Nghiên Cứu Kỹ Thuật Phát Hiện Bất Thường Cho Giám Sát Khu Vực Giới Nghiêm Tại Trường Văn Hóa I

Luận văn thạc sĩ kỹ thuật phân tích hay nghiên cứu một số kỹ thuật phát hiện bất thường phục vụ cho giám sát khu vực giới nghiêm của, đánh giá thực trạng, chỉ ra hạn chế, đề xuất

• Tác giả: Nguyễn Việt Bắc
• Người hướng dẫn: Pgs. Ts. Đỗ Năng Toàn
• Trường học: Trường Đại Học Công Nghệ Thông Tin Và Truyền Thông - Đại Học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên Cứu Một Số Kỹ Thuật Phát Hiện Bất Thường Phục Vụ Cho Giám Sát Khu Vực Giới Nghiêm Của Trường Văn Hóa I
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH, XỬ LÝ VIDEO VÀ BÀI TOÁN PHÁT HIỆN BẤT THƯỜNG
• 1.1. Khái quát về xử lý ảnh
• 1.2. Các khái niệm cơ bản
• 1.3. Các bước xử lý ảnh số
• 1.4. Khái quát về Video. Một số thuộc tính đặc trưng của video
• 1.5. Các dạng chuẩn và kiến trúc của Video
• 1.6. Bài toán phát hiện bất thường
• 1.7. Phân tích yêu cầu bài toán
• 1.8. Kết luận chương 1
• 2. CHƯƠNG 2: MỘT SỐ KỸ THUẬT PHÁT HIỆN BẤT THƯỜNG
• 2.1. Phát hiện bất thường dựa vào kỹ thuật trừ ảnh
• 2.2. Kỹ thuật trừ ảnh dựa vào điểm ảnh
• 2.3. Trừ ảnh phân khối
• 2.4. Phương pháp biểu đồ
• 2.5. Phương pháp thống kê
• 2.6. Trừ ảnh dựa vào đặc trưng
• 2.7. Phát hiện bất thường dựa vào kỹ thuật trừ nền
• 2.8. Không gian màu (Color space)
• 2.9. Mô hình nền (Background modeling)
• 2.10. Lựa chọn ngưỡng (Threshold selection)
• 2.11. Kết luận chương 2
• 3. CHƯƠNG 3: CHƯƠNG TRÌNH THỬ NGHIỆM
• 3.1. Phân tích lựa chọn công cụ
• 3.2. Một số kết quả của chương trình
• PHẦN MỞ ĐẦU
• PHẦN KẾT LUẬN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Kỹ Thuật Phát Hiện Bất Thường Trong Giám Sát Khu Vực Giới Nghiêm

Kỹ thuật phát hiện bất thường trong giám sát khu vực giới nghiêm đang trở thành một trong những lĩnh vực quan trọng trong an ninh. Với sự phát triển của công nghệ, việc áp dụng các hệ thống giám sát thông minh giúp nâng cao hiệu quả trong việc phát hiện các hành vi bất thường. Các hệ thống này không chỉ giúp giảm thiểu thời gian giám sát mà còn tăng cường độ chính xác trong việc phát hiện các sự cố. Nghiên cứu này sẽ đi sâu vào các kỹ thuật và phương pháp hiện có, đồng thời phân tích các ứng dụng thực tiễn của chúng.

1.1. Khái Niệm Về Phát Hiện Bất Thường Trong An Ninh

Phát hiện bất thường là quá trình nhận diện các hành vi không bình thường trong khu vực giám sát. Điều này bao gồm việc phân tích dữ liệu từ camera và các cảm biến khác để phát hiện các hành vi đáng ngờ. Các hệ thống hiện đại sử dụng các thuật toán học máy để cải thiện độ chính xác trong việc phát hiện.

1.2. Vai Trò Của Công Nghệ Trong Giám Sát Khu Vực Giới Nghiêm

Công nghệ giám sát hiện đại, bao gồm camera thông minh và cảm biến, đóng vai trò quan trọng trong việc phát hiện bất thường. Những thiết bị này không chỉ ghi lại hình ảnh mà còn phân tích dữ liệu theo thời gian thực, giúp phát hiện các hành vi bất thường một cách nhanh chóng và hiệu quả.

II. Thách Thức Trong Việc Phát Hiện Bất Thường Tại Khu Vực Giới Nghiêm

Mặc dù có nhiều tiến bộ trong công nghệ giám sát, nhưng việc phát hiện bất thường vẫn gặp phải nhiều thách thức. Các yếu tố như điều kiện ánh sáng, độ phân giải của camera và sự phức tạp của hành vi con người có thể ảnh hưởng đến độ chính xác của hệ thống. Việc xử lý và phân tích dữ liệu lớn cũng là một thách thức lớn trong việc phát hiện bất thường.

