Nhận dạng hoạt động của người bằng điện thoại thông minh

Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 33 - 
Nhận dạng hoạt động của người bằng điện thoại 
thông minh 
Human Activity Recognition Using Smart Phones 
Nguyễn Thắng Ngọc, Phạm Văn Cường 
Abstract: In this paper we propose a method and 
system for recognizing everyday human activities by 
utilizing the acceleration sensing data from the 
accelerometer instrumented in smart phones. In our 
method, human activities are recognized in four steps: 
data processing, data segmentation, feature 
extraction, and classification. We rigorously 
experimented on a dataset consisting of 6 everyday 
activities collected from 17 users using several 
machine learning algorithms, including support vector 
machine, Naïve Bayesian networks, k-Nearest 
Neighbors, Decision Tree C4.5, Rule Induction, and 
Neutral networks. The best accuracies are achieved by 
Decision Tree C4.5 that demonstrates the human 
activities can be distinguished with 82% precision and 
83% recall under the leave-one-subject out evaluation 
protocol. These results have shown the feasibility of 
smart phone based real-time activity recognition. In 
addition, the proposed method based on Decision Tree 
has been deployed on Samsung smart phones and is 
able to recognize 6 human activities in real-time. 
Keywords: Activity Recognition, Feature 
Extraction, Mobile Device, Accelerometer, Machine 
Learning. 
I. GIỚI THIỆU 
Tự động nhận dạng hoạt động của người (human 
activity recognition – HAR) đang thu hút được sự 
quan tâm của cộng đồng nghiên cứu vì có nhiều ứng 
dụng thực tế như: trợ giúp chăm sóc sức khỏe [1], trợ 
giúp theo dõi chế độ ăn kiêng (dietary monitoring) [2], 
ước lượng lượng calorie tiêu thụ ở người (energy 
expenditure estimation) [3] v.v.. Mặc dù các nghiên 
cứu về nhận dạng hoạt động của người đã và đang đạt 
được những kết quả đáng kể, nhưng phần lớn các 
nghiên cứu này đã phát triển và triển khai các phương 
pháp nhận dạng trên máy tính cá nhân. Điều này làm 
hạn chế giới hạn không gian thực hiện các hoạt động 
của người (không quá xa để dữ liệu cảm biến có thể 
kết nối được với máy tính) khiến cho việc thực hiện 
nhận dạng của người bị giới hạn trong một phòng [12], 
trong một ngôi nhà [4,15,17,20] hay trong bếp 
[2,11,13,16]. Trong khi đó khả năng tính toán và số 
lượng [5] của các điện thoại thông minh ngày càng 
được nâng cao với sự tích hợp của các bộ vi xử lý đa 
nhân (multicore processors), bộ nhớ đệm và các bộ 
cảm biến như cảm biến gia tốc, cảm biến nhiệt, cảm 
biến định vị v.v.. Những tài nguyên tính toán này có 
thể sẽ cho phép chúng ta triển khai và thử nghiệm các 
phương pháp học máy và nhận dạng thích hợp trên 
điện thoại thông minh. Nếu được như vậy thì các hoạt 
động hàng ngày của người có thể được nhận dạng mọi 
nơi, mọi lúc. 
Các nghiên cứu trước đây tiếp cận bài toán nhận 
dạng hoạt động của người theo ba phương pháp: phân 
tích hình ảnh hoạt động của người bằng camera hay 
còn gọi thị giác máy (computer vision), phân tích dữ 
liệu cảm biến từ các bộ cảm biến được tích hợp vào 
môi trường hoặc vật dụng (pervasive sensing) và phân 
tích dữ liệu cảm biến từ các bộ cảm biến được đeo trên 
người (wearable sensing). Trong cách tiếp cận bằng 
thị giác máy [11,12], hình ảnh từ camera được tiến 
hành tiền xử lý, trích chọn các đặc trưng và phân loại. 
[11] nhận dạng các đối tượng (vật dụng, thức ăn) và đề 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 34 - 
xuất một mạng Bayes để suy diễn các hoạt đông nấu 
nướng, trong khi [12] đề xuất một biến thể của mô 
hình Markov ẩn được huấn luyện từ các đặc trưng (tư 
thế của người) để suy diễn hoạt động. Việc sử dụng 
camera để nhận dạng hoạt động thường yêu cầu các 
hoạt động của người bị giới hạn trong không gian hẹp. 
