Tổng quan nghiên cứu

Trong bối cảnh công nghệ thông tin phát triển mạnh mẽ, việc ứng dụng xử lý ảnh và video trong giám sát tự động ngày càng trở nên thiết yếu. Theo ước tính, hơn 70% thông tin mà con người tiếp nhận là qua thị giác, do đó việc phát hiện đối tượng chuyển động từ camera giám sát đóng vai trò quan trọng trong nhiều lĩnh vực, đặc biệt là an ninh và quản lý dịch vụ. Luận văn tập trung nghiên cứu các kỹ thuật phát hiện đối tượng chuyển động từ camera và ứng dụng trong giám sát tự động tại siêu thị MM Mega Market Quy Nhơn, với dữ liệu video thu thập từ hệ thống camera an ninh tại đây trong điều kiện ánh sáng tốt và nền không thay đổi.

Mục tiêu nghiên cứu là xây dựng và thử nghiệm các thuật toán phát hiện đối tượng chuyển động nhằm hỗ trợ quản lý nhân viên và nâng cao chất lượng dịch vụ tại siêu thị. Phạm vi nghiên cứu bao gồm các kỹ thuật xử lý ảnh và video, thuật toán trừ nền, kỹ thuật trừ ảnh dựa trên điểm ảnh, biểu đồ, thống kê và đặc trưng, cùng các phép toán hình thái học để xử lý hậu kỳ. Thời gian thu thập dữ liệu và thử nghiệm là năm 2019 tại Quy Nhơn. Nghiên cứu có ý nghĩa thực tiễn cao trong việc tự động hóa giám sát, giảm thiểu sự phụ thuộc vào con người, đồng thời nâng cao hiệu quả quản lý và an ninh trong môi trường siêu thị.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình xử lý ảnh số và video, trong đó có:

  • Xử lý ảnh số (Digital Image Processing): Quá trình biến đổi ảnh đầu vào thành ảnh đầu ra hoặc các kết quả phân tích nhằm nhận dạng, phân loại đối tượng. Các bước cơ bản gồm tiền xử lý, trích chọn đặc điểm, nhận dạng và phân loại.

  • Phát hiện đối tượng chuyển động (Motion Detection): Phân tích chuỗi khung hình video để xác định các vùng có sự thay đổi về vị trí hoặc cường độ sáng, từ đó phát hiện đối tượng chuyển động.

  • Kỹ thuật trừ nền (Background Subtraction): Xây dựng mô hình nền tham khảo từ khung hình đầu tiên, sau đó so sánh từng khung hình tiếp theo để phát hiện sự khác biệt, xác định vùng chuyển động.

  • Phép toán hình thái học (Morphological Operations): Các phép giãn nở, co, mở, đóng được sử dụng để xử lý ảnh nhị phân nhằm loại bỏ nhiễu, tách rời hoặc kết nối các vùng đối tượng.

Các khái niệm chính bao gồm: điểm ảnh (pixel), biểu đồ màu (color histogram), vector chuyển động (motion vector), mô hình Gauss hỗn hợp (Gaussian Mixture Model - GMM) cho trừ nền, và các phép toán hình thái học.

Phương pháp nghiên cứu

Phương pháp nghiên cứu kết hợp lý thuyết và thực nghiệm, cụ thể:

  • Nguồn dữ liệu: Video thu thập từ hệ thống camera giám sát tại siêu thị MM Mega Market Quy Nhơn, gồm hai video mẫu với độ dài 120 giây, tốc độ 30 frames/giây, độ phân giải 720x1280, ghi hình vào buổi tối với điều kiện ánh sáng tốt.

  • Phương pháp phân tích: Thuật toán trừ nền được cài đặt trên nền tảng Visual C++ sử dụng thư viện OpenCV phiên bản 2. Các bước xử lý gồm: khởi tạo nền từ khung hình đầu tiên, trừ nền để phát hiện vùng chuyển động, chuyển đổi sang ảnh nhị phân, áp dụng các phép toán hình thái học để loại bỏ nhiễu, đánh nhãn và khoanh vùng đối tượng chuyển động.

  • Cỡ mẫu: Hai video thử nghiệm với tổng cộng 7200 khung hình được xử lý để đánh giá hiệu quả thuật toán.

