Chương 1: Tổng quan về đề tài nghiên cứu. + Chương 2: Một số kỹ thuật phân tích đám đông trong giám sát tự động. + Chương 3: Chương trình thử nghiệm. - Phần Kết luận: Kết quả đạt được về mặt lý thuyết và thực nghiệm, những hạn chế trong quá trình thực hiện, đề xuất hướng phát triển trong thời gian tới.
TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 1. Tình hình nghiên cứu của đề tài Nghiên cứu về hành vi của con người là một chủ đề rất được quan tâm của khoa học và có lẽ là một nguồn nghiên cứu vô tận. Với sự cải tiến của các kỹ thuật thị giác máy, một số ứng dụng trong lĩnh vực này, như giám sát video, hiểu hành vi của con người hoặc đo lường hiệu suất thể thao, đã được xử lý bằng các kỹ thuật tự động hoặc bán tự động. Tuy nhiên, vẫn còn một số thách thức phức tạp, khiến đề tài này có liên quan về mặt nghiên cứu.
Đám đông được tạo thành từ các bộ phận của cá nhân độc lập, theo đó mỗi người trong số họ có mục tiêu riêng và mô hình hành vi khác với dự kiến cá nhân từ những người tham gia [1]. Hiện tại các hệ thống thương mại được phát triển để theo dõi, công nhận và hiểu hành vi của rất nhiều đối tượng sử dụng một hoặc nhiều máy quay video, xử lý thông tin trong một hoặc nhiều máy tính. Phân tích đám đông liên quan đến việc giải thích dữ liệu thu được bằng cách nghiên cứu chuyển động tự nhiên của các nhóm hoặc đối tượng. Áp dụng một vài thuật toán theo dõi những người tập trung trong cảnh đám đông để khám phá hành vi dự kiến của đám đông.
Khám phá các khía cạnh tâm lý xã hội của đám đông, như phát hiện nhóm và phân loại dựa trên không gian cá nhân hoặc mô hình lực lượng xã hội được là một xu hướng để phát hiện bất thường trong cảnh đám đông [4]. Ứng dụng đồ họa máy tính có thể giúp thị giác máy giám sát trong các ứng dụng của đám đông và ngược lại. Một thách thức lớn trong phân tích đám đông là việc tạo ra các hình ảnh hoặc chuỗi video chân thực có thể được sử dụng cho mục đích huấn luyện hoặc nhận dạng. Hình ảnh hoặc các chuỗi video được tạo bởi các thuật toán đồ họa máy tính có thể được sử dụng để xác nhận các thuật toán thị giác máy [2].
e 6 Các thuật toán tổng hợp đám đông cũng có thể được hưởng lợi từ thông tin thu được từ cuộc sống đọc bằng thuật toán thị giác máy. Trong thực tế, hầu hết các kỹ thuật mô phỏng đám đông hiện có yêu cầu một số loại kích thích chuyển động để hướng dẫn các tác nhân ảo, có thể có được thông qua các thuật toán theo dõi. Kích thích như vậy có thể được thu được trong các cảnh không và được sử dụng để ước tính các kịch bản trong một kịch bản đông đúc hơn hoặc được trích xuất trực tiếp từ trình tự dày đặc hơn [13]. Tóm lại, phân tích đám đông trong giám sát tự động dựa vào thị giác máy có lẽ về lâu dài là một vấn đề trọng tâm của các nhà nghiên cứu.
Vấn đề này đưa ra những thách thức về sự phức tạp lớn có thể liên quan đến các nhà nghiên cứu một số lĩnh vực và bối cảnh. Đặc biệt, việc tích hợp thị giác máy và đồ họa máy tính trở nên phổ biến hơn trong cả phân tích và tổng hợp đám đông. Khái quát về đám đông 1. Giới thiệu chung Đám đông (Crowd) là do các nhóm hoặc đối tượng tập trung.
