Tổng quan nghiên cứu

Sự bùng nổ của công nghệ truyền thông số và các thiết bị thu hình đã tạo ra khối lượng dữ liệu đa phương tiện khổng lồ, với tốc độ ghi nhận tiêu chuẩn từ 24 đến 30 khung hình mỗi giây. Điều này đồng nghĩa với việc một đoạn video dài 1 phút chứa khoảng 1.800 khung hình và một bộ phim tư liệu 60 phút sẽ lưu trữ tới 108.000 khung hình riêng lẻ. Việc lưu trữ video ở dạng thô gây ra rào cản nghiêm trọng cho công tác quản trị, khiến việc duyệt tìm thủ công tiêu tốn nhiều thời gian và tài nguyên máy tính. Nhằm giải quyết triệt để bài toán định vị chính xác phân đoạn chứa nội dung mong muốn, luận văn tập trung nghiên cứu kỹ thuật tìm kiếm video theo nội dung thông qua phân đoạn video thành các lia và trích chọn khung hình đại diện.

Mục tiêu trọng tâm của đề tài là hệ thống hóa cơ sở lý thuyết về cơ sở dữ liệu video, xây dựng các giải thuật đo độ chênh lệch giữa các khung hình và phát triển chương trình thử nghiệm ứng dụng thực tế. Nghiên cứu giới hạn phạm vi thực nghiệm trên kho dữ liệu video nghiệp vụ chuyên ngành tại thư viện Học viện Cảnh sát Nhân dân kết hợp cùng các nguồn tư liệu truyền thông phong phú trong giai đoạn năm 2018. Kết quả nghiên cứu đóng góp giải pháp tự động hóa quy trình phân rã dữ liệu, giảm thiểu khoảng 75% thời gian tra cứu thủ công và nâng cao độ chính xác truy vấn theo nội dung lên trên 88%, tạo nền tảng vững chắc cho việc quản trị cơ sở dữ liệu đa phương tiện quy mô lớn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu ứng dụng mô hình phân cấp cấu trúc video bốn tầng tiêu chuẩn bao gồm: Video tổng thể, Cảnh, Đoạn cơ sở hay còn gọi là Lia, và Khung hình. Một đoạn cơ sở được định nghĩa là chuỗi các khung hình liên tiếp theo thời gian mô tả một hành động liên tục từ khi bấm máy quay đến khi dừng máy. Bên cạnh đó, nghiên cứu triển khai mô hình kiến trúc hệ thống tìm kiếm video theo nội dung toàn diện kết hợp hai quy trình: quy trình ngoại tuyến đảm nhiệm tiền xử lý phân đoạn shot, rút trích khung hình chính và lập chỉ mục đặc trưng; quy trình trực tuyến thực hiện tiếp nhận ảnh truy vấn, đối sánh đặc trưng và xếp hạng kết quả tương đồng.

Hệ thống lý thuyết tập trung vào các khái niệm cốt lõi: chuyển cảnh đột ngột xảy ra trong một bước nhảy khung hình, chuyển cảnh dần dần với các hiệu ứng kỹ xảo như làm mờ, chồng mờ, cuộn cảnh, và biểu đồ phân bố màu sắc. Để tối ưu hóa việc biểu diễn không gian màu RGB 24-bit với 256 mức cường độ cho mỗi kênh màu, nghiên cứu áp dụng giải pháp rút gọn chỉ sử dụng 2 đến 3 bit có ý nghĩa nhất. Kỹ thuật này giúp giảm không gian biểu đồ màu xuống còn 64 hoặc 512 giá trị mã màu, tiết kiệm hơn 60% chi phí tính toán trong khi vẫn bảo toàn đầy đủ các đặc trưng thị giác then chốt.

Phương pháp nghiên cứu

Nguồn dữ liệu thử nghiệm bao gồm 50 tệp video chuyên ngành và truyền thông tổng hợp với hơn 150.000 khung hình, bao gồm cả các định dạng video nén chuẩn MPEG và video không nén. Nghiên cứu áp dụng phương pháp chọn mẫu có chủ đích nhằm thu thập đa dạng các tình huống biên tập: từ các đoạn video có nhiều pha cắt cảnh đột ngột, góc quay tĩnh cho đến các đoạn có chuyển động máy quay phức tạp, đối tượng di chuyển liên tục và nhiều hiệu ứng chuyển cảnh mờ chồng.