Hơn nữa, hiệu suất nhận dạng thường chịu ảnh hướng 
bởi các yếu tố từ môi trường như: ánh sáng, hình ảnh 
bị che khuất v.v.. Trong khi đó thì cách tiếp cận cảm 
biến tỏa khắp (pervasive sensing) sử dụng các bộ cảm 
biến được tích hợp vào môi trường [4,15,16,17,18] 
hoặc tích hợp vào vật dụng [2,13,16] khắc phục được 
nhược điểm này. Tuy nhiên cách tiếp cận bằng cảm 
biến tỏa khắp thường yêu cầu sử dụng nhiều bộ cảm 
biến khiến chi phí khá cao và yêu cầu môi trường phải 
được thiết lập trước chẳng hạn như phải đặt bộ cảm 
biến vào môi trường trước khi con người thực hiện các 
hoạt động. Ngược lại, sử dụng cảm biến đeo trên 
người [8,9,10,18] có thể nhận dạng hoạt động của 
người trong phạm vi rộng hơn (như tòa nhà) mà không 
cần phải sử dụng nhiều bộ cảm biến và thiết lập môi 
trường trước (pre-setting). Chẳng hạn, một trong 
những nghiên cứu trước đây của chúng tôi [18] chỉ sử 
dụng 2 Wii Remotes, một loại thiết bị có chi phí khá 
thấp (25$) thường được sử dụng trong các trò chơi 
tương tác, đeo ở thắt lưng và tay để nhận dạng 14 hoạt 
động hàng ngày của người với độ chính xác 
(precision) và độ bao phủ (recall) tới hơn 90%. Khác 
với điện thoại là thiết bị có thể được mang theo người 
mọi nơi, mọi lúc, Wii khá cồng kềnh và chưa phù hợp 
để đeo cả ngày trên người. Hơn nữa, chương trình 
phân tích dữ liệu cảm biến và thuật toán nhận dạng 
(mô hình Markov ẩn) trong nghiên cứu [18] được triển 
khai trên máy tính cá nhân nên cần được cải tiến cho 
phù hợp khi triển khai trên thiết bị di động. 
Một số ít các nghiên cứu trước đây đã nghiên cứu 
triển khai phương pháp và hệ thống nhận dạng hoạt 
động của người trên điện thoại thông minh [6,7]. Các 
nghiên cứu này thường có hai điểm hạn chế là: tập dữ 
liệu thử nghiệm thường không lớn và các phương pháp 
nhận dạng đề xuất chưa phù hợp cho nhận dạng các 
hoạt động của người trong ngữ cảnh thời gian thực. Ví 
dụ như Jennifer và các cộng sự [6] đã đề xuất một 
phương pháp nhận dạng để nhận dạng 6 hoạt động: đi 
bộ, chạy tại chỗ, đi lên cầu thang, đi xuống cầu thang, 
ngồi và đứng. Các mẫu dữ liệu thu thập từ các điện 
thoại thông minh Nexus One, HTC Hero và Motorola 
back-flip được trích chọn các đặc trưng. Những đặc 
trưng này được sử dụng để huấn luyện và kiểm thử 
một số bộ phân loại từ Weka [21]. Kết quả cho thấy bộ 
phân loại perceptron đa lớp (multi-layer perceptron) 
cho kết quả cao nhất với độ chính xác 91.7%. Hạn chế 
chính của nghiên cứu này là thời gian huấn luyện và 
nhận dạng của mạng perceptron đa lớp thường chậm 
trong các trường hợp số lớp và số lượng nút mạng 
trong từng lớp tăng. Điều này không phù hợp cho việc 
nhận dạng hoạt động trong thời gian thực. Một nghiên 
cứu khác [7] đề xuất thuật toán hỗ trợ máy véc tơ đa 
lớp (multi-class support vector machine) để nhận dạng 
6 hoạt động: đi bộ, đi lên cầu thang, đi xuống cầu 
thang, nằm xuống, ngồi và đứng. Mặc dù đạt được độ 
chính xác trung bình là 89% nhưng [7] cũng chưa phù 
hợp cho nhận dạng hoạt động của người trong thời 
gian thực. Bởi vì hoạt động tự nhiên của người không 
bị giới hạn chỉ trong 6 hoạt động trên trong khi bất cứ 
hoạt động nào của người thì sẽ được hệ thống [6,7] 
phân loại là một trong sáu hoạt động mà họ đã thử 
nghiệm. 
Trong nghiên cứu này, chúng tôi đề xuất một phương 
pháp nhận dạng hoạt động của người trên điện thoại 
thông minh được kế thừa từ nghiên cứu trước đây của 
chúng tôi [18]. Đây là phương pháp có khả năng nhận 
dạng các hoạt động của người trong thời gian thực bao 
gồm cả những hoạt động chưa được gán nhãn khi huấn 
luyện (unknown activities hay other activities). Nhưng 
khác với [18], chúng tôi đề xuất một tập các đặc trưng 
mới phù hợp với vị trí và cấu hình của cảm biến gia 
tốc trong các điện thoại thông minh hiện nay và tiến 
hành thử nghiệm các đặc trưng này trên 6 thuật toán 
khác nhau và so sánh các kết quả. Trong đó, thuật toán 
cho kết quả tốt nhất sẽ được cài đặt (implementation) 
trên điện thoại thông minh để nhận dạng các hoạt động 
của người trong thời gian thực. 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 35 - 
Hình 1. Điện thoại Samsung Galaxy Note 2 (trái) và vị trí 
đặt điện thoại (phải) 
II. PHƯƠNG PHÁP NHẬN DẠNG HOẠT ĐỘNG 
CỦA NGƯỜI 
 Trong phần này chúng tôi trình bày các bước nhận 
dạng hoạt động của người, bao gồm: tiền xử lý dữ liệu 
(pre-processing), phân đoạn dữ liệu (segmentation), 
trích chọn các đặc trưng (feature extraction), và phân 
loại (classification). Phần này kết thúc bằng trình bày 
về quá trình triển khai (implementation) thuật toán cho 
nhận dạng hoạt động của người trong thời gian thực. 