2.1. Ảnh Hưởng Của Điều Kiện Môi Trường Đến Phát Hiện

Điều kiện môi trường như ánh sáng yếu hoặc thời tiết xấu có thể làm giảm hiệu quả của các hệ thống giám sát. Các thuật toán cần được tối ưu hóa để hoạt động hiệu quả trong các điều kiện khác nhau.

2.2. Khó Khăn Trong Việc Phân Tích Dữ Liệu Lớn

Việc xử lý và phân tích một lượng lớn dữ liệu từ các camera và cảm biến là một thách thức lớn. Các hệ thống cần có khả năng xử lý nhanh chóng và chính xác để phát hiện bất thường kịp thời.

III. Phương Pháp Phát Hiện Bất Thường Hiệu Quả Trong Giám Sát

Có nhiều phương pháp khác nhau để phát hiện bất thường trong giám sát khu vực giới nghiêm. Các phương pháp này bao gồm kỹ thuật trừ ảnh, phân tích đặc trưng và sử dụng các mô hình học máy. Mỗi phương pháp có những ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp là rất quan trọng.

3.1. Kỹ Thuật Trừ Ảnh Trong Phát Hiện Bất Thường

Kỹ thuật trừ ảnh là một trong những phương pháp phổ biến nhất trong phát hiện bất thường. Phương pháp này so sánh các khung hình liên tiếp để phát hiện sự khác biệt, từ đó xác định các hành vi bất thường.

3.2. Sử Dụng Mô Hình Học Máy Để Phát Hiện Bất Thường

Mô hình học máy có thể được sử dụng để phân tích dữ liệu và phát hiện các mẫu bất thường. Các thuật toán như mạng nơ-ron và cây quyết định đã được chứng minh là hiệu quả trong việc phát hiện các hành vi đáng ngờ.

IV. Ứng Dụng Thực Tiễn Của Kỹ Thuật Phát Hiện Bất Thường

Kỹ thuật phát hiện bất thường đã được áp dụng rộng rãi trong nhiều lĩnh vực khác nhau, từ an ninh công cộng đến giám sát doanh nghiệp. Các ứng dụng này không chỉ giúp bảo vệ tài sản mà còn nâng cao an toàn cho cộng đồng. Nghiên cứu đã chỉ ra rằng việc áp dụng các hệ thống giám sát thông minh có thể giảm thiểu đáng kể các sự cố an ninh.

4.1. Ứng Dụng Trong An Ninh Công Cộng

Các hệ thống giám sát thông minh được sử dụng để theo dõi các khu vực công cộng, giúp phát hiện và ngăn chặn các hành vi phạm tội. Việc này không chỉ bảo vệ an toàn cho người dân mà còn tạo ra một môi trường sống an toàn hơn.

4.2. Ứng Dụng Trong Doanh Nghiệp

Trong môi trường doanh nghiệp, kỹ thuật phát hiện bất thường giúp bảo vệ tài sản và thông tin nhạy cảm. Các hệ thống giám sát có thể phát hiện các hành vi đáng ngờ, từ đó ngăn chặn các rủi ro tiềm ẩn.

V. Kết Luận Về Tương Lai Của Kỹ Thuật Phát Hiện Bất Thường

Kỹ thuật phát hiện bất thường trong giám sát khu vực giới nghiêm đang phát triển nhanh chóng với sự hỗ trợ của công nghệ mới. Tương lai của lĩnh vực này hứa hẹn sẽ mang lại nhiều cải tiến trong việc bảo vệ an ninh. Việc áp dụng trí tuệ nhân tạo và học máy sẽ tiếp tục nâng cao hiệu quả của các hệ thống giám sát.

5.1. Xu Hướng Phát Triển Công Nghệ Giám Sát

Công nghệ giám sát sẽ tiếp tục phát triển với sự tích hợp của trí tuệ nhân tạo và học máy. Điều này sẽ giúp cải thiện khả năng phát hiện bất thường và giảm thiểu sai sót trong quá trình giám sát.

5.2. Tương Lai Của An Ninh Khu Vực Giới Nghiêm

Tương lai của an ninh khu vực giới nghiêm sẽ phụ thuộc vào khả năng áp dụng các công nghệ mới. Các hệ thống giám sát thông minh sẽ trở thành một phần không thể thiếu trong việc bảo vệ an toàn cho cộng đồng.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên số hóa và tự động hóa, các hệ thống camera giám sát liên tục ghi nhận khối lượng dữ liệu khổng lồ với tốc độ thông thường 25 đến 30 khung hình/giây, tương đương khoảng 90.000 đến 108.000 khung hình mỗi giờ cho một kênh quan sát. Tuy nhiên, việc phụ thuộc vào con người giám sát trực tiếp màn hình camera bộc lộ nhiều hạn chế nghiêm trọng. Theo các đánh giá thực nghiệm an ninh, khả năng chú ý của nhân viên trực sụt giảm hơn 45% chỉ sau 20 phút theo dõi liên tục, dẫn đến nguy cơ bỏ sót các sự kiện xâm nhập trái phép tại những vị trí đặc biệt nhạy cảm.

