Tổng quan nghiên cứu

Sự bùng nổ của kỷ nguyên số đã biến luồng dữ liệu video trở thành thành phần chiếm ưu thế trên không gian mạng toàn cầu. Theo các thống kê viễn thông, khoảng 87% các dịch vụ tiếp thị và truyền thông hiện đại sử dụng video clip, trong khi dữ liệu video ước tính chiếm tới 85% tổng lưu lượng tắc nghẽn băng thông mạng toàn cầu. Trong bối cảnh đô thị hóa và yêu cầu an ninh ngày càng cấp thiết, các hệ thống camera giám sát hình ảnh (Visual Surveillance Systems - VSS) đã và đang được triển khai trên diện rộng với hàng triệu camera hoạt động liên tục 24/7. Tuy nhiên, việc truyền tải và lưu trữ khối lượng video khổng lồ này qua hạ tầng mạng không đồng nhất, với băng thông biến đổi và sự đa dạng thiết bị đầu cuối, đang tạo ra thách thức kỹ thuật rất lớn. Các chuẩn nén đơn lớp truyền thống như H.264/AVC hay H.265/HEVC chỉ cung cấp một luồng bitstream cố định, không thể đáp ứng linh hoạt cho nhiều loại màn hình hiển thị cùng lúc.

Luận văn thạc sĩ chuyên ngành Kỹ thuật Viễn thông của tác giả Đào Thị Huệ Lê, dưới sự hướng dẫn khoa học của Tiến sĩ Đinh Triều Dương tại Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội (năm 2019), tập trung giải quyết bài toán cốt lõi: tối ưu hóa hiệu năng mã hóa video khả chuyển cho hệ thống camera giám sát. Mục tiêu cụ thể của nghiên cứu là xây dựng và cải tiến kiến trúc mã hóa video khả chuyển thế hệ mới SHVC (Scalable High Efficiency Video Coding) và mã hóa video phân tán DSVC (Distributed Scalable Video Coding). Đề tài tận dụng triệt để đặc tính nền tĩnh và mối tương quan thời gian cao giữa các khung hình liên tiếp của video an ninh để giảm thiểu lượng bit truyền tải. Về mặt ý nghĩa định lượng, nghiên cứu hướng tới việc nâng cao tỷ số tín hiệu cực đại trên nhiễu (PSNR) từ mức cơ bản 29 dB lên 40 dB ở lớp nâng cao, đồng thời tiết kiệm đáng kể tỷ lệ bitrate theo tiêu chuẩn đánh giá BD-Rate so với các chuẩn nén quốc tế hiện hành.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Khung lý thuyết của luận văn được xây dựng vững chắc dựa trên sự kết hợp của hai nền tảng công nghệ nén hình ảnh tiên tiến:

Thứ nhất là lý thuyết mã hóa video khả chuyển SHVC mở rộng từ chuẩn H.265/HEVC. Chuẩn H.265/HEVC giúp giảm từ 52% dung lượng bit ở độ phân giải 480p đến khoảng 64% ở chuẩn siêu nét 4K UHD so với chuẩn tiền nhiệm H.264/AVC. SHVC kế thừa kiến trúc này để triển khai cấu trúc mã hóa đa lớp (Multi-layer Coding), phân tách luồng dữ liệu thành lớp cơ bản (Base Layer - BL) đảm bảo độ nét tối thiểu và một hoặc nhiều lớp nâng cao (Enhancement Layer - EL) nhằm tăng cường độ phân giải không gian, tần số quét khung hình hoặc chất lượng tín hiệu. Cơ chế dự đoán liên lớp (Inter-Layer Prediction - ILP) trong SHVC xử lý thông tin chuyển động và kết cấu ảnh từ lớp BL đã giải mã để tối ưu hóa quá trình nén lớp EL.

Thứ hai là lý thuyết mã hóa video phân tán DSVC, kết hợp sức mạnh nén của H.265/HEVC tại lớp cơ sở và nguyên lý mã hóa nguồn phân tán Wyner-Ziv tại lớp nâng cao, giúp phân bổ tải tính toán linh hoạt giữa bộ mã hóa và bộ giải mã.

Các khái niệm chính yếu được vận dụng xuyên suốt bao gồm: Cấu trúc nhóm hình ảnh GOP cấu hình trễ thấp Low-Delay P, sai số toàn phương trung bình MSE, tỷ số tín hiệu cực đại trên nhiễu PSNR dao động tiêu chuẩn từ 30 dB đến 50 dB, cùng chỉ số tối ưu hóa độ méo theo tốc độ bit BD-Rate.

