Luận văn Thạc sĩ VNU-UET: Hệ thống phát hiện đột nhập bằng camera theo dõi

Luận văn thạc sĩ VNU UET nghiên cứu phát hiện đột nhập bằng camera theo dõi, ứng dụng công nghệ trong an ninh và giám sát hiệu quả.

• Tác giả: Nguyễn Quang Quý
• Người hướng dẫn: PTS. Ngô Quốc Tạo
• Trường học: Viện Công nghệ thông tin – Viện Khoa học và Công nghệ Việt Nam
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Phát hiện đột nhập bằng camera theo dõi
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2012
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU BÀI TOÁN PHÁT HIỆN CHUYỂN ĐỘNG
• 1.1. Ứng dụng thực tế của bài toán phát hiện chuyển động
• 2. CHƯƠNG 2: MỘT SỐ GIẢI THUẬT PHÁT HIỆN CHUYỂN ĐỘNG
• 3. CHƯƠNG 3: NỘI DUNG CHÍNH CỦA GIẢI THUẬT
• 4. CHƯƠNG 4: BÀI TOÁN PHÁT HIỆN ĐỘT NHẬP BẰNG CAMERA THEO DÕI
• KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về luận văn thạc sĩ VNU UET phát hiện đột nhập bằng camera theo dõi

Luận văn thạc sĩ VNU UET về phát hiện đột nhập bằng camera theo dõi là một nghiên cứu quan trọng trong lĩnh vực an ninh. Nghiên cứu này không chỉ giúp nâng cao hiệu quả giám sát mà còn góp phần bảo vệ an toàn cho các mục tiêu quan trọng. Hệ thống giám sát bằng camera đã trở thành một phần không thể thiếu trong việc đảm bảo an ninh cho các tổ chức, cá nhân. Luận văn này sẽ trình bày chi tiết về các phương pháp phát hiện chuyển động, ứng dụng thực tiễn và kết quả nghiên cứu.

1.1. Giới thiệu về hệ thống giám sát camera

Hệ thống giám sát camera bao gồm nhiều thành phần như camera, máy tính xử lý và phần mềm. Các camera được đặt tại các vị trí chiến lược để theo dõi và phát hiện chuyển động. Phần mềm sẽ xử lý dữ liệu thu được từ camera để phát hiện và cảnh báo khi có đối tượng đột nhập.

1.2. Tầm quan trọng của phát hiện đột nhập

Phát hiện đột nhập là một trong những chức năng quan trọng nhất của hệ thống giám sát. Nó không chỉ giúp bảo vệ an toàn cho các mục tiêu mà còn hỗ trợ trong việc phân tích hành động và tương tác người – máy.

II. Vấn đề và thách thức trong phát hiện đột nhập bằng camera

Mặc dù công nghệ phát hiện đột nhập bằng camera đã phát triển, nhưng vẫn còn nhiều thách thức cần giải quyết. Các vấn đề như độ chính xác của hệ thống, khả năng xử lý trong thời gian thực và khả năng thích ứng với môi trường khác nhau là những yếu tố quan trọng. Việc phát hiện chuyển động trong điều kiện ánh sáng yếu hoặc có nhiều đối tượng chuyển động phức tạp cũng là một thách thức lớn.

2.1. Độ chính xác trong phát hiện chuyển động

Độ chính xác của hệ thống phát hiện chuyển động phụ thuộc vào nhiều yếu tố như chất lượng camera, thuật toán xử lý và điều kiện môi trường. Các nghiên cứu cho thấy rằng việc cải thiện độ chính xác là một trong những ưu tiên hàng đầu trong phát triển hệ thống.

2.2. Thách thức trong điều kiện môi trường khác nhau

Mỗi môi trường có những đặc điểm riêng, từ ánh sáng đến sự chuyển động của đối tượng. Hệ thống cần phải được tối ưu hóa để hoạt động hiệu quả trong các điều kiện khác nhau, từ ánh sáng yếu đến môi trường có nhiều chuyển động.

III. Phương pháp phát hiện đột nhập hiệu quả bằng camera theo dõi

Luận văn này trình bày một số phương pháp phát hiện đột nhập hiệu quả, bao gồm phương pháp trừ nền, dựa vào sự biến đổi giá trị theo thời gian và luồng quang học. Mỗi phương pháp có những ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp là rất quan trọng để đạt được kết quả tốt nhất.

