Tổng quan nghiên cứu

Theo các báo cáo chuyên ngành về thị giác máy tính, hơn 75% hệ thống giám sát an ninh truyền thống đối mặt với tình trạng suy giảm hiệu quả nghiêm trọng khi phải vận hành liên tục 24/7. Khả năng bao quát của con người giảm tới 40% chỉ sau 20 phút theo dõi màn hình quan sát, tạo ra nguy cơ bỏ sót khoảng 35% các sự kiện an ninh trọng yếu trong thực tế. Xu hướng phát triển hệ thống giám sát thông minh đòi hỏi các thuật toán xử lý video phải có khả năng tự động phát hiện, phân lớp và theo vết đối tượng với độ tin cậy cao.

Vấn đề cốt lõi mà đề tài tập trung giải quyết là bài toán theo vết đối tượng trọng yếu trong môi trường ngoài trời, nơi chịu tác động mạnh bởi sự biến thiên ánh sáng, nhiễu thời tiết và hiện tượng che khuất hoặc chồng lấp giữa các thực thể chuyển động. Mục tiêu chính của luận văn là nghiên cứu, đề xuất và hiện thực hóa giải thuật theo vết đối tượng dựa trên sự kết hợp giữa biến đổi Bandelet thế hệ thứ hai và mô hình năng lượng biên, cho phép thích ứng linh hoạt với sự thay đổi hình dạng đối tượng qua từng khung hình.

Phạm vi nghiên cứu được xác lập trên dữ liệu video thu thập từ một camera đơn tại các tuyến phố đô thị, tập trung vào hai nhóm đối tượng trọng yếu là người đi bộ và phương tiện xe hơi di chuyển liên tục. Đề tài được thực hiện tại Trường Đại học Bách Khoa - Đại học Quốc gia Thành phố Hồ Chí Minh trong giai đoạn từ tháng 6 năm 2013 đến tháng 11 năm 2014. Nghiên cứu mang ý nghĩa khoa học và ứng dụng thực tiễn to lớn khi giúp nâng cao độ chính xác nhận diện cạnh lên hơn 14% và kéo giảm tỷ lệ xác định sai vị trí xuống dưới 5% so với các phương pháp xử lý ảnh truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu vận dụng khung lý thuyết toàn diện của hệ thống giám sát thị giác thông minh gồm 4 khối chức năng liên hoàn: phát hiện đối tượng, phân lớp đối tượng, theo vết đối tượng và nhận dạng hành vi. Trong đó, hai nền tảng lý thuyết và mô hình toán học cốt lõi được áp dụng gồm:

Thứ nhất, lý thuyết biểu diễn hình học và biến đổi Bandelet thế hệ thứ hai. Khác với biến đổi Wavelet 2 chiều truyền thống vốn bị giới hạn bởi tính đẳng hướng khi biểu diễn các đường cong ranh giới, biến đổi Bandelet khai thác triệt để luồng hình học dọc theo các cạnh sắc nét. Mô hình phân đoạn cây tứ phân kết hợp hàm tối ưu hóa Lagrange được sử dụng để phân tích đệ quy từng khối ảnh, từ đó xác định chính xác hướng luồng hình học và trích xuất các hệ số Bandelet đặc trưng.

Thứ hai, mô hình năng lượng biên và lý thuyết đường bao động. Phương pháp khai thác năng lượng viền đối tượng kết hợp với các chỉ số thống kê của hệ số Bandelet để thiết lập vector đặc trưng đa chiều. Ba khái niệm chuyên ngành then chốt được tích hợp xuyên suốt mô hình gồm: hướng luồng hình học, hàm mật độ xác suất và hệ số tương đồng Bhattacharyya, tạo nên cơ chế so khớp vững chắc trước các biến dạng cục bộ.

Phương pháp nghiên cứu

Nghiên cứu xây dựng tập dữ liệu thực nghiệm gồm 12 chuỗi video chuẩn ngoài trời với quy mô hơn 1.800 khung hình ở độ phân giải tiêu chuẩn, ghi nhận chuyển động thực tế của người đi bộ và xe hơi dưới các điều kiện chiếu sáng tự nhiên thay đổi từ 200 lux đến hơn 5.000 lux.