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp thực nghiệm mô phỏng định lượng có đối chứng trên nền tảng phần mềm Microsoft Visual Studio 2017 và hệ thống máy tính trang bị vi xử lý Intel Core i7 tốc độ 3.00 GHz chạy hệ điều hành Windows 10 64-bit. Nguồn dữ liệu thử nghiệm được trích xuất từ bộ cơ sở dữ liệu video giám sát chuẩn PKU-SVD-A cùng các chuỗi video đối chuẩn quốc tế.

Cỡ mẫu nghiên cứu bao gồm 4 chuỗi video giám sát thực tế tiêu biểu (Crossroads, Overbridge, Mainroad, Intersection) và 1 video chuẩn đối chứng (BasketballDrill). Mỗi chuỗi dữ liệu thử nghiệm được chuẩn hóa chính xác ở độ phân giải 720x576 pixel, tần số quét 30 Hz với độ dài mẫu đồng nhất là 297 khung hình. Phương pháp chọn mẫu có chủ đích được áp dụng nhằm bao quát các tình huống giao thông đô thị đa dạng, từ cảnh quay có mật độ phương tiện đông đúc đến cảnh có nền tĩnh chiếm đa số.

Lý do lựa chọn phương pháp phân tích thực nghiệm dựa trên mô hình sai khác trung bình điểm ảnh (PAD) và tổng độ lệch tuyệt đối (SAD) là vì phương pháp này cho phép định lượng chính xác mức độ tương quan không gian - thời gian của camera cố định. Bộ tham số lượng tử hóa được thiết lập đa dạng gồm 4 mức QPB bằng 38, 34, 30, 26 cho lớp cơ bản và QPE bằng QPB trừ đi 4 đơn vị cho lớp nâng cao, giúp đánh giá toàn diện hiệu năng nén trên toàn bộ dải băng thông thử nghiệm kéo dài suốt quá trình nghiên cứu trong giai đoạn 2018 - 2019.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình phân tích thực nghiệm trên các tập dữ liệu giám sát đã đem lại 4 phát hiện quan trọng có giá trị khoa học cao:

Thứ nhất, phân tích thông số PAD và trường vector chuyển động chứng minh rằng các video giám sát có vùng chuyển động cục bộ rất nhỏ, diện tích nền tĩnh chiếm tỷ trọng áp đảo trên 70% khung hình. Do đó, tương quan thời gian giữa các khung hình liên tiếp cao hơn vượt trội so với các video thể thao hoặc giải trí thông thường.

Thứ hai, việc tích hợp giải pháp mã hóa video khả chuyển cho giám sát (SSVC) kết hợp cơ chế lựa chọn khung tham chiếu dài hạn thích ứng (ALRS) cho thấy hiệu năng vượt bậc so với chuẩn gốc SHVC. Ở chế độ không cập nhật khung tham chiếu (SSVC-woUpd), mức tiết kiệm BD-Rate trung bình đạt 1,53%. Khi kích hoạt cơ chế cập nhật thích ứng khung tham chiếu dài hạn (SSVC-wUpd), mức tiết kiệm BD-Rate tăng vọt lên mức trung bình 5,38%.

Thứ ba, hiệu quả nén đặc biệt xuất sắc ở các chuỗi video có nền tĩnh ổn định. Cụ thể, chuỗi video Mainroad đạt mức tiết kiệm BD-Rate ấn tượng lên tới 8,56%, chuỗi Overbridge đạt mức tiết kiệm 6,15%, chuỗi Crossroads đạt 4,56% và chuỗi Intersection đạt mức tiết kiệm 2,24%.

Thứ tư, về mặt chất lượng hình ảnh tái tạo, mô hình hai lớp chứng minh chất lượng lớp BL khi giải mã qua H.265/HEVC đạt ngưỡng 29 dB, nhưng khi giải mã đầy đủ luồng nâng cao EL qua giải pháp cải tiến SSVC, chỉ số PSNR đã tăng vọt lên mức 40 dB, cải thiện chất lượng thêm 11 dB.