3.1. Phương pháp trừ nền Background Subtraction

Phương pháp trừ nền là một trong những phương pháp phổ biến nhất trong phát hiện chuyển động. Nó hoạt động bằng cách so sánh các khung hình liên tiếp và xác định sự khác biệt giữa chúng để phát hiện chuyển động.

3.2. Phương pháp dựa vào sự biến đổi giá trị theo thời gian

Phương pháp này sử dụng sự thay đổi của giá trị pixel theo thời gian để phát hiện chuyển động. Nó có thể hiệu quả trong việc theo dõi một đối tượng cụ thể nhưng có thể gặp khó khăn trong môi trường phức tạp.

3.3. Phương pháp luồng quang học Optical Flow

Phương pháp luồng quang học cho phép theo dõi chuyển động của đối tượng trong ảnh. Tuy nhiên, nó yêu cầu tính toán phức tạp và có thể không hiệu quả trong các điều kiện ánh sáng yếu.

IV. Ứng dụng thực tiễn của phát hiện đột nhập bằng camera theo dõi

Phát hiện đột nhập bằng camera theo dõi có nhiều ứng dụng thực tiễn trong các lĩnh vực như an ninh, giao thông và nghiên cứu khoa học. Hệ thống giám sát camera không chỉ được sử dụng trong các cơ quan nhà nước mà còn trong các doanh nghiệp và hộ gia đình.

4.1. Ứng dụng trong an ninh

Hệ thống giám sát camera được sử dụng rộng rãi trong việc bảo vệ an ninh cho các cơ quan, tổ chức và cá nhân. Nó giúp phát hiện kịp thời các hành vi đột nhập và đảm bảo an toàn cho các mục tiêu quan trọng.

4.2. Ứng dụng trong giao thông

Phát hiện chuyển động cũng được ứng dụng trong việc phân luồng giao thông. Hệ thống có thể thu thập thông tin về lưu lượng giao thông và giúp điều phối giao thông hiệu quả hơn.

4.3. Ứng dụng trong nghiên cứu khoa học

Trong lĩnh vực nghiên cứu khoa học, phát hiện chuyển động được sử dụng để phân tích cử động của con người và tương tác người – máy, hỗ trợ trong việc phát triển robot và các ứng dụng thị giác máy tính.

V. Kết luận và hướng phát triển tương lai của nghiên cứu

Luận văn thạc sĩ VNU UET về phát hiện đột nhập bằng camera theo dõi đã chỉ ra những tiềm năng lớn trong việc ứng dụng công nghệ này vào thực tiễn. Tuy nhiên, vẫn còn nhiều thách thức cần được giải quyết để nâng cao hiệu quả và độ chính xác của hệ thống. Hướng phát triển tương lai có thể bao gồm việc cải tiến thuật toán, tích hợp trí tuệ nhân tạo và mở rộng ứng dụng trong nhiều lĩnh vực khác nhau.

5.1. Cải tiến thuật toán phát hiện

Cải tiến thuật toán phát hiện là một trong những hướng đi quan trọng để nâng cao độ chính xác và hiệu quả của hệ thống. Việc áp dụng các công nghệ mới như học máy có thể giúp cải thiện khả năng phát hiện.

5.2. Tích hợp trí tuệ nhân tạo vào hệ thống

Tích hợp trí tuệ nhân tạo vào hệ thống giám sát có thể giúp tự động hóa quá trình phát hiện và phân tích hành động, từ đó nâng cao khả năng phản ứng nhanh chóng với các tình huống khẩn cấp.

Nội dung chính

Tổng quan nghiên cứu

Hệ thống giám sát an ninh tự động đóng vai trò then chốt trong việc bảo vệ các mục tiêu trọng yếu của lực lượng vũ trang, cơ quan nhà nước và doanh nghiệp. Trước thực trạng các giải pháp thủ công đòi hỏi nhân sự thường trực liên tục 24/7 nhưng vẫn tiềm ẩn nguy cơ sơ suất do yếu tố con người, nhu cầu tự động hóa quy trình phát hiện xâm nhập trở nên cấp thiết. Nghiên cứu tập trung giải quyết bài toán phát hiện chuyển động và cảnh báo đối tượng đột nhập theo thời gian thực trên các luồng video giám sát có tốc độ 24 đến 25 khung hình trên giây.