II.1. Tiền xử lý dữ liệu 
Do dữ liệu cảm biến thường chứa nhiễu (noise). 
Trong trường hợp lý tưởng khi hoạt động ở tần số 100 
Hz thì ta sẽ thu được 100 mẫu từ cảm biến gia tốc 
trong 1 giây. Trên thực tế, vì nhiều lý do ảnh hưởng 
bởi môi trường hoặc chính thiết bị nên số mẫu thu 
được có thể ít hơn 100 mẫu trong một giây. Trong 
trường hợp này chúng tôi sử dụng kỹ thuật nội suy 
Spline [19] để tái tạo (resampling) các mẫu đã mất do 
nhiễu. Ngoài ra, giá trị cảm biến có thể biến đổi bất 
thường (abnormal) quá cao hoặc quá thấp (có thể do 
va đập hay do chuyển động bất thường của người) thì 
chúng tôi áp dụng kỹ thuật lọc dải thông cao (high-
pass filtering [22]) để loại bỏ giá trị cảm biến cao bất 
thường và kỹ thuật lọc dải thông thấp (low-pass 
filtering [22]) để loại bỏ giá trị cảm biến thấp bất 
thường. 
II.2. Phân đoạn dữ liệu 
Dòng dữ liệu cảm biến biến đổi liên tục theo thời 
gian với tần số 100 mẫu/giây. Để nhận dạng các hoạt 
động của người trong một khoảng thời gian xác định 
thì dòng dữ liệu này phải được phân đoạn thành các 
cửa sổ trượt (sliding windows). Các nghiên cứu [8, 
13,18] đã chỉ ra rằng kích thước của cửa số trượt ảnh 
hưởng đáng kể đến độ chính xác nhận dạng của thuật 
toán học máy. Tùy theo ứng dụng mà ta có thể lựa 
chọn độ dài cửa sổ trượt sao cho phù hợp. Chẳng hạn 
[8] chọn cửa sổ trượt có độ dài 4,3 giây để nhận dạng 
các hoạt động như lau nhà (cleaning), đạp xe 
(cycling) trong khi [13] lựa chọn cửa số trượt với độ 
dài 1,5 giây để nhận dạng các hoạt động nấu nướng 
như thái (chopping), trộn thức ăn (stirring) v.v. Trong 
nghiên cứu này, chúng tôi lựa chọn cửa sổ trượt có độ 
dài là 2 giây với thời gian chồng lấn giữa 2 cửa sổ 
trượt kế tiếp nhau là 1 giây (50% overlapping). Việc 
lựa chọn này dựa trên kết quả một thực nghiệm kiểm 
tra chéo 4 lần (4-fold cross validation) trên một tập dữ 
liệu con (subset) đối với các cửa sổ có kích thước: 1 
giây (độ chính xác 73,4%), 1,5 giây (độ chính xác: 
75,1%), 2 giây (độ chính xác: 78,3%), và 3 giây (độ 
chính xác: 77,9%). Như vậy khi hệ thống chạy trong 
thời gian thực thì kết quả nhận dạng sẽ được trả về sau 
1 giây. Việc lựa chọn độ dài cửa sổ như vậy là hợp lý 
vì trong các hoạt động mà chúng tôi nhận dạng có một 
số hoạt động diễn ra trong khoảng thời gian tương đối 
ngắn như: nhảy (jumping) và ngồi xuống (sitting). Hơn 
nữa, với cửa sổ trượt là 2 giây hệ thống nhận dạng sẽ 
tránh được trì hoãn khi thực hiện nhận dạng các hoạt 
động trong thời gian thực. 
II.3. Trích chọn các đặc trưng 
 Lựa chọn ra các đặc trưng là công việc quan trọng 
cần được tiến hành trước khi huấn luyện các mô hình 
học máy. Với các thuật toán học máy được triển khai 
trên thiết bị di động thì việc trích chọn các đặc trưng 
còn bị ràng buộc bởi tài nguyên tính toán hạn chế. 
Chính vì vậy, trong số các đặc trưng được trích chọn 
trong nghiên cứu này, có một số đặc trưng được kế 
thừa từ nghiên cứu [23]. Với mỗi cửa sổ trượt với độ 
dài 2 giây chứa 200 mẫu dữ liệu (sau pha tiền xử lý), 
chúng tôi trích chọn ra 6 đặc trưng. 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 36 - 
 Trước hết, hai tín hiệu bất biến với độ nghiêng (tilt 
invariant) từ tín hiệu gia tốc 3 chiều tại thời điểm t 
được tính như sau: 
0a (t) = [a0x(t), a0y(t), a0z(t)] (1) 
 Vec tơ độ nghiêng được tính bằng trung bình 
cộng của các giá trị 0(t) trên N mẫu với N là số mẫu 
trong một cửa sổ trượt (N=200). 