Vấn đề nghiên cứu then chốt được đặt ra tại Trường Văn hóa I là bảo vệ an toàn cho phòng Cơ yếu – khu vực lưu trữ các tài liệu thông tin mật, yêu cầu cơ chế kiểm soát nghiêm ngặt và cảnh báo tức thời 24/7. Mục tiêu cụ thể của luận văn thạc sĩ ngành Khoa học máy tính do học viên Nguyễn Việt Bắc thực hiện dưới sự hướng dẫn của PGS. TS Đỗ Năng Toàn là hệ thống hóa các kỹ thuật xử lý ảnh, xử lý video và xây dựng thuật toán phát hiện bất thường tự động dựa trên kỹ thuật trừ nền kết hợp không gian màu đa chiều.

Phạm vi nghiên cứu tập trung vào không gian giới nghiêm của phòng Cơ yếu Trường Văn hóa I trong năm 2020 với điều kiện góc quan sát camera cố định và ánh sáng nhân tạo ổn định. Ý nghĩa thực tiễn của công trình thể hiện rõ nét qua việc giảm tải hơn 90% thời gian theo dõi thủ công của cán bộ trực ban, đồng thời nâng tỷ lệ phát hiện xâm nhập chính xác lên trên 95%, cung cấp giải pháp bảo mật tự động hóa với chi phí tối ưu cho các cơ quan và đơn vị giáo dục.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng trên nền tảng lý thuyết xử lý ảnh số và cấu trúc phân cấp dữ liệu video. Trong đó, video được mô hình hóa theo cấu trúc ba tầng logic gồm Khung hình, Lia và Cảnh, tuân thủ các tiêu chuẩn tín hiệu CCIR 601 cùng các chuẩn nén truyền hình H.261 và MPEG-1. Mô hình biểu diễn ảnh số sử dụng ma trận điểm ảnh Raster với thang độ xám 256 mức từ 0 đến 255 và không gian màu RGB 24-bit với khoảng 16,7 triệu sắc độ.

Bên cạnh đó, tác giả ứng dụng lý thuyết mô hình hóa nền thống kê dựa trên phân phối chuẩn Gaussian cho từng điểm ảnh. Năm khái niệm lý thuyết nền tảng gồm: Điểm ảnh, Phân đoạn video, Trừ nền, Biểu đồ màu và Không gian màu RGB chuẩn hóa. Mô hình sử dụng độ lệch tiêu chuẩn và giá trị trung bình của các kênh màu để thiết lập ngưỡng thích ứng, trong đó hệ số k=1 tương ứng độ tin cậy 68% và k=2 tương ứng độ tin cậy 95% nhằm phân tách chuẩn xác các điểm ảnh biến động.

Phương pháp nghiên cứu

Về nguồn dữ liệu và cỡ mẫu, nghiên cứu sử dụng tập dữ liệu video thực nghiệm thu nhận trực tiếp từ camera giám sát cố định tại phòng Cơ yếu Trường Văn hóa I, bao gồm 15 chuỗi video đa dạng với tổng số hơn 45.000 khung hình ở định dạng chuẩn CIF (độ phân giải 352x288 điểm ảnh) và QCIF (độ phân giải 176x144 điểm ảnh).

Phương pháp chọn mẫu là chọn mẫu có chủ đích, tập trung vào các kịch bản xâm nhập giả định với đối tượng di chuyển ở các dải vận tốc từ 0,5 m/s đến 2 m/s, di chuyển thẳng, cắt chéo góc quan sát và xuất hiện bóng đổ phức tạp trên mặt sàn.

Lý do lựa chọn phương pháp phân tích: Tác giả xây dựng quy trình trừ nền hai giai đoạn kết hợp giữa không gian màu RGB ba chiều và không gian RGB chuẩn hóa hai chiều. Việc kết hợp này giải quyết triệt để nhược điểm của hệ màu RGB thông thường khi bóng đổ làm thay đổi độ chói và dễ bị nhận diện sai thành đối tượng thật. Không gian màu RGB chuẩn hóa chỉ lưu giữ thành phần sắc độ, giúp triệt tiêu hiện tượng bóng giả với chi phí tính toán thấp, đảm bảo xử lý thời gian thực. Toàn bộ quá trình thu thập dữ liệu, phân tích và kiểm thử được triển khai từ tháng 01/2020 đến tháng 08/2020.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, kỹ thuật trừ ảnh dựa trên điểm ảnh trực tiếp có độ nhạy quá cao với nhiễu môi trường, khiến tỷ lệ cảnh báo sai lệch lên tới 34,5%, trong khi kỹ thuật trừ ảnh phân khối và so sánh biểu đồ màu giúp hạ tỷ lệ báo động giả xuống còn 12,8%.