Mục tiêu cụ thể của đề tài là xây dựng thuật toán trừ nền tối ưu, kết hợp đánh giá độ đo Entropy trên các khối ảnh và áp dụng các phép biến đổi hình thái học nhằm phân lập chính xác đối tượng chuyển động trong môi trường phức tạp. Phạm vi thực nghiệm của nghiên cứu được triển khai trên các chuỗi video kỹ thuật số chuẩn định dạng AVI với độ phân giải phổ biến 640x480 và 480x320 pixel. Hệ thống được thử nghiệm trong nhiều bối cảnh khác nhau từ điều kiện ánh sáng chuẩn đến môi trường thiếu sáng, phục vụ mô hình giám sát 16 vị trí trọng yếu tại khuôn viên trụ sở.

Ý nghĩa học thuật và thực tiễn của công trình thể hiện ở việc tối ưu hóa tốc độ xử lý khung hình với độ trễ thấp dưới 40 mili-giây, giảm tải dung lượng bộ nhớ vận hành và duy trì độ chính xác phát hiện đạt trên 95%. Kết quả nghiên cứu cung cấp giải pháp công nghệ kinh tế, tận dụng hạ tầng camera kỹ thuật số sẵn có mà không đòi hỏi thiết bị đắt tiền, đáp ứng tiêu chuẩn an ninh nghiêm ngặt tại các cơ quan đầu não.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng ba phương pháp phát hiện chuyển động kinh điển trong thị giác máy tính: Phương pháp trừ nền (Background Subtraction), Phương pháp biến đổi giá trị theo thời gian (Temporal Differencing) và Phương pháp luồng quang học (Optical Flow). Trong đó, phương pháp trừ nền được lựa chọn làm cơ sở phát triển chính nhờ khả năng thích ứng cao với môi trường động và phát hiện chuyển động biên độ nhỏ. Khung lý thuyết mở rộng tích hợp mô hình ước lượng thích ứng Sigma-Delta kết hợp hàm trượt trung bình cải tiến (Modified Moving Average) để cập nhật liên tục các trạng thái nền.

Lý thuyết thông tin của Claude Shannon được vận dụng trực tiếp để đo lường mức độ biến động màu sắc thông qua hàm Entropy khối $H(X) = -\sum P_i \log_2 P_i$. Khi giá trị Entropy của một khối pixel vượt ngưỡng giới hạn $T = 1$, khối đó được nhận diện là vùng chứa chuyển động thực. Bên cạnh đó, các phép toán hình thái học bao gồm phép co ảnh (Erosion) và phép giãn ảnh (Dilation) với phần tử cấu trúc $3\times3$ được áp dụng nhằm loại bỏ thành phần nhiễu ngoại cảnh và khôi phục toàn vẹn kích thước hình học của đối tượng.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm bao gồm 15 bộ dữ liệu video chuẩn với hơn 5.000 khung hình được ghi nhận trực tiếp ở các khung giờ khác nhau, đạt tần số 25 khung hình trên giây. Cỡ mẫu nghiên cứu này bảo đảm tính đại diện thống kê cho các tình huống an ninh thực tế. Phương pháp chọn mẫu phi xác suất có chủ đích (purposive sampling) được áp dụng nhằm thu thập toàn diện các điều kiện biên: ánh sáng ban ngày, ánh sáng ban đêm, chuyển động đơn lẻ, chuyển động đan xen của nhiều đối tượng và phương tiện tốc độ cao.

Lý do lựa chọn phương pháp phân tích đa tầng xuất phát từ yêu cầu cân bằng giữa độ chính xác và tài nguyên tính toán. Thuật toán chia nhỏ khung hình thành các khối pixel $3\times3$ và $4\times4$, tính toán Entropy trên từng khối trước khi trích xuất pixel chi tiết. Cách tiếp cận này loại bỏ nhu cầu quét toàn bộ $307.200$ điểm ảnh ở độ phân giải 640x480 trên mỗi khung hình, giúp tiết kiệm đáng kể chu kỳ xử lý của bộ vi xử lý. Toàn bộ thuật toán được hiện thực hóa bằng ngôn ngữ Visual C++ trên môi trường Microsoft Visual Studio 2010 kết hợp thư viện OpenCV 2.0.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã chứng minh hiệu quả vượt trội của thuật toán cải tiến qua 4 phát hiện quan trọng:

• Khởi tạo và tinh lọc nền tối ưu: Mô hình hoàn thiện việc dựng nền ban đầu chỉ sau 50 khung hình đầu tiên (tương đương 2 giây xử lý). Sự kết hợp giữa thuật toán so sánh nhanh và mô-đun huấn luyện tín hiệu ổn định với bước nhảy $p = 1$ giúp phân lập chính xác 100% các pixel tĩnh của hậu cảnh.
• Tối ưu hóa tần suất cập nhật nền: Thay vì cập nhật liên tục $100%$ số khung hình, nghiên cứu chứng minh việc cập nhật ngắt quãng định kỳ sau mỗi 3 đến 5 khung hình vẫn đảm bảo nhận diện chính xác toàn bộ chuyển động. Cơ chế này giúp giảm hơn $40%$ khối lượng tính toán của bộ xử lý trung tâm.
• Giản lược ngưỡng toán học thành công: Thông qua chứng minh giải tích trên 4 trường hợp đồng biến, nghiên cứu đã chứng minh biến ngắn luôn nhỏ hơn hoặc bằng biến dài ($v_t^s \le v_t^l$). Phát hiện này cho phép loại bỏ hoàn toàn 2 bước tính toán trung gian, cắt giảm $50%$ số biến nhớ trạng thái trong mô-đun trích xuất đối tượng mà không làm suy giảm độ chính xác.
• Hiệu quả phát hiện và định vị vùng kiểm soát: Hệ thống ghi nhận độ chính xác phát hiện đối tượng xâm nhập đạt trên $96%$ trong điều kiện ánh sáng tiêu chuẩn và đạt trên $88%$ trong môi trường ánh sáng yếu. Thời gian chuyển đổi cảnh báo từ khung màu xanh (theo vết) sang khung màu đỏ (đột nhập) diễn ra tức thì trong khoảng thời gian dưới 200 khung hình ổn định.

Thảo luận kết quả

Các kết quả thực nghiệm có thể được tổng hợp trực quan thông qua bảng so sánh hiệu năng và biểu đồ biến thiên tài nguyên. Dữ liệu từ bảng đo thời gian xử lý cho thấy thời gian xử lý trung bình cho mỗi khung hình giảm từ 38 mili-giây xuống chỉ còn 22 mili-giây khi áp dụng thuật toán cải tiến, tương đương mức tăng trưởng tốc độ khung hình từ 26 lên 45 FPS trên cùng một cấu hình phần cứng. Biểu đồ đường biểu diễn sự thay đổi của giá trị Entropy khối phản ánh ranh giới phân tách rõ rệt giữa vùng nền tĩnh ($E \le 1$) và vùng có đối tượng di chuyển ($E > 1$), tạo cơ sở vững chắc cho việc ra quyết định tự động.

So với phương pháp trừ nền cơ bản vốn dễ bị nhiễu do bóng đổ và ánh sáng nhấp nháy, thuật toán đề xuất thể hiện tính ổn định vượt trội nhờ bước huấn luyện tín hiệu ổn định và hệ số cập nhật nền $\alpha = 8$. Đồng thời, khi so sánh với phương pháp Multiple Sigma-Delta đòi hỏi tài nguyên tính toán lớn trên nhiều lớp nền tham chiếu, việc giản lược biến ngưỡng theo chứng minh toán học của luận văn giúp hệ thống vận hành mượt mà trên các máy tính cá nhân thông thường mà không cần trang bị bộ xử lý đồ họa chuyên dụng.

Đề xuất và khuyến nghị

• Xây dựng mạng lưới camera phân vùng 2 lớp: Triển khai lắp đặt đồng bộ 16 camera giám sát tại mục tiêu bảo vệ, trong đó bố trí 8 camera vòng ngoài phụ trách bao quát toàn bộ cổng chính và tường rào, cùng 8 camera vòng trong kiểm soát 4 lối thang bộ, thang máy và 4 phòng lưu trữ tài liệu mật nhằm bảo đảm khả năng kiểm soát 100% các luồng xâm nhập.
• Chuẩn hóa bộ tham số thuật toán theo môi trường: Thiết lập cố định tham số khởi tạo nền ở mức 50 khung hình ($K = 50$), hệ số làm mịn nền $\alpha = 8$, ngưỡng chênh lệch so sánh nhanh bằng 3 và ngưỡng phát hiện chuyển động bằng 20 trong 30 ngày đầu vận hành thử nghiệm tại hiện trường để đảm bảo độ nhạy tối ưu.
• Tối ưu hóa đường ống xử lý đa luồng: Ứng dụng kỹ thuật tính toán song song đa luồng trong vòng 6 tháng tới để phân bổ tác vụ xử lý của 16 kênh camera trên các lõi vi xử lý riêng biệt, duy trì tốc độ khung hình ổn định trên 25 FPS cho toàn bộ hệ thống.
• Tích hợp cơ chế phản ứng và cảnh báo tự động đa kênh: Kết nối phần mềm với hệ thống còi báo động vật lý tại phòng trực ban và tự động kích hoạt chế độ ghi hình chất lượng cao đoạn video 60 giây chứa đối tượng vi phạm, đồng thời truyền dữ liệu cảnh báo qua mạng nội bộ trong thời gian dưới 2 giây kể từ khi phát hiện đột nhập.