 (2) 
 Sau đó các góc nghiêng (tilt angles) θ1 và θ2 được 
tính bằng đẳng thức sau: 
 (3) 
 (4) 
 Véc tơ gia tốc bù độ nghiêng (tilt compensated 
acceleration vector) là: 
 (5) 
Véc tơ gia tốc trọng trường và bù độ nghiêng tức thời: 
 (6) 
Để loại bỏ các nhiễu do việc xoay (orientation) cảm 
biến gia tốc (do hướng điện thoại có thể bị thay đổi khi 
đang thực hiện hoạt động) thì giá trị x và y được xem 
như là 2 thành phần (thực và ảo) của một số phức. Đặc 
trưng được trích chọn từ hai tín hiệu gia tốc theo chiều 
dọc và cường độ tín hiệu gia tốc 
theo chiều ngang: 
 (7) 
Hai đặc trưng đầu tiên được trích chọn là: 
- Năng lượng gia tốc theo chiều dọc (vertical 
accelerometer energy: VE): 
 (8) 
- Năng lượng gia tốc theo chiều ngang (horizontal 
accelerometer energy: HE): 
 (9) 
Bốn đặc trưng còn lại là: 
 Hjorth chuyển động (Hjorth mobility: HM) [23]: 
mô tả các đường cong hình dạng (curve) của chuyển 
động bằng việc tính trung bình các độ dốc tương đối 
(relative slope). Công thức tính HM như sau: 
 HM=
))(var(
))(var(
tx
tx
dt
dy
 (10) 
 Trong đó, mẫu số dưới căn bậc 2 var(x(t)) là biến 
trạng (variance) của tín hiệu cảm biến theo chiều x 
theo thời gian t, còn tử số là đạo hàm bậc 1 của 
var(x(t)). 
 Hjorth phức hợp (Hjorth complexity: HC) [23]: là 
tỉ số giữa đạo hàm bậc nhất của tín hiệu chuyển động 
và tín hiệu khi đứng yên. Công thức tính HC như sau: 
 HC = 
))((
))((
txHM
dt
dx
txHM
 (11) 
 Các đặc trưng HM và HC được áp dụng cho dữ liệu 
cảm biến gia tốc theo cả chiều dọc (Vertical Hjorth 
mobility: VM) và chiều ngang. Do đó, ta có tổng số 6 
đặc trưng được trích chọn trong mỗi cửa sổ trượt. 
II.4. Các thuật toán phân loại 
 Các véc tơ đặc trưng sau khi được trích chọn từ các 
cửa sổ trượt sẽ được sử dụng để huấn luyện các bộ 
phân loại: máy véc tơ hỗ trợ (support vector machine: 
SVM), mạng Bayes đơn giản (Naïve Bayes), k láng 
giềng gần nhất (k-Nearest neighbors), cây quyết định 
(Decition Tree C4.5), suy diễn dựa trên luật (Rule 
Induction), mạng nơ ron (Neural network). Trong đó 
bộ phân loại máy véc tơ hỗ trợ sử dụng trong nghiên 
cứu này là SVMlib được phát triển bởi Chang et al. 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 37 - 
[24] với hàm nhân rbf (radial basic function) và tham 
số C=1.Các bộ phân loại còn lại có sẵn trong thư viện 
RapidMiner [25]. 
II.5. Cài đặt thuật toán 
 Sau khi tiến thử nghiệm (chi tiết được trình bày 
trong mục III), cây quyết định (Decision Tree C4.5) 
với độ đo lựa chọn đặc trưng là thông tin đạt được 
(information gain: IG) cho kết quả nhận dạng tốt nhất 
và được lựa chọn để phát triển cho hệ thống nhận dạng 
hoạt động của người trong thời gian thực. IG được xác 
định như sau: 
 (12) 
 (13) 
 (14) 
Hình 2: Cây quyết định 
 Trong đó pi là xác suất của một véc tơ đặc trưng bất 
kỳ trong tập dữ liệu D có nhãn là hoạt động (lớp) và 
được ước lượng bằng . Đặc trưng với giá ... báo dừng hoạt động khi có 1 tiếng 
bíp (beep) phát ra từ điện thoại. 