Thứ hai, thuật toán trừ nền kết hợp không gian màu RGB chuẩn hóa loại bỏ thành công 92,6% các vùng bóng đổ của đối tượng chuyển động, vượt trội hoàn toàn so với mức phân tách chỉ đạt 58,3% khi chỉ vận hành trên không gian tọa độ RGB thông thường.

Thứ ba, chương trình thử nghiệm đạt tốc độ xử lý ổn định 28 khung hình/giây trên luồng dữ liệu chuẩn CIF, thời gian trễ xử lý thuật toán chỉ ở mức 0,035 giây, đáp ứng hoàn hảo yêu cầu cảnh báo thời gian thực liên tục.

Thứ tư, khi thiết lập ngưỡng tin cậy thống kê tại mức k=2 tương đương độ tin cậy 95%, tỷ lệ phát hiện chính xác đối tượng xâm nhập đạt 96,4%, đồng thời tỷ lệ bỏ sót đối tượng giảm xuống dưới 3,6%.

Thảo luận kết quả

Nguyên nhân cốt lõi mang lại hiệu quả cao cho thuật toán là cơ chế tạo ảnh mặt nạ nhị phân từ không gian RGB để áp dụng trực tiếp lên không gian RGB chuẩn hóa. Do bóng đổ chỉ làm suy giảm độ chói mà không làm biến đổi sắc độ màu sắc của mặt sàn, thuật toán đã cô lập và loại bỏ chính xác vùng bóng mà không làm mất thông tin đường biên của đối tượng thực. Kết quả này khắc phục hoàn toàn hạn chế của các phương pháp phân khối do Kasturi đề xuất hay phương pháp so sánh thực của Xiong vốn dễ bị nhầm lẫn khi bóng di chuyển với diện tích lớn.

Toàn bộ kết quả thử nghiệm có thể được biểu diễn trực quan thông qua biểu đồ đường biến thiên giá trị điểm ảnh theo chuỗi thời gian, phản ánh sự tách biệt rõ ràng giữa ba trạng thái: nền tĩnh, bóng đổ và đối tượng xâm nhập. Đồng thời, bảng tổng hợp chỉ số F1-score và ma trận nhầm lẫn cho thấy độ chính xác tổng thể của mô hình đề xuất tăng thêm 14,2% so với các phương pháp trừ nền Gaussian đơn kênh truyền thống.

Đề xuất và khuyến nghị

Thứ nhất, nâng cấp và tích hợp module phần mềm trừ nền thích ứng: Triển khai trực tiếp thuật toán trừ nền phối hợp không gian màu vào hệ sinh thái phần mềm quản trị camera của Trường Văn hóa I nhằm duy trì độ trễ xử lý dưới 35 mili-giây, hoàn thành tích hợp trong quý I/2021 do Trung tâm Công nghệ thông tin chủ trì.

Thứ hai, chuẩn hóa hạ tầng phần cứng và nguồn sáng khu vực giám sát: Nâng cấp 100% camera tại các phòng lưu trữ thông tin mật lên chuẩn độ phân giải HD 720p với tốc độ khung hình cố định 30 khung hình/giây, đồng thời bố trí hệ thống đèn khuếch tán đồng đều nhằm giảm độ tương phản bóng đổ, thực hiện trước tháng 06/2021 do Ban Quản trị cơ sở vật chất phụ trách.

Thứ ba, ban hành quy trình tự động cảnh báo và xử lý sự cố: Xây dựng cơ chế liên kết dữ liệu phần mềm với còi báo động tại chỗ và tin nhắn tức thời đến số điện thoại cán bộ trực ban, rút ngắn thời gian tiếp cận hiện trường xuống dưới 10 giây kể từ khi phát hiện bất thường, ban hành trong quý III/2021 do Ban Giám hiệu phối hợp phòng Cơ yếu ban hành.

Thứ tư, định kỳ kiểm chuẩn thuật toán và diễn tập an ninh: Tổ chức cập nhật lại tham số mô hình nền 3 tháng một lần và thực hiện diễn tập phương án chống xâm nhập 2 lần/năm, đảm bảo 100% cán bộ nắm vững quy trình vận hành hệ thống khi có báo động.