Đối tượng nên tham khảo luận văn

• Kỹ sư thị giác máy tính và xử lý ảnh: Tiếp cận phương pháp luận tối ưu hóa thuật toán trừ nền, kỹ thuật tính toán Entropy trên khối pixel và giải pháp giản lược biến ngưỡng bằng chứng minh giải tích toán học.
• Cán bộ phụ trách an ninh tại cơ quan, doanh nghiệp: Vận dụng mô hình thiết kế hệ thống giám sát cảnh báo đột nhập 16 kênh với chi phí đầu tư thiết bị thấp nhưng đạt hiệu quả bảo vệ 24/7.
• Lập trình viên phát triển hệ thống nhúng và phần mềm an ninh: Tham khảo cấu trúc mã nguồn xây dựng trên nền tảng Visual C++ và OpenCV 2.0 để tối ưu hóa quản lý bộ nhớ và xử lý luồng video thời gian thực.
• Học viên cao học và nhà nghiên cứu công nghệ thông tin: Sử dụng làm tài liệu tham khảo chuyên sâu về các mô hình hậu cảnh thích ứng, các phép biến đổi hình thái học và hướng phát triển hệ thống theo vết đa đối tượng.

Câu hỏi thường gặp

Hệ thống mất bao lâu để khởi tạo mô hình nền ban đầu và bắt đầu phát hiện chuyển động?

Hệ thống sử dụng 50 khung hình đầu tiên để hoàn tất quá trình khởi tạo mô hình nền, tương đương khoảng 2 giây với luồng video đạt chuẩn 25 khung hình trên giây. Sau khoảng 200 khung hình (tương đương 4 đến 8 giây) để giá trị Entropy và các biến trạng thái ổn định hoàn toàn, phần mềm sẽ tự động nhận diện và đóng khung đối tượng chuyển động với độ chính xác cao.

Vì sao có thể loại bỏ biến dài trong mô-đun trích xuất đối tượng mà không gây sai số?

Nghiên cứu đã chứng minh toán học qua 4 trường hợp đồng biến rằng giá trị của biến ngắn luôn nhỏ hơn hoặc bằng biến dài ($v_t^s \le v_t^l$). Do công thức xác định ngưỡng tối ưu lấy giá trị nhỏ nhất giữa hai biến, việc chỉ sử dụng biến ngắn $v_t^s$ vẫn đảm bảo kết quả toán học đồng nhất, giúp loại bỏ 2 bước tính toán thừa và tiết kiệm $50%$ bộ nhớ đệm.

Việc cập nhật nền 3 đến 5 khung hình một lần có làm mất dấu kẻ đột nhập di chuyển nhanh không?

Hoàn toàn không. Với tốc độ ghi hình 25 khung hình trên giây, một đối tượng di chuyển với vận tốc thông thường từ 1 đến 5 mét trên giây sẽ xuất hiện liên tục trong hàng chục khung hình liên tiếp. Khoảng ngắt quãng 3 đến 5 khung hình chỉ kéo dài 0,12 đến 0,2 giây, hoàn toàn nằm trong ngưỡng an toàn để thuật toán theo vết và duy trì nhận diện mục tiêu.

Phần mềm có thể triển khai trên các loại camera giám sát thông thường hay yêu cầu thiết bị chuyên dụng?

Thuật toán được thiết kế đặc thù để tương thích với các dòng camera kỹ thuật số dân dụng chuẩn định dạng video AVI, độ phân giải 640x480 hoặc 480x320 pixel. Nhờ cơ chế phân tích khối Entropy và tối ưu mã nguồn C++, hệ thống hoạt động ổn định trên máy tính cá nhân thông thường mà không cần đầu tư camera hồng ngoại hoặc phần cứng đắt tiền.

Cơ chế phân biệt giữa người đi lại bình thường và đối tượng đột nhập hoạt động như thế nào?

Hệ thống tích hợp tính năng Định nghĩa khu vực giám sát (Controlled Areas) cho phép người vận hành thiết lập các vùng hình học linh hoạt trên màn hình. Mọi đối tượng di chuyển ngoài vùng quy định chỉ hiển thị khung bao màu xanh để theo vết, nhưng ngay khi bước trọn vào vùng bảo vệ nghiêm ngặt, hệ thống sẽ lập tức chuyển sang khung bao màu đỏ và kích hoạt chuông báo động.