Về phương pháp phân tích, tác giả lựa chọn kết hợp phân tích biểu đồ màu toàn cục, biểu đồ màu cục bộ chia 16 khối, phép kiểm định Chi-square cải tiến và kỹ thuật cửa sổ trượt với kích thước nửa cửa sổ 10 khung hình. Lý do lựa chọn tổ hợp phương pháp này là nhằm khắc phục triệt để nhược điểm quá nhạy cảm với nhiễu và chuyển động của phương pháp trừ điểm ảnh truyền thống, đồng thời bổ sung thông tin không gian cho biểu đồ màu. Toàn bộ tiến trình nghiên cứu lý thuyết, thiết kế thuật toán và cài đặt thử nghiệm hệ thống được thực hiện liên tục trong chu kỳ 12 tháng năm 2018.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối sánh các kỹ thuật phân đoạn video và tìm kiếm khung hình đại diện đã mang lại những phát hiện quan trọng sau:

  • Phương pháp trừ điểm ảnh trực tiếp chỉ đạt độ chính xác nhận diện chuyển cảnh khoảng 65% do bị ảnh hưởng nặng nề bởi sự thay đổi cường độ ánh sáng và chuyển động của đối tượng. Trong khi đó, kỹ thuật so sánh biểu đồ màu toàn cục nâng độ chính xác nhận diện cắt cảnh đột ngột lên 91.5%, đồng thời giảm hơn 80% hiện tượng báo động giả do rung lắc máy quay.
  • Đối với các dạng chuyển cảnh dần dần như chồng mờ hay mờ dần, các phương pháp ngưỡng đơn truyền thống chỉ đạt tỷ lệ phát hiện dưới 16%. Khi áp dụng kỹ thuật so sánh kép hai ngưỡng kết hợp tích lũy độ lệch giữa các khung hình, tỷ lệ nhận diện thành công đạt mức 82.4%, cải thiện hơn 66% hiệu năng tách đoạn.
  • Giải pháp chia khung hình thành 16 khối cục bộ và loại bỏ các khối có sai lệch cực đại giúp triệt tiêu 70% các sai số phát sinh khi đối tượng di chuyển trong khung hình tĩnh, bảo đảm tính toàn vẹn của ranh giới đoạn cơ sở.
  • Thuật toán cửa sổ trượt với thông số nửa kích thước cửa sổ bằng 10 khung hình cho phép phát hiện chính xác thời điểm chuyển tiếp phân đoạn khi số lượng khung hình tương đồng phía trước giảm đột ngột về mức 0, duy trì sai số phân đoạn dưới 5%.

Thảo luận kết quả

Nguyên nhân chính giúp phương pháp biểu đồ màu đạt hiệu quả vượt trội là tính bất biến tương đối của phân bố màu sắc đối với các thao tác quay quét máy hay sự dịch chuyển vị trí của đối tượng. Khi kết hợp với kỹ thuật chia 16 khối cục bộ, nhược điểm thiếu thông tin không gian của biểu đồ màu toàn cục đã được giải quyết triệt để. So với các công trình nghiên cứu trước đây trong lĩnh vực đa phương tiện vốn chỉ tập trung vào một ngưỡng cố định, việc ứng dụng ngưỡng kép và cửa sổ trượt mang lại độ tin cậy vượt trội khi xử lý các video có kỹ xảo biên tập tinh vi.

Các kết quả thực nghiệm này có thể được trình bày một cách trực quan thông qua biểu đồ cột so sánh tỷ lệ phát hiện đúng và tỷ lệ báo động giả giữa 4 phương pháp: trừ điểm ảnh, biểu đồ toàn cục, biểu đồ 16 khối và kỹ thuật so sánh kép. Đồng thời, một bảng ma trận nhầm lẫn chi tiết với các chỉ số Precision, Recall và F1-score trên từng thể loại video chuyên ngành sẽ minh chứng rõ nét cho năng lực đáp ứng thực tế của hệ thống. Đóng góp này khẳng định khả năng tự động hóa khâu xử lý dữ liệu đầu vào cho các hệ quản trị cơ sở dữ liệu video hiện đại.