Đối tượng nên tham khảo luận văn

Nhóm 1: Học viên cao học và nghiên cứu sinh chuyên ngành Khoa học máy tính, Công nghệ thông tin và Thị giác máy tính: Luận văn cung cấp khung lý thuyết chi tiết về các kỹ thuật trừ ảnh, mô hình nền Gaussian và toán tử không gian màu, là tài liệu tham khảo cho các nghiên cứu về phân tích video.

Nhóm 2: Kỹ sư phát triển phần mềm giám sát an ninh và giải pháp camera thông minh: Khung thuật toán và mã nguồn thực nghiệm trong luận văn giúp rút ngắn thời gian phát triển các tính năng cảnh báo xâm nhập thời gian thực với chi phí tính toán phần cứng tối ưu.

Nhóm 3: Cán bộ quản lý an ninh, nhân viên cơ yếu tại các cơ quan, đơn vị trường học: Cung cấp góc nhìn thực tiễn và giải pháp kỹ thuật cụ thể nhằm xây dựng hệ thống hàng rào ảo bảo vệ các khu vực giới nghiêm với độ tin cậy cao.

Nhóm 4: Giảng viên và nhà nghiên cứu tại các học viện kỹ thuật: Sử dụng nội dung đề tài làm bài giảng minh họa, tình huống thực tế cho các môn học Xử lý ảnh số, Nhận dạng mẫu và Thị giác máy tính ứng dụng.

Câu hỏi thường gặp

Thuật toán trừ nền kết hợp RGB và RGB chuẩn hóa loại bỏ bóng đổ bằng cơ chế nào? Trong hệ màu RGB, bóng đổ làm thay đổi cả độ sáng lẫn sắc độ nên dễ bị nhận diện nhầm thành đối tượng. Khi chuyển sang hệ RGB chuẩn hóa, mỗi điểm ảnh chỉ còn thành phần sắc độ giúp loại bỏ sự can thiệp của độ chói. Kết hợp việc áp mặt nạ nhị phân giữa hai không gian màu giúp hệ thống loại bỏ hơn 92% bóng đổ một cách chính xác.

Tại sao luận văn lại lựa chọn chuẩn định dạng CIF và QCIF để thực nghiệm? Định dạng CIF (352x288 điểm ảnh) và QCIF (176x144 điểm ảnh) là các chuẩn truyền dữ liệu video tiêu chuẩn quốc tế giúp tối ưu hóa băng thông truyền tải và tốc độ tính toán. Lựa chọn này giúp hệ thống đạt tốc độ xử lý 28 khung hình/giây, đảm bảo phản hồi tức thì trên các thiết bị phần cứng thông thường mà không cần đầu tư máy chủ đắt đỏ.

Hệ số ngưỡng k trong mô hình Gaussian ảnh hưởng thế nào đến độ chính xác cảnh báo? Hệ số k quyết định phạm vi chấp nhận dao động của nền tĩnh dựa trên độ lệch tiêu chuẩn. Khi thiết lập k=1, độ tin cậy đạt 68% nhưng dễ phát sinh báo động giả do nhiễu nhỏ. Khi nâng lên k=2, độ tin cậy đạt 95%, giúp loại trừ hầu hết rung động ánh sáng và đưa tỷ lệ phát hiện chính xác đối tượng xâm nhập lên 96,4%.

Thuật toán đề xuất có áp dụng được cho hệ thống camera di chuyển hay quay quét không? Thuật toán trong luận văn được thiết kế tối ưu cho camera có góc quan sát cố định tại các phòng giới nghiêm. Đối với camera quay quét hoặc di chuyển, hệ thống cần tích hợp thêm module bù chuyển động camera dựa trên vector chuyển động toàn cục trước khi tiến hành bước trừ nền để tránh báo động giả trên toàn khung hình.

Hệ thống phát hiện bất thường này yêu cầu cấu hình phần cứng như thế nào để vận hành? Nhờ thuật toán tối ưu hóa trên không gian màu và ma trận điểm ảnh nhẹ, hệ thống chỉ yêu cầu máy tính cấu hình phổ thông với vi xử lý từ 2 nhân, bộ nhớ trong 4GB RAM và camera có tốc độ truyền từ 25 khung hình/giây trở lên là có thể xử lý mượt mà luồng video với độ trễ dưới 0,04 giây.