Kết luận

• Xây dựng thành công thuật toán phát hiện chuyển động đa tầng kết hợp trừ nền thích ứng, đánh giá Entropy khối và các phép toán hình thái học với độ trễ xử lý dưới 40 mili-giây.
• Đóng góp giải pháp chứng minh toán học giúp giản lược biến ngưỡng trạng thái, cắt giảm $50%$ thao tác tính toán trong mô-đun trích xuất đối tượng.
• Đề xuất kỹ thuật cập nhật nền ngắt quãng chu kỳ 3 đến 5 khung hình, nâng cao hiệu năng xử lý hệ thống lên hơn $40%$ mà vẫn duy trì độ chính xác phát hiện trên $95%$.
• Phát triển hoàn chỉnh phần mềm demo trên Visual C++ và OpenCV 2.0 tích hợp tính năng khoanh vùng khu vực giám sát và cảnh báo đột nhập tức thời.
• Lộ trình 6 đến 12 tháng tới sẽ tiếp tục mở rộng mô hình nhận diện khuôn mặt và tích hợp thuật toán phân loại hành vi bất thường trên nền tảng điện toán đám mây.

Quý độc giả, chuyên gia an ninh và nhà nghiên cứu quan tâm đến giải pháp kỹ thuật thị giác máy tính có thể tham khảo toàn văn luận văn để ứng dụng hiệu quả vào các dự án giám sát an ninh thực tế.

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu tổng quan về hệ thống giám sát bằng video, bài toán phát hiện chuyển động và một số ứng dụng thực tế của bài toán. Chương 2: Giới thiệu một số giải thuật phát hiện chuyển động trước đó. LUAN VAN CHAT LUONG download : add [e-mail] -8- Chương 3: Giới thiệu nội dung chính giải thuật phát hiện chuyển động. Chương 4: Giới thiệu chương trình demo phát hiện đột nhập và mô hình hệ thống tự động phát hiện và cảnh báo đối tượng đột nhập vào mục tiêu cần bảo vệ, một số kết quả thực nghiệm LUAN VAN CHAT LUONG download : add [e-mail] -9- Chƣơng 1 GIỚI THIỆU BÀI TOÁN PHÁT HIỆN CHUYỂN ĐỘNG 1.

Giới thiệu Ngay từ xa xưa, con người đã có ý thức bảo vệ an toàn cho các địa điểm, mục tiêu quan trọng tránh sự xâm nhập của kẻ thù và các đối tượng khác. Con người là công cụ đơn giản nhất nhưng đồng thời cũng mang lại hiệu quả nhất trong việc giám sát bảo vệ mục tiêu. Khi khoa học và công nghệ phát triển, con người đã từng bước ứng dụng công nghệ mới nhằm thay thế con người trong những công việc đòi hỏi sử dụng sức lực cũng như mức độ nguy hiểm cao nói chung và trong việc giám sát các mục tiêu quan trọng nói riêng. Quan sát quân sự Công nghệ thông tin và các thiết bị kỹ thuật số phát triển đã mang đến cho con người nhiều công cụ mới phục vụ cho các nhu cầu của mình.

Các thiết bị kỹ thuật số dùng cho việc quan sát, ghi hình mục tiêu cần bảo vệ như: máy ảnh, camera kỹ thuật số, analog, hồng ngoại… đã hỗ trợ đắc lực con người trong việc bảo vệ mục tiêu an toàn và liên tục. Bên cạnh sự phát triển của các thiết bị phần cứng, hệ thống giám sát đòi hỏi con người thường trực 24/24 để giám sát các màn hình theo dõi. Một phút lơ là của người bảo vệ có thể để đối tượng đột nhập vào mục tiêu. Kỹ thuật xử lý ảnh số thu được từ các thiết bị quan sát sẽ tự động phân tích và đưa ra cảnh báo khi có một đối tượng đột nhập vào mục tiêu, đồng thời hệ thống sẽ lưu lại hình ảnh đối tượng và theo dấu đối tượng trong vùng quan sát.

Căn cứ vào cảnh báo tự động đó, người bảo vệ sẽ biết để có biện pháp xử lý đảm bảo mục tiêu an toàn. LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Minh họa việc sử dụng camera giám sát Mộ hệ thống giám sát bằng camera bao gồm các thành phần sau: - Các camera giám sát đặt tại các địa điểm ta cần quan sát: Cửa, hành lang, cầu thang, trong phòng… - Máy tính để xử lý và lưu trữ dữ liệu hình ảnh do camera thu nhận được. - Các thiết bị hiển thị màn hình, thiết bị truyền dữ liệu.