Phương pháp chọn mẫu mục đích được áp dụng chặt chẽ nhằm chọn lọc các đoạn video có độ phức tạp cao, bao gồm các tình huống đối tượng bị che khuất một phần từ 20% đến 30% diện tích, nền cảnh phức tạp và có sự biến đổi hình dạng liên tục giữa các khung hình liên tiếp.

Quy trình phân tích được thiết kế theo 8 bước kỹ thuật khép kín:

  1. Khởi tạo và xác định vùng đối tượng tại khung hình đầu tiên.
  2. Thực hiện biến đổi Wavelet trực giao 2 chiều trên từng khung hình.
  3. Phân chia đệ quy không gian ảnh bằng cấu trúc phân đoạn cây tứ phân.
  4. Tối ưu hóa hàm chi phí Lagrange để xác định hướng luồng hình học cho từng khối.
  5. Thực hiện phép chiếu trực giao các điểm ảnh để thu được tín hiệu rời rạc 1 chiều.
  6. Biến đổi Wavelet 1 chiều nhằm trích xuất hệ số Bandelet và tính toán các giá trị thống kê.
  7. Tính toán năng lượng biên của đối tượng làm đặc trưng bổ trợ.
  8. Áp dụng thuật toán so khớp đa tham số để định vị đối tượng trên các khung hình tiếp theo.

Lý do lựa chọn phương pháp này là vì sự kết hợp giữa Bandelet và năng lượng biên giúp tận dụng tối đa cấu trúc hình học biên sắc nét, loại bỏ hiệu quả nhiễu nền và khắc phục triệt để nhược điểm mất dấu khi màu sắc đối tượng trùng với phông nền. Tiến trình nghiên cứu được triển khai từ ngày 24/06/2013 và hoàn thành vào ngày 14/11/2014 trước khi bảo vệ chính thức vào tháng 01/2015.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đối sánh trên các chuỗi video thử nghiệm ngoài trời đã mang lại những phát hiện quan trọng có giá trị khoa học cao:

Thứ nhất, độ chính xác trong việc xác định đường biên đối tượng tăng trưởng vượt trội. Giải thuật đề xuất đạt độ chính xác phát hiện cạnh lên tới 93,2%, cao hơn 15,6% so với phương pháp sử dụng biến đổi Wavelet 2 chiều tiêu chuẩn và vượt hơn 11,4% so với phương pháp trừ nền thông thường.

Thứ hai, tỷ lệ xác định sai vị trí tâm đối tượng qua các khung hình liên tiếp giảm mạnh. Trên tập dữ liệu kiểm thử 500 khung hình của chuỗi video người đi bộ, tỷ lệ sai lệch vị trí giảm từ 19,4% khi sử dụng thuật toán so khớp mẫu xuống còn 4,6% khi áp dụng giải thuật kết hợp Bandelet và năng lượng biên.

Thứ ba, khả năng duy trì quỹ đạo theo vết ổn định khi xảy ra che khuất cục bộ. Khi đối tượng bị che khuất một phần khoảng 25% đến 30% diện tích viền bởi biển báo hoặc phương tiện khác, thuật toán vẫn bám sát đối tượng với độ trôi quỹ đạo trung bình dưới 3,2 pixel trên mỗi khung hình.

Thứ tư, tối ưu hóa đáng kể chi phí tính toán trích xuất đặc trưng. Cơ chế phân đoạn cây tứ phân kết hợp phép chiếu trực giao 1 chiều giúp giảm khoảng 32% thời gian xử lý so với các thuật toán phân tích đa hướng toàn phần, bảo đảm tính khả thi cho việc triển khai thực tế.

Thảo luận kết quả

Kết quả vượt trội của giải thuật đề xuất bắt nguồn từ việc khai thác triệt để tính định hướng của luồng hình học. Trong khi các phương pháp truyền thống như bộ lọc Kalman tuyến tính hay thuật toán dịch chuyển trung bình Mean-Shift thường mất dấu khi đối tượng có màu sắc tương đồng với nền hoặc thay đổi kích thước do góc quay, hệ số Bandelet bảo toàn nguyên vẹn cấu trúc ranh giới hình học. Đồng thời, việc bổ sung năng lượng biên tạo ra một lớp bảo vệ vững chắc giúp loại bỏ hoàn toàn các vùng nhiễu bóng đổ sinh ra do ánh nắng mặt trời ngoài trời.

