). In order to construct a video cl

). In order to construct a video clip in this dataset, a static camera (the camera stands still) is used to record one-person performing one action in front of a static background. Our pathological gait detection is view-dependent which means the perspective of the scene depicted in a video clip is unchanged. Additionally, the lighting condition remains unchanged during video recording section.
2. Contribution of the thesis
Our thesis has investigated the comparison of various ways for background subtraction. Accordingly, we analysis two kind of algorithms which are HOG and Hu’s moment to get feature sequences then vote the suitable and simpler ones for our data to be the main technique. The goal of this work is the classification and localization of human gait into group of suitable pathology. The main contributions of our thesis are examination of the current methods that related to gait detection and the combination of these methods in order to achieve the best performance. This thesis is a useful and quite completed resource for junior students who are interested in digital image processing, especially in gait detection. Specially, we have built a useful database of 600 sample of pathological and normal gait, which can be extended and applied in future work. With the analytical result from this thesis, we suppose that it can be widely applied in health care system by providing the good tool for diagnosis of disease.
3. Organization of the thesis
The thesis is broadly arranged into four sections
- Chapter 1 describes information related to our project, including the definition of gait detection, history of PGD and current techniques of PGD
- Chapter 2 gives an overview of methods, which we apply in our thesis
- Chapter 3 describes our proposed PGD framework, including gait presentation and classification. GMMS and Hu’s moment are used to present gait. K means clustering and HMMs are employed for action classification.
- Chapter 4 shows experimental results of our PGD
Conclusion section draws conclusions and presents possible directions for future work.

Kết quả (Việt) 2:

). Để xây dựng một video clip trong bộ dữ liệu này, một máy ảnh tĩnh (máy ảnh đứng yên) được sử dụng để ghi lại một người thực hiện một hành động trước một nền tĩnh. Phát hiện dáng đi bệnh lý của chúng tôi là xem phụ thuộc có nghĩa là quan điểm của những cảnh miêu tả trong một video clip là không thay đổi. Ngoài ra, các điều kiện ánh sáng không thay đổi trong phần quay video.
2. Đóng góp của luận văn
luận án của chúng tôi đã điều tra so sánh các cách khác nhau để trừ nền. Theo đó, chúng tôi phân tích hai loại thuật toán mà là HOG và thời điểm của Hồ Cẩm Đào để có được chuỗi tính năng sau đó bầu ra những người thích hợp và đơn giản hơn cho dữ liệu của chúng tôi được các kỹ thuật chính. Mục đích của việc này là việc phân loại và nội địa hóa của dáng đi của con người vào nhóm các bệnh lý phù hợp. Những đóng góp chính của luận án của chúng tôi là kiểm tra các phương pháp hiện hành có liên quan đến dáng đi phát hiện và sự kết hợp của các phương pháp để đạt được hiệu quả tốt nhất. Luận án này là một nguồn tài nguyên hữu ích và khá hoàn cho sinh viên cơ sở người quan tâm đến xử lý hình ảnh kỹ thuật số, đặc biệt là trong việc phát hiện dáng đi. Đặc biệt, chúng tôi đã xây dựng được một cơ sở dữ liệu hữu ích của 600 mẫu của dáng đi bệnh lý và bình thường, có thể được mở rộng và áp dụng trong công việc tương lai. Với các kết quả phân tích từ luận án này, chúng tôi cho rằng nó có thể được áp dụng rộng rãi trong hệ thống chăm sóc sức khỏe bằng cách cung cấp các công cụ tốt để chẩn đoán bệnh.
3. Tổ chức của luận án
Luận án được rộng rãi được bố trí thành bốn phần
- Chương 1 mô tả các thông tin liên quan đến dự án của chúng tôi, bao gồm định nghĩa của phát hiện dáng đi, lịch sử của PGD và kỹ thuật hiện tại của PGD
- Chương 2 đưa ra một cái nhìn tổng quan về các phương pháp, mà chúng tôi áp dụng trong luận án của chúng tôi
- Chương 3 mô tả khung PGD đề nghị của chúng tôi, bao gồm trình bày dáng đi và phân loại. GMMS và thời điểm của Hồ Cẩm Đào được dùng để thể hiện dáng đi. K có nghĩa là clustering và HMMs được dùng cho việc phân loại hành động.
- Chương 4 cho thấy kết quả thực nghiệm của PGD của chúng tôi
phần Kết luận rút ra kết luận và trình bày phương hướng có thể cho công việc tương lai.