Kết luận

• Hệ thống hóa toàn diện 5 nhóm kỹ thuật trừ ảnh và mô hình trừ nền thống kê ứng dụng trong xử lý dữ liệu video giám sát an ninh.
• Đề xuất thành công thuật toán trừ nền hai giai đoạn kết hợp không gian màu RGB và RGB chuẩn hóa, khử 92,6% bóng đổ của mục tiêu.
• Đạt tốc độ xử lý thời gian thực 28 khung hình/giây và tỷ lệ phát hiện chính xác đối tượng xâm nhập đạt 96,4% trên dữ liệu thực tế.
• Giải quyết bài toán bảo vệ tự động khu vực giới nghiêm tại phòng Cơ yếu Trường Văn hóa I với độ trễ phản hồi dưới 0,035 giây.
• Đặt nền móng kỹ thuật vững chắc để mở rộng giải pháp giám sát tự động cho nhiều khu vực trọng yếu trong ngành giáo dục và quốc phòng.

Đóng góp chính của luận văn là đã cung cấp giải pháp xử lý ảnh kết hợp tối ưu giữa lý thuyết mô hình Gaussian và chuyển đổi không gian màu, mang lại hiệu quả thực tiễn cao mà không đòi hỏi chi phí phần cứng đắt tiền.

Về kế hoạch triển khai tiếp theo, trong vòng 12 tháng tới, mô hình sẽ tiếp tục được nâng cấp để tích hợp các mạng nơ-ron học sâu nhẹ nhằm phân loại chi tiết hành vi đối tượng và tối ưu hóa hoạt động trên các vi mạch nhúng IoT.

Quý độc giả, các nhà nghiên cứu và kỹ sư quan tâm có thể khai thác tài liệu luận văn để ứng dụng vào công tác giảng dạy, nghiên cứu khoa học hoặc phát triển các giải pháp an ninh camera thông minh trong thực tế.

Trích đoạn nội dung tài liệu

Chương 1 KHÁI QUÁT VỀ XỬ LÝ ẢNH, XỬ LÝ VIDEO VÀ BÀI TOÁN PHÁT HIỆN BẤT THƯỜNG 1. Khái quát về xử lý ảnh 1. Các khái niệm cơ bản 1. Xử lý ảnh Xử lý ảnh là một lĩnh vực mang tính khoa học và công nghệ.

Tuy là một ngành khoa học mới mẻ so với nhiều ngành khoa học khác, nhưng tốc độ phát triển rất nhanh, được rất nhiều các viện nghiên cứu, ứng dụng. Những năm trở lại đây với sự phát triển của phần cứng máy tính, xử lý ảnh và đồ hoạ đã phát triển một cách mạnh mẽ và có nhiều ứng dụng được áp dụng trong cuộc sống. Xử lý ảnh và đồ hoạ đóng một vai trò quan trọng trong tương tác người - máy. Mục đích của xử lý ảnh là nâng cao chất lượng ảnh phục vụ con người và xử lý ảnh dữ liệu dạng hình ảnh để máy tính có thể hiểu được từ đó đưa ra những quyết định cần thiết.

Ảnh XỬ LÝ “Tốt hơn” Ảnh ẢNH Kết luận Hình 1. Quá trình xử lý ảnh Xử lý ảnh có nhiều ứng dụng trong đời sống như: nhận dạng ảnh, vệ tinh dự báo thời tiết, viễn thám, ảnh y tế, khoa học hình sự, điện ảnh… 1. Điểm ảnh Điểm ảnh (Pixel) là một phần tử của ảnh số tại toạ độ (x, y) với độ xám hoặc màu nhất định. Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian và mức LUAN VAN CHAT LUONG download : add [e-mail] 3 xám (hoặc màu) của ảnh số gần như ảnh thật.

Mỗi phần tử trong ma trận được gọi là một phần tử ảnh. Ảnh Ảnh số là tập hợp các điểm ảnh với mức xám phù hợp dùng để mô tả ảnh gần giống với ảnh thật. Ảnh được tạo nên từ hàng trăm ngàn cho đến hàng triệu ô vuông rất nhỏ - được coi là những nhân tố của bức ảnh và thường được biết dưới tên gọi là điểm ảnh. Máy tính hay máy in sử dụng những ô vuông nhỏ này để hiển thị hay in ra bức ảnh.

Để làm được điều đó máy tính hay máy in chia màn hình, trang giấy thành một mạng lưới chứa các ô vuông, sau đó sử dụng các giá trị chứa trong file ảnh để định ra mầu sắc, độ sáng tối của từng pixel trong mạng lưới đó, đó là cơ sở để ảnh số được hình thành. Việc kiểm soát, định ra địa chỉ theo mạng lưới như trên được gọi là bit mapping và ảnh số còn được gọi là ảnh bitmap. Mức xám của ảnh Định nghĩa: Mức xám (grey level) của điểm ảnh là cường độ sáng của nó được gán bằng giá trị số tại điểm đó. Các thang giá trị mức xám thông thường: 16, 32, 64, 128, 256 (Mức 256 là mức phổ dụng bởi vì trong kỹ thuật máy tính dùng 1 byte (8 bit) để biểu diễn mức xám: Mức xám dùng một byte biểu diễn: 28=256 mức, tức là từ giá trị 0 đến 255).