Toàn bộ dữ liệu thực nghiệm được trình bày trực quan thông qua bảng so sánh sai số định vị tâm trung bình giữa các giải thuật và biểu đồ đường phân bố độ lệch pixel qua 500 khung hình liên tiếp. Biểu đồ cho thấy đường cong sai số của giải thuật đề xuất luôn dao động ổn định trong biên độ an toàn từ 1 đến 4 pixel, trong khi đường sai số của phương pháp Wavelet đơn thuần bị phân kỳ mạnh tại các đoạn có che khuất. Điều này khẳng định tính ổn định và sự bền vững của mô hình đề xuất trong điều kiện giám sát thực địa.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và đưa kết quả nghiên cứu vào ứng dụng thực tiễn trên diện rộng, các giải pháp và khuyến nghị chiến lược được đề xuất như sau:

Thứ nhất, tự động hóa hoàn toàn giai đoạn phát hiện và khởi tạo đối tượng ban đầu. Cần tích hợp các mạng nơ-ron học sâu như mạng tích chập để tự động khoanh vùng đối tượng trọng yếu tại khung hình đầu tiên, nâng tỷ lệ tự động hóa toàn chu trình lên mức 100%, thực hiện trong lộ trình 6 tháng do nhóm kỹ sư trí tuệ nhân tạo đảm nhiệm.

Thứ hai, mở rộng kiến trúc giải thuật sang bài toán theo vết đa đối tượng đồng thời. Cần phát triển mô hình tách và ghép đường viền kết hợp liên kết dữ liệu đa kênh để quản lý cùng lúc từ 8 đến 12 đối tượng trên một khung cảnh với độ trễ dưới 35 mili-giây mỗi khung hình, tiến hành trong 9 tháng bởi bộ phận nghiên cứu thị giác máy tính.

Thứ ba, tối ưu hóa thuật toán trên nền tảng phần cứng chuyên dụng. Cần tiến hành tái cấu trúc các phép biến đổi Bandelet và cây tứ phân bằng ngôn ngữ lập trình song song trên chip GPU nhằm đạt tốc độ xử lý trên 30 khung hình mỗi giây cho luồng video độ nét cao, hoàn thành trong vòng 4 tháng do nhóm kỹ thuật nhúng phụ trách.

Thứ tư, thử nghiệm và tích hợp giải thuật vào hệ thống camera giám sát giao thông đô thị. Cơ quan quản lý giao thông và các doanh nghiệp công nghệ cần phối hợp triển khai thí điểm tại 15 nút giao thông trọng điểm, hướng tới mục tiêu giảm 20% thời gian xử lý sự cố ùn tắc trong vòng 12 tháng.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả của luận văn là tài liệu tham khảo giá trị cho nhiều nhóm độc giả chuyên môn:

Nhóm học viên cao học và nghiên cứu sinh ngành Khoa học Máy tính: Luận văn cung cấp phương pháp luận chặt chẽ, mô hình toán học chi tiết về biến đổi Bandelet thế hệ thứ hai, tối ưu hóa Lagrange và kỹ thuật trích xuất đặc trưng hình học trong xử lý ảnh nâng cao.

Nhóm kỹ sư thị giác máy tính và phát triển phần mềm AI: Tài liệu là cẩm nang hữu ích để triển khai các thuật toán theo vết mục tiêu, nhận dạng ranh giới đối tượng trong các dự án phát triển robot tự hành, thiết bị bay không người lái và xe tự lái thông minh.

Nhóm doanh nghiệp và nhà tích hợp giải pháp an ninh: Cung cấp cơ sở công nghệ vững chắc để nâng cấp hệ thống camera giám sát thông minh ngoài trời, giúp tối ưu hóa chi phí phần cứng và nâng cao năng lực cạnh tranh cho sản phẩm an ninh giám sát.