17 người với các độ tuổi khác nhau từ 18 đến 55 
bao gồm 14 nam và 3 nữ được mời để tham gia thu 
thập dữ liệu cho nghiên cứu này. Mỗi người được yêu 
cầu thực hiện 5 hoạt động: chạy (run), nhảy (jump), đi 
bộ (walk), ngồi (sit), đứng (stand) và một hoạt động 
bất kỳ (other) và mỗi hoạt động được yêu cầu thực 
hiện lặp lại nhiều lần trong khoảng 2-5 phút cho đến 
khi có tiếng bíp phát ra từ điện thoại. Dữ liệu ghi lại 
được định dạng như sau: với mỗi mẫu bao gồm 1 nhãn 
thời gian (timestamp) có cấu trúc năm-tháng-ngày 
giờ: phút: giây.mili giây. Tiếp theo là giá trị cảm biến 
theo chiều X, chiều Y, và chiều Z. Nhãn thời gian 
được sử dụng trong bước tiền xử lý dữ liệu trong 
nghiên cứu này và dùng để đồng bộ với dữ liệu cảm 
biến khác (trong các nghiên cứu về sau của chúng tôi). 
Các giá trị cảm biến X, Y, Z được sử dụng để trích 
chọn đặc trưng như đã mô tả ở phần trên. Hình 5 mô tả 
trực quan hóa dữ liệu cảm biến gia tốc của một số hoạt 
động diễn ra trong khoảng 15 giây. 
III.2. Các độ đo đánh giá 
 Trong nghiên cứu này, chúng tôi sử dụng 3 độ đo 
là: độ chính xác (precision), độ bao phủ (recall) và độ 
đúng (accuracy) 
FPTP
TP
Precision
 (15) 
FNTP
TP
Recall
 (16) 
Accuracy = 
FNFPTNTP
TNTP
 (17) 
Hình 4: Thiết kế lược đồ lớp (class diagram) 
 Trong đó, True Positive (TP) là tỉ lệ đo số lần hệ 
thống nhận dạng đúng hoạt động a và số lần thực tế 
thực hiện hoạt động a; ví dụ hoạt động chạy được 
nhận dạng đúng là chạy. True Negative (TN) là tỉ lệ đo 
số hệ thống nhận dạng đúng không phải hoạt động a 
và số lần thực tế không phải a; ví dụ không phải hoạt 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 39 - 
động chạy được nhận dạng đúng là không phải chạy. 
False Positive (FP) là tỉ lệ đo số lần hệ thống nhận 
dạng sai hoạt động a và số lần thực tế không phải hoạt 
động a; ví dụ hệ thống nhận dạng hoạt động là chạy 
nhưng thực tế không phải là chạy. False Negative (FP) 
là tỉ lệ đo số lần hệ thống nhận dạng sai không phải 
hoạt động a và số lần thực tế là lại hoạt động a; chẳng 
hạn, thực tế là chạy nhưng hệ thống nhận dạng sai là 
không chạy. 
III.3. Kết quả và đánh giá 
 Sau khi trích chọn đặc trưng từ tập dữ liệu thì các 
véc tơ đặc trưng (feature vectors) được sử dụng để 
huấn luyện (training) và kiểm thử (testing). Trong 
nghiên cứu này chúng tôi sử dụng phương pháp đánh 
giá (evaluation) là leave-one-subject out. Với phương 
pháp này thì chúng tôi sử dụng dữ liệu của 16 người 
để huấn luyện và dùng dữ liệu của người còn lại để 
kiểm thử. Quá trình này lặp lại cho đến khi dữ liệu của 
tất cả 17 người được kiểm thử. Kết quả cuối cùng sẽ là 
trung bình cộng của tất cả 17 lần kiểm thử. Chú ý rằng 
dữ liệu huấn luyện không bao gồm dữ liệu của người 
kiểm thử. Điều này rất quan trọng đối với ứng dụng 
nhận dạng hoạt động của người bằng các mô hình học 
máy đã được tiền huấn luyện (pre-trained). Kết quả 
nhận dạng khi chạy với các thuật toán phân loại khác 
nhau được trình bày trong Bảng 1. Kết quả bình quân 
(của cả 6 hoạt động) được thể hiện dưới dạng độ đúng 
(accuracy) và độ lệch chuẩn (standard deviation [26]). 
Từ bảng 1 ta thấy thuật toán cây quyết định (Decision 
Tree C4.5) cho kết quả (độ đúng) tốt nhất với trên 
80% cho cả 3 trường hợp lựa chọn đặc trưng phân 
nhánh. Trong đó, đặc trưng phân nhánh information 
gain cho kết quả cao nhất với độ đúng là 81.06%. Tiếp 
đến là thuật toán k láng giềng gần nhất (k-NN) cho độ 
đúng xấp xỉ 81%. Ngược lại, thuật toán Bayes đơn 
giản (Naïve bayes) cho độ đúng thấp nhất với 71-
72%. Có thể do Bayes đơn giản phân loại các đặc 
trưng dựa trên giả thiết là tất cả các đặc trưng này 
phải độc lập với nhau. Điều này có thể đôi khi không 
chắc chắn đúng với bài toán nhận dạng hoạt động của 
người khi các đặc trưng được trích chọn từ dữ liệu 
cảm biến gia tốc biến đổi liên tục theo thời gian có thể 
không hoàn toàn độc lập với nhau. 
