I. Giới thiệu về Nhận dạng Hình ảnh và Thị giác Máy tính
Trong lĩnh vực Trí tuệ Nhân tạo (AI), Thị giác Máy tính (Computer Vision - CV) đóng vai trò quan trọng, cho phép máy tính "nhìn" và hiểu hình ảnh như con người. Nhận dạng hình ảnh (Image Recognition) là một nhánh của CV, tập trung vào việc xác định và phân loại các vật thể trong ảnh.
Ứng dụng của nhận dạng hình ảnh:
- Xe tự lái: Nhận dạng biển báo, chướng ngại vật.
- Y tế: Phân tích hình ảnh y tế để chẩn đoán bệnh.
- Bảo mật: Nhận dạng khuôn mặt, phát hiện đối tượng bất thường.
Hạn chế:
- Nhạy cảm với nhiễu, ánh sáng, góc chụp.
- Khó khăn trong việc nhận dạng vật thể bị che khuất hoặc biến dạng.
II. Mô phỏng Hệ thống Nhận dạng Hình dáng Vật thể tại HCMUTE
Đề tài: "Mô phỏng hệ thống nhận dạng hình dáng vật thể trong ảnh tĩnh tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE)"
Mục tiêu: Xây dựng hệ thống nhận dạng hình ảnh tự động, phân loại các hình dáng vật thể cơ bản (hình tròn, hình vuông, hình tam giác) trong ảnh tĩnh.
Phương pháp:
- Xử lý ảnh: Chuyển đổi ảnh màu sang ảnh xám, ảnh nhị phân, khử nhiễu, lấp đầy vùng trống.
- Tách biên: Sử dụng các kỹ thuật như Canny, Sobel để xác định đường viền của vật thể.
- Trích xuất đặc trưng: Tính toán các đặc trưng hình học (diện tích, chu vi,...) để phân loại hình dáng.
- Phân loại: Sử dụng các thuật toán Machine Learning (ví dụ: SVM) để phân loại hình dáng dựa trên đặc trưng đã trích xuất.
III. Kết quả và Ứng dụng
Kết quả:
- Hệ thống có khả năng nhận dạng và phân loại chính xác các hình dáng vật thể cơ bản trong ảnh tĩnh với điều kiện ảnh có chất lượng tốt.
- Giao diện người dùng (GUI) được thiết kế trực quan, thân thiện.
Ứng dụng:
- Nghiên cứu khoa học: Làm nền tảng cho các nghiên cứu nâng cao về nhận dạng hình ảnh, thị giác máy tính.
- Giáo dục: Hỗ trợ giảng dạy các môn học liên quan đến xử lý ảnh, machine learning.
- Thực tế: Ứng dụng tiềm năng trong các hệ thống kiểm tra sản phẩm tự động, robot tự hành,...
IV. Hạn chế và Hướng phát triển
Hạn chế:
- Hệ thống mới chỉ nhận dạng được một số hình dáng cơ bản, số lượng vật thể giới hạn.
- Chưa xử lý được các trường hợp vật thể bị che khuất hoặc chồng lấp.
- Độ chính xác phụ thuộc vào chất lượng ảnh đầu vào.
Hướng phát triển:
- Nâng cấp hệ thống để nhận dạng được nhiều loại vật thể phức tạp hơn.
- Nghiên cứu và ứng dụng các thuật toán Deep Learning để nâng cao độ chính xác và khả năng tự học của hệ thống.
- Phát triển các ứng dụng thực tế dựa trên kết quả của đề tài.