Nhóm cán bộ quản lý đô thị và quy hoạch giao thông: Giúp tiếp cận các giải pháp công nghệ tiên tiến phục vụ việc tự động hóa giám sát trật tự giao thông, đếm lưu lượng phương tiện và phân tích hành vi tại các đô thị hiện đại.

Câu hỏi thường gặp

Biến đổi Bandelet thế hệ thứ hai mang lại ưu thế gì vượt trội so với biến đổi Wavelet trong theo vết đối tượng? Biến đổi Bandelet thế hệ thứ hai giải quyết triệt để nhược điểm mất chi tiết cạnh của biến đổi Wavelet nhờ khả năng định hướng theo luồng hình học. Thuật toán phân tích cấu trúc viền dọc theo hướng chuyển động, giúp tăng độ chính xác định vị cạnh lên khoảng 93,2% và giảm thiểu hiện tượng mờ nhòe trong môi trường ngoài trời.

Mô hình năng lượng biên đóng vai trò như thế nào khi đối tượng bị che khuất một phần? Năng lượng biên phản ánh mức độ biến thiên cường độ sáng giữa đường viền đối tượng và môi trường xung quanh. Khi đối tượng bị che khuất khoảng 25% đến 30% diện tích, việc tối thiểu hóa năng lượng viền kết hợp cùng hệ số Bandelet giúp duy trì sự bám dính chính xác vào phần còn lại của đối tượng với độ lệch dưới 3,2 pixel.

Nghiên cứu đã thiết lập những giới hạn giả thiết nào cho quá trình thử nghiệm giải thuật? Nghiên cứu tập trung vào bài toán theo vết đơn đối tượng là người đi bộ hoặc xe hơi từ một camera cố định ngoài trời. Đối tượng được giả định chuyển động tương đối tuyến tính, xuất hiện liên tục trong chuỗi hơn 1.800 khung hình thử nghiệm và không đổi hướng đột ngột để bảo đảm tính chuẩn hóa cho việc đánh giá thuật toán.

Giải thuật đề xuất có đáp ứng yêu cầu xử lý thời gian thực trên các hệ thống giám sát không? Cấu trúc phân đoạn cây tứ phân và phép chiếu trực giao 1 chiều giúp giảm khoảng 32% chi phí tính toán so với các giải thuật tối ưu hóa thông thường. Khi được lập trình tối ưu trên phần cứng đồ họa hiện đại, giải thuật hoàn toàn đáp ứng ngưỡng thời gian thực trên 30 khung hình mỗi giây cho luồng video giám sát.

Hệ thống xử lý như thế nào khi đối tượng di chuyển ra khỏi góc nhìn camera rồi quay trở lại? Theo phạm vi thiết lập của đề tài, khi đối tượng rời khỏi khung hình và quay trở lại, hệ thống sẽ tự động ghi nhận như một đối tượng mới. Để duy trì định danh xuyên suốt trong các kịch bản dài hạn, hệ thống cần được tích hợp thêm bộ nhớ trạng thái không gian và mô hình tái nhận diện ở giai đoạn phát triển tiếp theo.

Kết luận

  • Luận văn đã đề xuất thành công giải thuật theo vết đối tượng ngoài trời kết hợp biến đổi Bandelet thế hệ thứ hai và mô hình năng lượng biên.
  • Nâng cao độ chính xác xác định đường viền đối tượng lên mức 93,2% và giảm tỷ lệ lỗi định vị xuống dưới 4,6% qua chuỗi khung hình thực nghiệm.
  • Chứng minh khả năng thích ứng linh hoạt và độ ổn định cao trước các thách thức về biến dạng hình học, nhiễu ánh sáng và che khuất cục bộ.
  • Đóng góp giải pháp khoa học giá trị về biểu diễn đặc trưng hình học đa chiều, tạo tiền đề vững chắc cho bước nhận dạng hành vi tự động.
  • Xác lập lộ trình nâng cấp hệ thống theo vết đa đối tượng tự động hóa toàn phần với tốc độ xử lý thời gian thực trên 30 khung hình mỗi giây trong tương lai.

Hãy khai thác và ứng dụng ngay các kỹ thuật trích xuất đặc trưng hình học tiên tiến từ công trình nghiên cứu này để nâng tầm hiệu năng cho các giải pháp giám sát thị giác thông minh của bạn!