Thuật toán cây quyết định đã cho kết quả cao nhất 
và đã được nhóm nghiên cứu chúng tôi lựa chọn để 
cài đặt (implementation) cho phiên bản nhận dạng 
hoạt động người thời gian thực trên điện thoại. 
 Kết quả nhận dạng các hoạt động của thuật toán 
cây quyết định được trình bày chi tiết trong Bảng 2. 
Từ Bảng 2 ta thấy các hoạt động đứng yên và ngồi cho 
kết quả cao nhất với độ chính xác lớn hơn 93% và độ 
bao phủ lớn hơn 86%. Khi quan sát dữ liệu thu được 
từ các hoạt động này sau khi đã trực quan hóa (ví dụ 
Hình 5) ta thấy các mẫu này phân biệt đáng kể so với 
các mẫu của những hoạt động khác. Ngược lại, hoạt 
động chưa gán nhãn (other) cho kết quả thấp nhất với 
chỉ khoảng trên 53% độ chính xác và 72% độ bao phủ. 
Do hoạt động chưa gán nhãn được xem như tất cả các 
hoạt động khác ngoài 5 hoạt động nhảy, đi bộ, ngồi, 
đứng và chạy nên các mẫu dữ liệu của các hoạt động 
chưa gán nhãn cũng rất khác nhau và dễ bị phân loại 
nhầm sang các hoạt động đã gán nhãn. 
 Độ chính xác và độ bao phủ trung bình là hơn 82% 
và 83% cho cả 6 loại hoạt động trên. Nếu đem kết quả 
này so sánh với kết quả của hai nghiên cứu trước đây 
về nhận dạng hoạt động của người trên bằng điện thoại 
 a) standing 
 b) running 
 c) walking 
 d) sitting 
Hình 5: Trực quan hóa dữ liệu của một vài hoạt động 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 40 - 
thông minh [6,7] là không hợp lý vì [6,7] chưa hướng 
đến nhận dạng hoạt động trong thời gian thực và trong 
tập dữ liệu thử nghiệm của họ không bao gồm các hoạt 
động chưa gán nhãn (other). Điều này dẫn tới các hệ 
thống [6,7] có thể khó áp dụng cho thực tế vì mọi hoạt 
động của người phải bị phân loại thành một trong 6 
hoạt động đi bộ, chạy tại chỗ, đi lên cầu thang, đi 
xuống cầu thang, ngồi và đứng. Hơn thế nữa, theo 
phương pháp đánh giá trong các nghiên cứu [6,7] thì 
dữ liệu dùng để huấn luyện bao gồm cả dữ liệu kiểm 
thử. Điều này thiếu khách quan vì trên thực tế là 
không phải hệ thống nào khi mới cài đặt trên điện 
thoại thông minh cũng đã có dữ liệu huấn luyện từ 
người dùng. 
Bảng 1: Kết quả nhận dạng (tính bằng độ đúng và độ lệch 
chuẩn) với các thuật toán phân loại khác nhau. 
Thuật toán phân loại 
Độ đúng ± độ lệch 
chuẩn 
SVM (rbf kernel) 80.44% ± 2.02% 
Decision tree (gain ratio) 76.37% ± 2.05% 
Decision tree (information gain) 81.06% ± 1.59% 
Decision tree (gini index) 80.35% ± 2.53% 
K-Nearest Neighbors (KNN) 80.93% ± 2.91% 
Naïve Bayes 71.60% ± 1.71% 
Naïve Bayes (Kernel) 72.47% ± 1.75% 
Rule Induction 78.09% ± 2.25% 
Neural net 79.12% ± 2.67% 
 Như phân tích ở trên thuật toán cây quyết được lựa 
chọn để phát triển hệ thống. Do đó, các thiết kế chi tiết 
của hệ thống nhận dạng hoạt động của người trong 
thời gian thực khi triển khai trên thiết bị di động được 
mô tả chi tiết trong hình 4. 
IV. KẾT LUẬN 
Bài báo đã trình bày phương pháp nhận dạng hoạt 
động của người từ dữ liệu cảm biến gia tốc được tích 
hợp trong điện thoại thông minh trong thời gian thực. 
Phương pháp đề xuất đã được đánh giá trên tập dữ liệu 
gồm 17 người, mỗi người thực hiện 6 hoạt động từ 2-5 
phút, bao gồm cả những hoạt động chưa gán nhãn. 
Sau khi đánh giá một số thuật toán nhận dạng thì thuật 
toán cây quyết định (Decision Tree C4.5) cho kết quả 
tốt nhất với 82% độ chính xác và 83% độ bao phủ 
bằng phương pháp đánh giá leave-one-subject out. Kết 
quả này cho thấy tính khả thi của nhận dạng hoạt động 
của người trong thời gian thực bằng thiết bị di động. 