  • Timeline nghiên cứu: Từ việc thu thập tài liệu, nghiên cứu lý thuyết, xây dựng thuật toán, cài đặt chương trình đến thử nghiệm và đánh giá kết quả trong năm 2019.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả phát hiện đối tượng chuyển động: Thuật toán trừ nền kết hợp với xử lý hậu kỳ bằng các phép toán hình thái học đã phát hiện chính xác các đối tượng chuyển động trong video với tỷ lệ phát hiện thành công trên 85% trong điều kiện ánh sáng ổn định và nền không thay đổi.

  2. Tốc độ xử lý: Chương trình xử lý được video với độ trễ chấp nhận được, đáp ứng yêu cầu xử lý thời gian thực với tốc độ 30 frames/giây, phù hợp cho ứng dụng giám sát tự động tại siêu thị.

  3. Khả năng loại bỏ nhiễu: Việc áp dụng phép toán giãn nở và co giúp giảm thiểu các vùng nhiễu nhỏ, tránh việc nhận diện sai các vùng không phải đối tượng chuyển động, nâng cao độ chính xác lên khoảng 10% so với phương pháp trừ nền đơn thuần.

  4. Khả năng khoanh vùng đối tượng: Thuật toán đánh nhãn các thành phần liên kết trên ảnh nhị phân cho phép khoanh vùng chính xác các đối tượng chuyển động, hỗ trợ trực quan cho người quản lý trong việc theo dõi và điều phối nhân viên.

Thảo luận kết quả

Nguyên nhân của hiệu quả cao đến từ việc lựa chọn kỹ thuật trừ nền dựa trên mô hình Gauss hỗn hợp, giúp mô hình hóa tốt các biến đổi ánh sáng và chuyển động nền nhỏ như bóng cây đung đưa. So với các nghiên cứu khác chỉ sử dụng trừ ảnh dựa trên điểm ảnh hoặc biểu đồ, phương pháp này giảm thiểu được ảnh hưởng của nhiễu và chuyển động giả do camera.

Kết quả thử nghiệm với hai video thực tế tại siêu thị cho thấy thuật toán có thể áp dụng hiệu quả trong môi trường có nền tĩnh và ánh sáng ổn định. Tuy nhiên, trong điều kiện ánh sáng thay đổi đột ngột hoặc nền động phức tạp, độ chính xác có thể giảm, cần nghiên cứu thêm các kỹ thuật nâng cao như học sâu hoặc kết hợp nhiều cảm biến.

Dữ liệu có thể được trình bày qua biểu đồ so sánh tỷ lệ phát hiện đúng và sai giữa các kỹ thuật trừ nền khác nhau, cũng như bảng thống kê thời gian xử lý trung bình trên mỗi khung hình.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống giám sát tự động: Áp dụng thuật toán phát hiện đối tượng chuyển động trong hệ thống camera giám sát tại các khu vực bán hàng của siêu thị để hỗ trợ quản lý nhân viên và nâng cao chất lượng dịch vụ. Thời gian thực hiện: 6 tháng, chủ thể: bộ phận công nghệ thông tin siêu thị.

  2. Nâng cấp thuật toán xử lý: Phát triển thêm các kỹ thuật xử lý nâng cao như học máy để cải thiện khả năng phát hiện trong điều kiện ánh sáng thay đổi hoặc nền động. Mục tiêu tăng độ chính xác lên trên 90%. Thời gian: 12 tháng, chủ thể: nhóm nghiên cứu công nghệ thông tin.

  3. Đào tạo nhân viên vận hành: Tổ chức các khóa đào tạo cho nhân viên quản lý và kỹ thuật về cách sử dụng hệ thống giám sát tự động, phân tích kết quả và xử lý sự cố. Thời gian: 3 tháng, chủ thể: phòng nhân sự và đào tạo.

  4. Mở rộng ứng dụng: Nghiên cứu mở rộng ứng dụng phát hiện đối tượng chuyển động sang các lĩnh vực khác như an ninh tòa nhà, giao thông, y tế để tận dụng tối đa hiệu quả của công nghệ. Thời gian: 18 tháng, chủ thể: các đơn vị nghiên cứu và doanh nghiệp công nghệ.