Việc phân tích đám đông (Crowd analysis) liên quan đến việc giải thích dữ liệu thu được khi nghiên cứu sự chuyển động tự nhiên của các nhóm hoặc đối tượng [1]. Phân tích đám đông được xem như một cuộc khảo sát sử dụng các kỹ thuật thị giác máy bao gồm các khía cạnh khác nhau như theo dõi con người, ước tính mật độ đám đông, phát hiện sự kiện, xác nhận và mô phỏng. Phân tích đám đông cũng có một loạt các ứng dụng như quản lý đám đông, thiết kế không gian công cộng, môi trường ảo, giám sát trực quan và môi trường thông minh. Thách thức lớn trong phân tích đám đông là tạo ra các hình ảnh hoặc chuỗi video mặt đất, có thể được sử dụng cho mục đích huấn luyện hoặc nhận dạng [9].
Một số tiếp cận về đám đông 1. Vấn đề phát hiện đám đông: Vấn đề phát hiện đám đông là một phương pháp nghiên cứu dựa trên sự kết hợp giữa lý thuyết và thực nghiệm. Các vấn đề cần giải quyết liên quan đến các thuật toán và lý thuyết truyền thông mạng, xử lý ảnh, thị giác máy và đồ họa máy tính được thực hiện trên phần mềm máy tính với đầu vào là các thông tin thu nhận được từ thực tế. Quá trình được tiến hành dựa trên việc tìm hiểu tài liệu, cài đặt thử nghiệm sau đó đánh giá kết quả thực nghiệm và cải tiến nhằm nâng cao chất lượng hệ thống.
Như vậy, cần tiến hành tìm hiểu lý thuyết về hệ thống camera giám sát, các kỹ thuật phát hiện chuyển động, phát hiện đối tượng cũng như bám sát đối tượng trên khung hình camera. Tìm hiểu kỹ thuật về mặt lý thuyết sẽ được kết hợp với việc cài đặt thực nghiệm trên dữ liệu luồng hình ảnh từ camera để kiểm chứng và đánh giá những nội dung lý tìm hiểu lý thuyết và từ đó cải tiến và hoàn thiện chương trình. Một số thách thức phân tích thuộc tính đám đông: Dữ liệu phân tích là video, nên khối lượng lưu trữ và xử lý lớn. Ngoài ra, chất lượng của video cũng ảnh hưởng nhiều đến kết quả nghiên cứu.
Các bài toán phân tích video và hiểu cảnh thường liên quan tới phát hiện đối tượng, theo dõi và ghi nhận hành vi nhưng đối với đám đông, do có rất nhiều sự hỗn loạn, sự mơ hồ, nên các phương pháp thông thường sẽ không phù hợp. Các cơ chế của một đám đông con người rất phức tạp, đám đông này biểu lộ sự chuyển động và cả các đặc tính tâm lý học, cả hai đều có thể định hướng mục tiêu. Điều này gây ra khó khăn trong việc tìm ra một mức độ thích hợp cho sự năng động của đám đông [6]. Trước đây, tập dữ liệu nghiên cứu còn khá nhỏ, với ít đặc trưng được xây dựng.
Trong quá trình phân tích đám đông, những hành vi cụ thể của đám đông cần phải được phát hiện và phân loại, ngay cả các hành vi hiếm gặp và khó mô tả. Chất lượng video huấn luyện thấp, nhiều video có độ dài rất ngắn do quá trình tập hợp, nén, lưu trữ không tốt. Do đó dễ có một tập dữ liệu chuẩn cho lĩnh vực phân tích đám đông thật sự là một thách thức lớn. Phân loại phân tích đám đông: Phân tích những thông tin của đối tượng trong đám đông là đầu vào cần thiết cho việc dự đoán kết quả về thông tin của đối tượng như đối tượng chuyển động, hành vi đối tượng, kết cấu của đám đông từ đó xây dựng được các mô hình theo dõi bám sát được các hành vi của đối tượng trong đám đông.