Nghiên cứu cải tiến phương pháp để có thể nhận dạng 
được thêm một số hoạt động hàng ngày nữa như đạp 
xe, đi cầu thang, nằm v.v.. nhằm mục đích đưa hệ 
thống được sử dụng như là nền tảng cho một số ứng 
dụng thực tế như tự động ước lượng năng lượng tiêu 
thụ hàng ngày (energy expenditure estimation) hay trợ 
giúp theo dõi sức khỏe của người (health monitoring) 
sẽ là các nghiên cứu tiếp theo của nhóm tác giả. 
Bảng 2: Kết quả nhận dạng của thuật toán cây quyết định. 
Hoạt động 
Độ chính xác 
(Precision) 
Độ bao phủ 
(recall) 
Hoạt động chưa gán nhãn 53.79% 72.61% 
Nhảy (jump) 67.23% 82.35% 
Đi bộ (walk) 82.35% 89.94% 
Ngồi (sit) 93.42% 86.15% 
Đứng (stand) 95.23% 89.46% 
Chạy (run) 79.98% 82.69% 
Trung bình 82.65% 83.36% 
V. LỜI CẢM ƠN 
Chúng tôi xin trân thành cảm ơn nhóm sinh viên 
của Học viện Công nghệ Bưu chính Viễn thông và 
một số người bạn đã rất nhiệt tình, trách nhiệm và kiên 
nhẫn tham gia thực hiện các hoạt động cho thử nghiệm 
của chúng tôi. 
TÀI LIỆU THAM KHẢO 
[1] V. OSMANI, S. BALASUBRAMANIAM, D. 
BOTVICH, ―Human Activity Recognition in Pervasive 
Health-care: Supporting Efficient Remote 
Collaboration‖, Journal of Network and Computer 
Applications (Elsevier), vol. 31, no. 4, pp. 628-655, 
2008. 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 41 - 
[2] C.PHAM, D. JACKSON, J. SCHONING, T. 
BAR., T.PLOETZ, P.OLIVIER ―FoodBoard: Surface 
Contact Imaging for Food Recognition‖, In Proc. of the 
15
th
 ACM International Conference on Pervasive and 
Ubiquitous Computing (UbiComp), pp. 749-752, 2013. 
[3] F. ALBINALI, S. S. INTILLE, W. HASKELL, M. 
ROSENBERGER ―Using Wearable Activity Type 
Detection to Improve Physical Activity Energy 
Expenditure Estimation‖, In Proc. of the 12th ACM 
International Conference on Ubiquitous Computing 
(UbiComp), pp. 311-320, 2010. 
[4] S. S. INTILLE, J. NAWYN, B. LOGAN, G. D. 
ABOWD ―Developing Shared Home Behavior Datasets 
to Advance HCI and Ubiquitous Computing Research‖, 
In Proc. of the ACM International Conference on 
Computer and Human Factors (CHI) Extended 
Abstracts, pp. 4763-4766, 2009. 
[5] Digital Trends:  
mobile-phone-world-population-2014/#!Cs565 
[6] K. R. JENIFER, G. M. WEISS, S. MOORE ―Activity 
Recognition Using Cell Phone Accelerometers‖, 
SIGKDD Explorations, vol. 12, no. 2, pp. 74-82, 2010. 
[7] D. ANGUITA, A. GHIO, L. ONETO, X. PARRA, J. R. 
ORTIZ, ―Human Activity Recognition on Smartphones 
Using a Multiclass Hardware-Friendly Support Vector 
Machine‖, In Proc. of the 4th International Workshop on 
Ambient Assisted Living, pp. 216-223, 2012. 
[8] L. Bao, S. S. INTILLE, ―Activity Recognition from 
User-Annotated Acceleration Data‖, In Proc. of the 2nd 
International Conference on Pervasive Computing 
(Pervasive’2004), pp. 1-17, 2004. 
[9] N. RAVI, N. DANDEKAR, P. MYSORE, M. L. 
LITTMAN, ―Activity Recognition from Accelerometer 
Data‖, In Proc. of the 17th Conference on Innovative 
Applications of Artificial Intelligence (IAAI), pp. 1541-
1546, 2005. 
[10] T. HUYNH, U. BLANKE, B. SCHIELE, 
―Scalable Recognition of Daily Activities with Wearable 
Sensors‖, In Proc. of the 3rd International Conference 
on Location-and Context-Awareness (LoCA), pp. 50-67, 
2005. 
[11] J. WU, A OSUNTOGUN, T. CHOUDHURY, M. 
PHILIPOSE, J. M. REHG, ―A Scalable Approach to 
Activity Recognition based on Object Use‖, In Proc. of 
the 11
th
 International Conference on Computer vision 
(ICCV), pp. 1-8, 2007. 
[12] T. V. DUONG, H. H. BUI, P. Q.DINH, S. 
VENKATESH, ―Activity Recognition and Abnormality 
Detection with the Switching Hidden Semi-Markov 
Model‖, In Proc. of the IEEE Conference on Computer 
Vision and Pattern Recognition (CVPR), pp. 838-845, 
2005 
[13] C. PHAM, P. OLIVIER, ―Slice&Dice: 
Recognizing Food Preparation Activities using 
Embedded Accelerometers‖, In Proc. of European 
Conference on Ambient Intelligence (AmI), pp. 34—43, 
2009. 
