn công nghệ trong nước thỏa thuận về việc chuyển giao quyền sử dụng sáng chế.