Đề xuất và khuyến nghị

Nhằm nâng cao hiệu quả ứng dụng kỹ thuật tìm kiếm video theo nội dung trong thực tiễn, các đề xuất cụ thể được xây dựng như sau:

  • Chuẩn hóa quy trình tiền xử lý và phân rã video: Triển khai kỹ thuật trừ ảnh dựa trên biểu đồ 16 khối cục bộ cho 100% video lưu trữ mới, giúp giảm 40% chi phí tính toán lưu trữ chỉ mục trong vòng 6 tháng do Phòng Công nghệ thông tin chủ trì thực hiện.
  • Hoàn thiện thuật toán nhận diện chuyển cảnh mờ dần: Tích hợp kỹ thuật phân tích biến đổi Wavelet kết hợp cùng thuật toán so sánh hai ngưỡng nhằm nâng tỷ lệ nhận diện chính xác các cảnh hòa tan và mờ dần lên trên 90% trong thời gian 9 tháng do Đội ngũ kỹ sư phần mềm đảm nhiệm.
  • Tối ưu hóa cơ chế trích chọn khung hình đại diện: Áp dụng phương pháp phân chia đoạn con linh hoạt và tính toán khoảng cách biểu đồ màu trung bình, bảo đảm mỗi phân đoạn video phức tạp có ít nhất 1 khung hình đại diện đạt độ bao phủ nội dung trên 95% trước quý IV năm 2019 dưới sự giám sát của Trung tâm Dữ liệu số.
  • Thiết lập kiến trúc cơ sở dữ liệu đa phương tiện lai ghép: Xây dựng cấu trúc chỉ số hóa kết hợp nguyên lý tự trị cho từng loại media và chỉ số thống nhất cho toàn hệ thống nhằm rút ngắn 50% thời gian truy vấn trực tuyến trong vòng 12 tháng do Ban Chuyển đổi số cơ quan chỉ đạo triển khai.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang lại giá trị học thuật và thực tiễn cao cho nhiều nhóm độc giả chuyên biệt:

  • Học viên cao học và nghiên cứu sinh chuyên ngành Khoa học máy tính: Luận văn cung cấp hệ thống lý thuyết chuẩn mực về phân rã cấu trúc video, kỹ thuật đo khoảng cách màu sắc và tài liệu tham khảo chi tiết để phát triển các đề tài xử lý thị giác máy tính.
  • Kỹ sư phát triển phần mềm xử lý đa phương tiện: Nắm bắt kiến trúc hệ thống tìm kiếm theo nội dung, áp dụng trực tiếp thuật toán cửa sổ trượt và so sánh hai ngưỡng vào việc phát triển các công cụ biên tập, lập chỉ mục video tự động tại doanh nghiệp.
  • Chuyên viên quản trị thư viện số và trung tâm lưu trữ tư liệu: Sử dụng giải pháp phân đoạn lia và trích chọn khung hình đại diện để tự động hóa quy trình phân loại, số hóa cho hơn 30.000 giờ tư liệu video, rút ngắn 60% thời gian phân loại thủ công.
  • Cán bộ điều tra và giám sát an ninh: Khai thác cơ chế tìm kiếm khung hình tương đồng từ kho dữ liệu camera giám sát nhằm nhanh chóng khoanh vùng đối tượng và phân tích diễn biến sự kiện nghiệp vụ với độ chính xác cao.

Câu hỏi thường gặp

Kỹ thuật tách lia video đóng vai trò gì trong hệ thống tìm kiếm video theo nội dung?

Tách lia là quá trình tự động phân chia chuỗi video liên tục thành các đoạn cơ sở đồng nhất về bối cảnh hoặc hành động. Kỹ thuật này giúp chuyển đổi dữ liệu video thô gồm hàng trăm nghìn khung hình thành các đơn vị logic nhỏ hơn, làm tiền đề để trích chọn khung hình đại diện và lập chỉ mục nội dung, giúp giảm hơn 75% khối lượng tính toán khi tìm kiếm.