[14] M. BUETTNER, R. PRASAD, Ma. 
PHILIPOSE, D. WETHERER, ―Recognizing Daily 
Activities with RFID-based Sensors‖, In Proc. of the 
11th International Conference on Ubiquitous Computing 
(UbiComp), pp. 51-60, 2009. 
[15] E. M. TAPIA, S. S. INTILLE, K. LARSON, 
―Activity Recognition in the Home Using Simple and 
Ubiquitous Sensors‖, In Proc. of the 2nd International 
Conference on Pervasive Computing (Pervasive), pp. 
158-175, 2004. 
[16] C.J. HOOPER, A. PRESTON, M. BALAAM, P. 
SEEDHOUSE, D. JACKSON, C. PHAM, C. 
LADHA, K. LADHA, T. PLOETZ, P. OLIVIER, ―The 
French Kitchen: Task-Based Learning in an 
Instrumented Kitchen‖, In Proc. of the 14th ACM 
International Conference on Ubiquitous Computing 
(UbiComp) pp. 193-202, 2012. 
[17] T. V. KASTEREN, A. K. NOULAS, G. 
ENGLEBIENNE, B. J. A. KROSE, ―Accurate Activity 
Recognition in a Home Setting‖, In Proc. of the 10th 
international conference on Ubiquitous 
Computing (UbiComp), pp. 1-9, 2008. 
[18] C. PHAM, D. N. NGUYEN, P. M. TU, ―A 
Wearable Sensor based Approach to Real-Time Fall 
Detection and Fine-Grained Activity 
Recognition‖, Journal of Mobile Multimedia, vol. 9, no. 
1&2, pp. 15-26, 2013. 
[19] T. LYCHE, L.L. SCHUMAKER, "On the 
Convergence of Cubic Interpolating Splines" A. Meir 
Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 
- 42 - 
(ed.) A. Sharma (ed.) Spline Functions and 
Approximation Theory, Birkhäuser (1973) pp. 169–189 
[20] T. V. KASTEREN, G. ENGLEBIENNE, B. J. A. 
KROSE, ―Hierarchical Activity Recognition Using 
Automatically Clustered Actions”, In Proc. of European 
Conference on Ambient Intelligence (AmI), pp. 82-91, 
2011. 
[21] I. WITTEN, E. FRANK, M. A. HALL, ―Data 
Mining: Practical Machine Learning Tools and 
Techniques‖ Morgan Kaufmann (2011). 
[22] B. A. SSHENOI, ―Introduction to Digital Signal 
Processing and Filter Design‖, John Wiley and Sons, 
2006. 
[23] S. I. AHAMED, M. RAHMAN, R. O. SMITH, M. 
KHAN, "A Feature Extraction Method for Realtime 
Human Activity Recognition on Cell Phones," in Proc. of 
International Symposium on Quality of Life 
Technologies, 2011. 
[24] SVMlib:  
[25] RapidMiner:  
[26] G. SAEED, ―Fundamentals of Probability‖, Prentice 
Hall: New Jersey, 2000. 
[27] C. PHAM, C. HOOPER, S. LINDSAY, D. 
JACKSON, J. SHEARER, J. WAGNER, C. LADHA, 
K. LADHA, T. PLOETZ, P. OLIVIER, ―The Ambient 
Kitchen: A Pervasive Sensing Environment for 
Situated Services,‖ in Proc. of ACM Conference on 
Designing Interactive Systems (DIS), 2012. 
Ngày nhận bài: 08/01/2015 
SƠ LƯỢC VỀ TÁC GIẢ 
PHẠM VĂN CƯỜNG 
Sinh ngày 2/9/1976 tại Hưng 
Yên. 
Tốt nghiệp ĐH Quốc gia Hà 
nội năm 1998 ngành CNTT; 
Thạc sỹ ngành Khoa học Máy 
tính tại ĐH bang New Mexico, 
Hoa Kỳ năm 2005; Tiến sỹ 
ngành Khoa học Máy tính tại ĐH Newcastle, vương 
quốc Anh năm 2012. 
Hiện đang là giảng viên khoa CNTT 1, Học viện Công 
nghệ Bưu chính Viễn thông. 
Hướng nghiên cứu: nhận dạng hoạt động của người, 
các phương pháp học máy cho ứng dụng chăm sóc sức 
khỏe, tính toán di động, tương tác người máy và điện 
toán tỏa khắp. 
Mobile: 0944643166; 
Email: pcuongcntt@gmail.com 
 NGUYỄN THẮNG NGỌC 
Sinh năm 1991 tại Hải Dương. 
Tốt nghiệp ĐH ngành CNTT 
(chương trình Chất lượng cao), 
Học viện Công nghệ BCVT. 
Hiện đang là kỹ sư nghiên cứu 
và phát triển của Samsung R&D; 
Hướng nghiên cứu: nhận dạng 
hoạt động của người, tính toán 
di động.