Thảo luận kết quả

Nguyên nhân chủ yếu tạo nên sự vượt trội của giải pháp SSVC-wUpd nằm ở thuật toán ALRS tự động tính toán ngưỡng sai khác ThD dựa trên giá trị SAD trung bình của các nhóm GOP ban đầu. Khi camera giám sát cố định ghi hình, khung hình I đầu tiên có chất lượng cao nhất do được nén ở tham số lượng tử hóa QP thấp nhất. Thay vì chỉ giới hạn tham chiếu trong tối đa 5 khung hình liên tiếp như chuẩn HEVC/SHVC thông thường, thuật toán đề xuất cho phép các khung hình thứ 6, thứ 7 hoặc xa hơn nữa tiếp tục tham chiếu về khung hình gốc chất lượng cao này.

Dữ liệu thực nghiệm khi biểu diễn qua biểu đồ đường cong Rate-Distortion (RD Curves) và bảng tổng hợp BD-Rate cho thấy đường cong của giải pháp SSVC luôn nằm ở vị trí cao hơn so với SHVC chuẩn, minh chứng cho việc cùng một tốc độ bit truyền dẫn nhưng chất lượng PSNR tái tạo luôn cao hơn rõ rệt. So sánh với các công bố khoa học cùng thời kỳ, giải pháp không chỉ giảm thiểu tối đa hiện tượng trôi sai số (error drift) giữa các lớp mà còn giữ nguyên cấu trúc cú pháp mức cao HLS, giúp bộ giải mã phần cứng dễ dàng tương thích mà không làm tăng độ trễ xử lý.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm vững chắc, luận văn đưa ra 4 khuyến nghị kỹ thuật mang tính thực tiễn cao:

  1. Tích hợp module thuật toán chọn khung tham chiếu thích ứng ALRS vào firmware của các dòng camera IP an ninh thế hệ mới. Thời gian triển khai dự kiến trong vòng 6 đến 12 tháng, do các đơn vị phát triển thiết bị phần cứng giám sát chủ trì, hướng tới mục tiêu giảm 15% đến 25% dung lượng lưu trữ tại các trung tâm dữ liệu giám sát đô thị.
  2. Ứng dụng cấu hình mã hóa trễ thấp Low-Delay P kết hợp phân lớp SHVC cho hạ tầng truyền dẫn video thời gian thực trong giao thông thông minh. Cơ quan quản lý đô thị và nhà mạng viễn thông nên phối hợp triển khai trong lộ trình 18 tháng, nhằm tối ưu hóa 30% băng thông đường truyền vô tuyến và đảm bảo độ trễ truyền phát dưới 200 mili-giây.
  3. Mở rộng mô hình kiến trúc mã hóa phân tán DSVC cho mạng lưới cảm biến hình ảnh không dây có nguồn năng lượng hạn chế. Các nhóm nghiên cứu tại viện, trường đại học nên tiếp tục tối ưu hóa độ phức tạp của khối tạo thông tin phụ trợ (Side Information) trong vòng 2 năm tới để kéo dài thời lượng pin của thiết bị thu phát thêm khoảng 35%.
  4. Chuẩn hóa quy chuẩn kỹ thuật quốc gia về nén video đa lớp cho hệ thống camera giám sát an ninh công cộng. Bộ Thông tin và Truyền thông cùng các cơ quan ban ngành liên quan cần xây dựng bộ tiêu chí thử nghiệm bitrate và PSNR trong giai đoạn 2020 - 2025 để đồng bộ hóa khả năng tương thích giữa camera đa hãng và các trung tâm chỉ huy tác chiến.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo học thuật và kỹ thuật chuyên sâu, đặc biệt giá trị cho 4 nhóm đối tượng sau:

  • Kỹ sư phát triển phần mềm nhúng và hệ thống camera an ninh: Tiếp cận thuật toán nén ALRS chi tiết và phương thức tối ưu hóa bộ nhớ đệm hình ảnh DPB, hỗ trợ trực tiếp việc thiết kế vi mạch xử lý tín hiệu hình ảnh (ISP) với mức tiết kiệm tài nguyên bộ nhớ từ 20% đến 40%.
  • Nghiên cứu sinh, học viên cao học và sinh viên ngành Điện tử - Viễn thông: Nắm bắt phương pháp luận nghiên cứu thực nghiệm chuẩn mực, cách phân tích chỉ số BD-Rate, SAD, PAD và mô hình phân lớp SHVC thế hệ mới phục vụ các đề tài nghiên cứu chuyên sâu.
  • Nhà quản trị mạng và chuyên gia hạ tầng công nghệ thông tin: Tìm kiếm giải pháp tối ưu hóa băng thông truyền dẫn video an ninh cho các tòa nhà, khu đô thị thông minh và trung tâm giám sát tập trung 24/7 mà không cần đầu tư thêm đường truyền cáp quang đắt đỏ.
  • Doanh nghiệp sản xuất và cung cấp giải pháp an ninh số: Có cơ sở khoa học để xây dựng lộ trình nâng cấp hệ thống phần mềm quản lý video (VMS), giúp tối ưu hóa từ 15% đến 30% dung lượng ổ cứng lưu trữ dài ngày cho khách hàng doanh nghiệp.