Ảnh đen trắng: là ảnh có hai màu đen, trắng (không chứa màu khác) với mức xám ở các điểm ảnh có thể khác nhau. Ảnh nhị phân: ảnh chỉ có hai mức đen trắng phân biệt tức dùng một bit mô tả 21 mức khác nhau. Nói cách khác: mỗi điểm ảnh của ảnh nhị phân chỉ có thể là 0 hoặc 1. Ảnh màu: trong khuôn khổ lý thuyết ba màu (Red, Blue, Green) để tạo nên thế giới màu, người ta thường dùng ba byte để mô tả mức màu, khi đó các giá trị màu: 28*3 = 224 ≈ 16,7 triệu màu.

LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Độ phân giải của ảnh Định nghĩa: Độ phân giải (Resolution) của ảnh là mật độ điểm ảnh được ấn định trên một ảnh số được hiển thị. Theo định nghĩa, khoảng cách giữa các điểm ảnh phải được chọn sao cho mắt người vẫn thấy được sự liên tục của ảnh. Việc lựa chọn khoảng cách thích hợp tạo nên một mật độ phân bổ, đó chính là độ phân giải và được phân bố theo trục x và y trong không gian hai chiều.

Ví dụ: Độ phân giải của ảnh trên màn hình CGA (Color Graphic Adapter) là một lưới điểm theo chiều ngang màn hình: 320 điểm chiều dọc × 200 điểm ảnh (320×200). Rõ ràng, cùng màn hình CGA 12” ta nhận thấy mịn hơn màn hình CGA 17” độ phân giải 320×200. Lý do: cùng một mật độ (độ phân giải) nhưng diện tích màn hình rộng hơn thì độ mịn (liên tục của các điểm) kém hơn. Các bước xử lý ảnh số Một hệ thống xử lý ảnh có sơ đồ tổng quát như sau: Hình 1.

Các bước cơ bản trong một hệ thống xử lý ảnh Sau đây sẽ trình bày một số kỹ thuật xử lý ảnh cần thiết phục vụ cho việc cài đặt chương trình thử nghiệm (theo các bước trong hình 1. 2), còn các thành phần khác sẽ được giới thiệu ở mức cơ bản. Thu nhận ảnh Các thiết bị thu nhận ảnh bao gồm camera, scanner các thiết bị thu nhận này có thể cho ảnh đen trắng. LUAN VAN CHAT LUONG download : add [e-mail] 5 Các thiết bị thu nhận ảnh có hai loại chính ứng với hai loại ảnh thông dụng Raster, Vector.

Các thiết bị thu nhận ảnh Raster thông thường là camera, các thiết bị thu nhận ảnh thông thường Vector là sensor hoặc bàn số hoá Digitalizer hoặc được chuyển đổi từ ảnh Raster. Nhìn chung các hệ thống thu nhận ảnh thực hiện 1 quá trình: Cảm biến: biến đổi năng lượng quang học thành năng lượng điện Tổng hợp năng lượng điện thành ảnh 1. Tiền xử lý Sau bộ thu nhận, ảnh có thể nhiễu và độ tương phản thấp nên cần đưa vào bộ tiền xử lý (Image Processing) để nâng cao chất lượng. Chức năng chính của bộ tiền xử lý là nắn chỉnh biến dạng, lọc nhiễu, chỉnh mức xám, nâng độ tương phản để làm ảnh rõ hơn, nét hơn.

Các thuật toán triển khai việc nâng cao chất lượng ảnh hầu hết dựa trên các kỹ thuật trong miền điểm, không gian và tần số. Toán tử điểm là phép biến đổi đối với từng điểm ảnh đang xét, không liên quan đến các điểm lân cận khác, trong khi đó, toán tử không gian sử dụng các điểm lân cận để quy chiếu tới điểm ảnh đang xét. Một số phép biến đổi có tính toán phức tạp được chuyển sang miền tần số để thực hiện, kết quả cuối cùng được chuyển trở lại miền không gian nhờ các biến đổi ngược. a) Nắn chỉnh biến dạng Ảnh thu nhận thường bị biến dạng do các thiết bị quang học và điện tử.

Ảnh thu nhận Ảnh mong muốn Hình 1. Ảnh thu nhận và ảnh mong muốn LUAN VAN CHAT LUONG download : add [e-mail] 6 Các nguyên nhân biến dạng do: - Do camera, đầu thu ảnh chất lượng kém. - Do môi trường, ánh sáng, hiện trường (scene), khí quyển, nhiễu xung. - Do chất lượng.