Việc phân tích đám đông được phân loại qua 3 quá trình phân tích là tiền xử lý, theo dõi và phát hiện hành vi [10]. Mô hình phân loại phân tích đám đông Phân tích dựa trên Pixel: Phân tích dựa trên pixel phụ thuộc vào các tính năng rất cục bộ để ước tính số lượng người trong một cảnh đám đông. Bởi vì phương pháp này sử dụng các tính năng cấp thấp, hầu hết các phương pháp dựa trên pixel tập trung vào ước tính mật độ đám đông thay vì xác định các cá nhân. Hầu hết các kỹ thuật sử dụng một kỹ thuật nền loại bỏ như là bước đầu tiên, ví dụ, phép trừ nền được sử dụng chỉ trên hình ảnh tham chiếu hoặc nền tự động máy phát điện để có được hình ảnh mặt đất nhân tạo.
e 10 Phân tích dựa trên cấp độ kết cấu: Phân tích cấp độ kết cấu khám phá các tính năng cấp cao khi so với các cách tiếp cận dựa trên pixel, chủ yếu là được sử dụng để ước tính số lượng người trong cảnh hơn là xác định cá nhân. Những hình ảnh dày đặc đám đông có xu hướng trình bày kết cấu tốt, trong khi hình ảnh của đám đông mật độ thấp có xu hướng trình bày kết cấu thô. Phân tích dựa trên cấp độ đối tượng: Các phương pháp dựa vào phân tích mức đối tượng cố gắng xác định đối tượng cá nhân trong cảnh. Họ có xu hướng sản xuất nhiều hơn thông tin chính xác khi so sánh với mức pixel phân tích hoặc phân tích mức độ kết cấu, nhưng xác định các cá nhân trong một hình ảnh hoặc một chuỗi video là chủ yếu là khả thi trong đám đông mật độ thấp hơn.
Trong dày đặc hơn đám đông, sự lộn xộn và sự xuất hiện nghiêm trọng làm cho cá nhân vấn đề đếm gần như không thể giải quyết. Phân tích dựa trên cấp độ khung: Hành vi mô hình phân tích mức khung hình của toàn cảnh trong phạm vi quan sát của một máy ảnh. Tiếp cận (theo dõi) đối tượng: Tiếp cận đối tượng trong một đám đông nhằm để giảm thiểu các rủi ro như tắc, cường độ màu, chiếu sáng điều kiện, ngoại hình,. các phương pháp tiếp cận như sau: - Phương pháp tiếp cận dựa trên khu vực: Là một tầm nhìn máy tính mạnh mẽ trong cảnh đám đông không bị giới hạn đó là thông tin như vậy như mật độ, hướng và vận tốc được trích xuất bằng cách sử dụng kỹ thuật dòng quang.
Luồng quang là để tính toán pixel tức thời chuyển động giữa khung liên tiếp. Lưu lượng quang mạnh đến nhiều và chuyển động đồng thời của máy ảnh và đối tượng, và được sử dụng rộng rãi trong phát hiện và phân chia chuyển động đám đông. - Phương pháp tiếp cận dựa trên đường viền hoạt động: Được sử dụng e 11 để mô hình hóa nhắm mục tiêu một phần và để một số tiếng ồn. Thông thường đã được sử dụng một biểu đồ màu, tuy nhiên Điểm yếu bằng cách sử dụng kỹ thuật này hầu như không thay đổi biểu đồ màu khi suy yếu với đối tượng tương tự như đứng đầu trong một đám đông.
- Cách tiếp cận dựa trên đặc trưng: được trình bày trong hình ảnh tính năng bởi mô tả các tính năng cấp blob. Các ví dụ là kích thước, hình dạng, độ giãn dài, biểu đồ độ chói và biểu đồ chuyển vị. - Phương pháp tiếp cận dựa trên mô hình: có thể giải quyết hợp nhất blob và chia hạn chế.