Tín hiệu có thể được truyền trên mạng Interent phục vụ yêu cầu giám sát từ xa. - Phần mềm chạy trên máy tính để xử lý dữ liệu thu được từ camera và đưa ra các quyết định. Trong luận văn của mình, học viên tập trung nghiên cứu các phương pháp xử lý ảnh, video kỹ thuật số để tự động phát hiện, cảnh báo khi có đối tượng đột nhập thông qua hệ thống camera theo dõi. Để phát hiện được đối tượng đột nhập, trước hết bài toán đặt ra là phát hiện tất cả các chuyển động trong vùng camera theo dõi, sau đó phân tích và đưa ra những cảnh báo khác nhau khi đối tượng vào những khu vực giám sát.

Bài toán phát hiện chuyển động (Motion Detection) là bài toán cơ sở, mà từ đó con người đã xây dựng rất nhiều ứng dụng như: Hệ thống giám sát bảo vệ mục tiêu, hệ thống giám sát và phân luồng giao thông, phân tích cử động của con người trong nghiên cứu chế tạo robot… LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Sơ đồ hệ thống giám sát bằng camera theo dõi Bài toán phát hiện chuyển động đã được thế giới nghiên cứu từ rất sớm. Cho tới thời điểm hiện nay, đã có nhiều giải thuật phát hiện chuyển động được công bố, một số giải thuật mới được công bố trong những năm qua đã được chứng minh có độ chính xác tương đối cao, thời gian tính toán thấp và xử lý được môi trường biến động, nhiều đối tượng chuyển động. Có rất nhiều cách tiếp cận bài toán phát hiện chuyển động khác nhau.

Nhưng quy về mức tổng quát, có ba phương pháp phát hiện chuyển động chính hiện nay là: Phương pháp trừ nền - Background Subtraction, Phương pháp dựa vào sự biến đổi giá trị theo thời gian - Temporal Differencing và Phương pháp luồng quang học - Optical Flow, cụ thể như sau: - Phương pháp trừ nền: Đây là phương pháp thông dụng nhất, phương pháp này xác định sự sai khác do đối tượng chuyển động tạo ra bằng cách trừ từng bit tương ứng của hai khung liên tiếp nhau trong chuỗi video thu được từ camera. Phương pháp này thích ứng với môi trường động có nhiều đối tượng chuyển động phức tạp, phát hiện chuyển động biên độ nhỏ và ít phụ thuộc vào vận tốc cũng như kích thước của đối tượng chuyển động [7], [9]. - Phương pháp dựa vào sự biến đổi giá trị theo thời gian: Phương pháp này dựa vào sự biến đổi của một giá trị ảnh theo thời gian [8] để xác định đối tượng chuyển động (Ví dụ: Temporal Gradient – dựa trên biến đối của Gradient theo thời gian. Khả LUAN VAN CHAT LUONG download : add [e-mail] - 12 - năng chuyển động của đối tượng theo phương pháp này được đo bằng sự thay đổi tức thời của cường độ hình ảnh).

Phương pháp này thích ứng với sự thay đổi của môi trường, nhưng nó bị phụ thuộc vào vận tốc, kích thước và số lượng đối tượng chuyển động. Phương pháp này được áp dụng hiệu quả nhất trong trường hợp phát hiện và theo dõi một đối tượng chuyển động. - Phương pháp luồng quang học: Phương pháp này chỉ ra sự chuyển động dự kiến của đối tượng trong ảnh. Phương pháp cho kết quả khá tốt với những ảnh đầu vào phức tạp.

Tuy nhiên, nó đòi hỏi độ phức tạp tính toán cao. Chính điều này đã tạo ra khó khăn trong việc áp dụng, triển khai thực tế. Một hệ thống giám sát bằng camera có thể đƣợc mô tả bằng Sơ đồ tổng quát sau: Input: Chuỗi video đầu vào thu được từ camera giám sát. Output: - Phát hiện và cảnh báo đối tượng chuyển động.

- Trích xuất đối tượng chuyển động. - Theo dõi đối tượng chuyển động. Chuỗi video đầu vào được hình thành từ những khung khác nhau tùy thuộc vào thông số kỹ thuật của camera (16fps, 24fps, 25fps…). Giải thuật sẽ tính toán và xử lý trên những khung này.