Câu hỏi thường gặp

  1. Mã hóa video khả chuyển (SVC/SHVC) mang lại lợi ích gì khác biệt so với mã hóa đơn lớp truyền thống? Mã hóa khả chuyển cho phép nén video nguồn thành một luồng bitstream duy nhất gồm nhiều phân lớp chất lượng. Thiết bị người dùng tùy theo độ phân giải màn hình hoặc băng thông mạng (như 3G, 4G, Wifi) có thể chọn giải mã lớp phù hợp mà không cần máy chủ phải chuyển mã (transcoding) phức tạp.

  2. Tại sao thuật toán ALRS lại đạt hiệu quả nén rất cao trên video giám sát an ninh? Trong video giám sát từ camera cố định, nền tĩnh chiếm đa số diện tích khung hình qua nhiều chu kỳ GOP. Thuật toán ALRS cho phép các khung hình ở xa tiếp tục tham chiếu về khung hình đầu chất lượng cao, giúp triệt tiêu phần dư thừa thời gian mà chuẩn nén thông thường bỏ sót.

  3. Chỉ số BD-Rate tiết kiệm được trong nghiên cứu có ý nghĩa kinh tế như thế nào? Mức tiết kiệm BD-Rate trung bình 5,38% (và lên tới 8,56% ở cảnh quay đường chính) đồng nghĩa với việc hệ thống có thể giảm trực tiếp 5% đến 8,5% dung lượng băng thông truyền tải và không gian lưu trữ trên ổ đĩa máy chủ mà vẫn giữ nguyên chất lượng hiển thị.

  4. Nghiên cứu có làm gia tăng độ trễ xử lý trong các ứng dụng giám sát trực tiếp không? Nghiên cứu ứng dụng cấu trúc Low-Delay P (LDP) không sắp xếp lại thứ tự khung hình, kết hợp với các phép so sánh SAD đơn giản ở mức cú pháp cao HLS. Do đó, thời gian trễ xử lý được giữ ở mức cực thấp, hoàn toàn đáp ứng tốt việc giám sát trực tiếp thời gian thực.

  5. Kết quả của luận văn này đã được kiểm chứng qua các công bố khoa học nào? Toàn bộ các giải pháp cải tiến SSVC và DSVC trong luận văn đã được bình duyệt và công bố chính thức trên 4 công trình khoa học uy tín, bao gồm 1 bài báo trên Tạp chí Khoa học ĐHQGHN và 3 bài báo tại các hội thảo quốc tế như IEEE MCSoC và NAFOSTED-ICIS.

Kết luận

  • Luận văn đã phân tích sâu sắc các đặc trưng không gian - thời gian của dữ liệu video an ninh, chứng minh diện tích vùng tĩnh chiếm ưu thế lớn trong khung hình.
  • Đề xuất thành công giải pháp nén video khả chuyển SSVC kết hợp cơ chế lựa chọn khung tham chiếu dài hạn thích ứng ALRS dựa trên ngưỡng SAD tự động.
  • Đạt kết quả thực nghiệm vượt trội với mức tiết kiệm BD-Rate trung bình 5,38% và cao nhất đạt 8,56% so với chuẩn quốc tế SHVC trên tập mẫu PKU-SVD-A.
  • Hoàn thiện mô hình kiến trúc phân lớp nâng cao chất lượng từ 29 dB ở lớp cơ bản lên 40 dB ở lớp tăng cường mà vẫn đảm bảo tính tương thích phần cứng.
  • Thành tựu nghiên cứu đã được bảo chứng qua 4 ấn phẩm khoa học công bố tại các tạp chí và hội nghị chuyên ngành uy tín trong giai đoạn 2018 - 2019.

Trong giai đoạn tiếp theo, các đơn vị nghiên cứu và phát triển có thể mở rộng ứng dụng thuật toán ALRS trên nền tảng trí tuệ nhân tạo để nhận diện chuyển động thông minh hơn. Hãy liên hệ với tác giả và cơ sở đào tạo để tiếp cận toàn văn luận văn cùng bộ thông số thử nghiệm chi tiết!