Tại sao phương pháp trừ điểm ảnh trực tiếp lại không hiệu quả trong thực tế?

Phương pháp trừ điểm ảnh so sánh trực tiếp cường độ tại từng vị trí pixel giữa hai khung hình liên tiếp. Trong thực tế, kỹ thuật này chỉ đạt độ chính xác khoảng 65% vì rất nhạy cảm với sự dịch chuyển của máy quay, ánh sáng nhấp nháy hoặc khi có một vật thể nhỏ di chuyển nhanh, dẫn đến tỷ lệ nhận diện nhầm ranh giới cảnh rất cao.

Kỹ thuật so sánh hai ngưỡng giải quyết bài toán chuyển cảnh dần dần như thế nào?

Kỹ thuật sử dụng ngưỡng cao để phát hiện cắt cảnh đột ngột và ngưỡng thấp để đánh dấu các khung hình bắt đầu có sự biến đổi từ từ. Hệ thống sẽ tích lũy độ chênh lệch của các khung hình liên tiếp; nếu tổng tích lũy vượt qua ngưỡng cao thì chuyển cảnh dần dần được xác nhận, giúp nâng tỷ lệ phát hiện hiệu ứng mờ dần từ dưới 16% lên tới 82.4%.

Làm thế nào để chọn được khung hình đại diện tối ưu cho một đoạn video có nhiều chuyển động?

Đối với các đoạn video động có chuyển động lia máy hoặc đối tượng di chuyển liên tục, phương pháp tối ưu là tính toán biểu đồ màu trung bình của toàn bộ các khung hình trong đoạn. Sau đó, khung hình có khoảng cách biểu đồ màu gần nhất với giá trị trung bình này sẽ được chọn làm khung hình đại diện tiêu biểu nhất cho nội dung phân đoạn.

Việc giảm số bit màu của mỗi kênh RGB có làm suy giảm độ chính xác của hệ thống không?

Việc chỉ giữ lại 2 đến 3 bit cao nhất của mỗi kênh màu Red, Green, Blue sẽ gom không gian màu 24-bit về 64 hoặc 512 mức mã màu. Kỹ thuật này không làm giảm độ chính xác phân đoạn vì vẫn giữ nguyên đặc trưng phân bố màu chủ đạo của cảnh quay, trong khi giúp giảm tới 60% thời gian xử lý và dung lượng bộ nhớ lưu trữ chỉ mục.

Kết luận

  • Luận văn đã chuẩn hóa toàn diện cơ sở lý thuyết về mô hình dữ liệu video và kiến trúc hệ thống tìm kiếm đa phương tiện theo nội dung kết hợp xử lý ngoại tuyến và trực tuyến.
  • Đề xuất và cài đặt thành công thuật toán tách lia video dựa trên biểu đồ màu 16 khối cục bộ và kỹ thuật so sánh hai ngưỡng, khắc phục triệt để hạn chế của phương pháp trừ điểm ảnh truyền thống.
  • Xây dựng giải pháp trích chọn khung hình đại diện thông minh dựa trên biểu đồ màu trung bình, nâng cao độ bao phủ nội dung phân đoạn lên trên 95%.
  • Hoàn thiện chương trình thử nghiệm trên kho dữ liệu video nghiệp vụ, chứng minh khả năng định vị phân đoạn chính xác với sai số dưới 5%.
  • Mở ra lộ trình phát triển trong 6 đến 12 tháng tới nhằm tích hợp các mạng nơ-ron học sâu vào trích xuất đặc trưng ngữ nghĩa mức cao.

Quý độc giả, các nhà nghiên cứu và kỹ sư công nghệ có thể tham khảo chi tiết toàn bộ thuật toán và mô hình cài đặt thực nghiệm trong tài liệu luận văn để ứng dụng hiệu quả vào các dự án phát triển hệ thống quản trị dữ liệu video số.