Các chức năng chính của hệ thống giám sát bằng camera: (1)- Xác định những vùng có khả năng chứa đối tượng chuyển động - Mặt nạ vùng chuyển động: FG/BG Frames FG mask Detection Module Hình 1. Sơ đồ tính mặt nạ vùng chuyển động (foreground mask detection) (2)- Trên cơ sở mặt nạ vùng chuyển động, ta sẽ xác định các đối tượng chuyển động (vị trí, kích thước) LUAN VAN CHAT LUONG download : add [e-mail] - 13 - New Blobs FG mask Blob Entering (Pos,Size) Detection Frames Module Hình 1. Sơ đồ phát hiện các đối tượng chuyển động (3)- Khi phát hiện được đối tượng chuyển động, ta thực hiện chức năng theo dõi đối tượng chuyển động. Đối tượng chuyển động sẽ được theo dõi khi chuyển động trong vùng camera giám sát: New Blob Position Blobs Blob (Id,Pos,Size) FG mask Tracking Frames Module Hình 1.

Sơ đồ khối của chức năng tracking 1 hoặc 1 nhóm đối tượng (4)- Tổng hợp hệ thống phát hiện và giám sát đối tượng chuyển động [11], [15] Blob position correction Blobs FG/BG Blob Entering Blob Trajectory (Id,Pos,Size) Frames Detection Detection Tracking PostProcessing Module Module Module Module Trajectory Generation Module Hình 1. Sơ đồ khối hệ thống phát hiện và giám sát đối tượng chuyển động FG mask: foreground mask – Mặt nạ vùng chuyển động. FG/BG: foreground/background Foreground: Vùng chứa đối tượng chuyển động Background: Nền (Vùng không chứa đối tượng chuyển động) Blob: Đối tượng chuyển động LUAN VAN CHAT LUONG download : add [e-mail] - 14 - Yêu cầu của bài toán phát hiện chuyển động là: - Phát hiện được tất cả các chuyển động trong vùng camera giám sát. - Hệ thống phải xử lý được trong thời gian thực với độ trễ có thể chấp nhận được, có nghĩa là giải thuật tối ưu phải đạt được: tốc độ tính toán chấp nhận được, yêu cầu về bộ nhớ thấp.

- Hệ thống có tính linh hoạt, tương thích với các điều kiện, môi trường quan sát khác nhau. Ứng dụng thực tế của bài toán phát hiện chuyển động Ứng dụng đầu tiên và rộng rãi nhất của bài toán phát hiện chuyển động là xây dựng các hệ thống tự động giám sát mục tiêu và theo dõi đối tượng. Ứng dụng này đặc biệt quan trong trong nhiệm vụ quốc phòng, an ninh bảo vệ các mục tiêu trọng yếu của Đảng và Nhà nước. Ngoài ra, trong thời kỳ hiện nay, hệ thống giám sát còn được sử dụng bảo vệ cơ quan, xí nghiệp, nhà máy, công ty và nhu cầu hệ thống giám sát nhà riêng cũng ngày càng gia tăng.

Bên cạnh những ứng dụng về giám sát an ninh, bài toán phát hiện chuyển động còn được ứng dụng trong điều khiển, phân luồng giao thông. Bài toán phát hiện chuyển động có thể ứng dụng để xây dựng hệ thống thu thập thông tin về các phương tiện tham gia giao thông trên các nút giao thông quan trọng. Trên cơ sở thuật toán phát hiện chuyển động sẽ xác định số lượng phương tiện tham gia giao thông tại từng nút giao thông, từ đó người điều hành giao thông có thể tính toán để phân định luồng giao thông hợp lý nhất. Trung tâm điều khiển giao thông thông qua camera giám sát LUAN VAN CHAT LUONG download : add [e-mail] - 15 - Trên lĩnh vực nghiên cứu khoa học, bài toán phát hiện chuyển động còn được sử dụng trong các ứng dụng về thị giác máy tính (computer vision applications) bao gồm: phân tích cử động của con người, tương tác người máy… Một ứng dụng chúng ta thường thấy là nghiên cứu, chế tạo robot.

Trên cơ sở thu nhận các hình ảnh chuyển động của con người, bộ xử lý sẽ phân tích các chuyển động đó để đưa ra quyết định (Ví dụ robot HRP-2 của Nhật Bản bắt trước những chuyển động của một nghệ nhân múa) Hình 1. Robot bắt trước chuyển động của con người LUAN VAN CHAT LUONG download : add luanvanchat@agmail.