Đối tượng nên tham khảo luận văn

  1. Nhà quản lý siêu thị và bán lẻ: Giúp hiểu rõ về công nghệ giám sát tự động, từ đó áp dụng để nâng cao hiệu quả quản lý nhân viên và dịch vụ khách hàng.

  2. Chuyên gia công nghệ thông tin và phát triển phần mềm: Cung cấp kiến thức chuyên sâu về các thuật toán xử lý ảnh và video, hỗ trợ phát triển các hệ thống giám sát thông minh.

  3. Nhà nghiên cứu và sinh viên ngành Khoa học máy tính: Là tài liệu tham khảo quý giá về kỹ thuật phát hiện đối tượng chuyển động, mô hình nền và xử lý hậu kỳ bằng hình thái học.

  4. Doanh nghiệp cung cấp giải pháp an ninh và giám sát: Giúp phát triển sản phẩm mới, nâng cao tính năng và hiệu quả của hệ thống giám sát tự động trong môi trường thực tế.

Câu hỏi thường gặp

  1. Phát hiện đối tượng chuyển động là gì?
    Phát hiện đối tượng chuyển động là quá trình xác định các vùng trong video có sự thay đổi về vị trí hoặc cường độ sáng giữa các khung hình liên tiếp, nhằm nhận diện các đối tượng đang di chuyển trong khu vực quan sát.

  2. Tại sao cần sử dụng kỹ thuật trừ nền?
    Kỹ thuật trừ nền giúp tách các đối tượng chuyển động khỏi nền tĩnh bằng cách xây dựng mô hình nền tham khảo và so sánh với khung hình hiện tại, từ đó phát hiện sự khác biệt chính xác hơn và giảm nhiễu.

  3. Phép toán hình thái học có vai trò gì trong xử lý ảnh?
    Phép toán hình thái học như giãn nở, co, mở, đóng được sử dụng để xử lý ảnh nhị phân nhằm loại bỏ nhiễu, tách rời hoặc kết nối các vùng đối tượng, giúp kết quả phát hiện đối tượng rõ ràng và chính xác hơn.

  4. Thuật toán có thể áp dụng trong điều kiện ánh sáng thay đổi không?
    Trong điều kiện ánh sáng thay đổi đột ngột, thuật toán trừ nền truyền thống có thể giảm hiệu quả. Cần kết hợp các kỹ thuật nâng cao hoặc mô hình học máy để thích ứng tốt hơn với môi trường biến động.

  5. Làm thế nào để đánh giá hiệu quả của thuật toán phát hiện?
    Hiệu quả được đánh giá qua tỷ lệ phát hiện đúng (true positive), tỷ lệ phát hiện sai (false positive), tốc độ xử lý khung hình và khả năng hoạt động trong thời gian thực. Ví dụ, trong nghiên cứu này, tỷ lệ phát hiện đúng đạt trên 85% với độ trễ chấp nhận được.

Kết luận

  • Luận văn đã nghiên cứu và ứng dụng thành công các kỹ thuật phát hiện đối tượng chuyển động từ camera trong môi trường siêu thị với dữ liệu thực tế từ MM Mega Market Quy Nhơn.
  • Thuật toán trừ nền kết hợp với xử lý hậu kỳ bằng phép toán hình thái học cho kết quả phát hiện chính xác và hiệu quả trong thời gian thực.
  • Kết quả thử nghiệm với hai video mẫu cho thấy khả năng phát hiện đối tượng chuyển động đạt trên 85% trong điều kiện ánh sáng ổn định và nền không thay đổi.
  • Đề xuất triển khai hệ thống giám sát tự động tại siêu thị, đồng thời nghiên cứu nâng cao thuật toán để thích ứng với các điều kiện phức tạp hơn.
  • Các bước tiếp theo bao gồm mở rộng thử nghiệm, đào tạo nhân viên vận hành và phát triển ứng dụng trong các lĩnh vực khác nhằm tối ưu hóa hiệu quả sử dụng công nghệ.

Hãy bắt đầu áp dụng các giải pháp giám sát tự động để nâng cao hiệu quả quản lý và dịch vụ tại siêu thị ngay hôm nay!