Để khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây dựng trên tập các điểm điều khiển. Giả sử (Pi, Pi’) với i = 1, n có n các tập điều khiển Tìm hàm f: Pi a f (Pi) sao cho: (1.1) Giả sử ảnh bị biến đổi chỉ bao gồm: Tịnh tiến, quay, tỷ lệ, biến dạng bậc nhất tuyến tính. Khi đó hàm f có dạng: f (x, y) = (a1x + b1y + c1, a2x + b2y + c2) (1.2) Ta có: Để cho φ → min Giải hệ phương trình tuyến tính tìm được a1, b1, c1, tương tự tìm được a2, b2, c; từ đó ta xác định được hàm f. b) Lọc nhiễu Thường ảnh thu nhận được có nhiễu nên cần phải loại bỏ nhiễu.

Từ bản chất của nhiễu (thường tương ứng với tần số cao) và từ cơ sở lý thuyết lọc LUAN VAN CHAT LUONG download : add [e-mail] 7 là: bộ lọc chỉ cho tín hiệu có tần số nào đó thông qua do đó, để lọc nhiễu người ta thường dùng lọc thông thấp (theo quan điểm tần số không gian) hay lấy tổ hợp tuyến tính để san bằng (lọc trung bình). Trước khi xem xét chi tiết các kỹ thuật áp dụng, cần phân biệt các loại nhiễu hay can thiệp trong quá trình xử lý ảnh. Trên thực tế tồn tại nhiều loại nhiễu; tuy nhiên người ta thường xem xét ba loại nhiễu chính: nhiễu cộng, nhiễu nhân và nhiễu xung: Nhiễu cộng: Nhiễu cộng thường phân bố khắp ảnh. Nếu gọi ảnh quan sát (ảnh thu được) là Xqs, ảnh gốc là Xgốc, nhiễu là η, ảnh thu được có thể biểu diễn bởi: Xqs = Xgốc + η Nhiễu nhân: Nhiễu nhân thường phân bố khắp ảnh và ảnh thu được sẽ biểu diễn với công thức: Xqs = Xgốc * η Nhiễu xung: Nhiễu xung thường gây đột biến tại một số điểm ảnh.

* Làm trơn nhiễu bằng lọc tuyến tính: lọc trung bình và lọc dải thông thấp Do có nhiều loại nhiễu can thiệp vào quá trình xử lý ảnh nên cần có nhiều bộ lọc thích hợp. Với nhiễu cộng và nhiễu nhân ta dùng các bộ lọc thông thấp, trung bình và lọc đồng hình (Homomorphie); với nhiễu xung ta dùng lọc trung bị, giả trung vị, lọc ngoài (Outlier). * Lọc trung bình không gian Với lọc trung bình, mỗi điểm ảnh được thay thế bằng trung bình trọng số của các điểm lân cận và được định nghĩa như sau: (1.3) Nếu trong kỹ thuật lọc trên, ta dùng các trọng số như nhau, phương trình trên sẽ trở thành: với: y(m, n): ảnh đầu vào, v(m, n): ảnh đầu ra; a(k, l): là cửa sổ lọc. LUAN VAN CHAT LUONG download : add [e-mail] 8 Với và Nw là số điểm ảnh trong cửa sổ lọc W.

Lọc trung bình có trọng số chính là thực hiện chập ảnh đầu vào với nhân chập H. Nhân chập H trong trường hợp này có dạng: Trong lọc trung bình, thường người ta ưu tiên cho các hướng để bảo vệ biên của ảnh khỏi bị mờ khi làm trơn ảnh. Các kiểu mặt nạ được sử dụng tùy theo các trường hợp khác nhau. Các bộ lọc trên là bộ lọc tuyến tính theo nghĩa là điểm ảnh ở tâm cửa sổ sẽ được thay bởi tổ hợp các điểm lân cận chập với mặt nạ.

Giả sử đầu vào biểu diễn bởi ma trận I: Ảnh số thu được bởi lọc trung bình Y=H⊗ I có dạng: Một bộ lọc trung bình không gian khác cũng hay được sử dụng. Phương trình của bộ lọc đó có dạng: Y[m,n]= [X[m,n]+ {X[m,n]+X[m-1,n]+X[m+1,n]+ X[m,n-1]+X[m,n+1]}] Ở đây, nhân chập H có kích thước 2x2 và mỗi điểm ảnh kết quả có giá trị bằng trung bình cộng của nó với trung bình cộng của bốn lân cận gần nhất. LUAN VAN CHAT LUONG download : add [e-mail] 9 Lọc trung bình trọng số là một trường hợp riêng của lọc thông thấp. * Lọc thông thấp Lọc thông thấp thường được sử dụng để làm trơn nhiễu.