Tổng quan nghiên cứu

Sự bùng nổ của các hệ thống an ninh điện tử sau các sự kiện an ninh toàn cầu đã thúc đẩy mạnh mẽ việc ứng dụng công nghệ thông tin vào công tác bảo vệ trật tự xã hội. Tại Việt Nam, theo số liệu thống kê ngành, lực lượng an ninh đã vận hành khoảng 552 hệ thống camera giám sát chuyên dụng, đồng thời phối hợp khai thác dữ liệu từ 467 hệ thống thuộc các bộ ngành liên quan, nâng tổng quy mô lên hơn 1.019 hệ thống trên phạm vi toàn quốc. Tuy nhiên, phần lớn các hệ thống này vẫn phụ thuộc hoàn toàn vào nhân lực giám sát thủ công. Khi một hệ thống bao gồm hàng chục đến hàng trăm camera truyền tải luồng video liên tục ở tốc độ chuẩn 25 đến 30 khung hình/giây (tương đương dung lượng lưu trữ nén MPEG-1 khoảng 500 MB cho mỗi giờ ghi hình), việc một nhân viên phải theo dõi liên tục nhiều màn hình sẽ nhanh chóng dẫn đến hiện tượng mệt mỏi thị giác, làm tăng tỷ lệ bỏ sót sự cố bất thường lên đến hơn 30% sau 20 phút quan sát liên tục.

Vấn đề cốt lõi đặt ra là làm thế nào để tự động hóa quy trình phân tích hình ảnh, giúp hệ thống có khả năng tự phát hiện, phân loại và cảnh báo sớm các hành vi xâm nhập mục tiêu. Mục tiêu cụ thể của nghiên cứu là xây dựng các giải pháp thuật toán tối ưu nhằm nhận dạng đối tượng xuất hiện, phân loại mục tiêu thành các nhóm chuyên biệt và theo vết chuyển động thời gian thực từ luồng tín hiệu camera. Phạm vi nghiên cứu tập trung vào môi trường giám sát tại các mục tiêu trọng điểm, trụ sở cơ quan và khu vực công cộng phức tạp trong điều kiện thời tiết, ánh sáng biến động. Nghiên cứu mang ý nghĩa thực tiễn lớn khi nâng cao tỷ lệ tự động hóa giám sát, giảm thiểu hơn 70% áp lực nhân lực trực ban và rút ngắn thời gian phát hiện đối tượng xuống dưới 1 giây.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết thị giác máy tính và phân đoạn chuỗi video thời gian thực. Hệ thống lý thuyết trọng tâm bao gồm hai mô hình chính:

  • Mô hình nhận dạng nơ-ron nhân tạo: Ứng dụng cấu trúc mạng tự tổ chức Kohonen (Self-Organizing Maps) và mạng nơ-ron truyền thẳng đa tầng (MLP) sử dụng giải thuật lan truyền ngược sai số. Mô hình này cho phép phân lớp tự động các đối tượng trong điều kiện dữ liệu mẫu bị biến dạng hoặc che khuất một phần.
  • Mô hình quá trình ngẫu nhiên Markov bậc nhất kết hợp suy diễn xác suất Bayes: Sử dụng để mô hình hóa trạng thái động của đối tượng qua trục thời gian, liên kết mô hình tiến hóa trạng thái với mô hình quan sát nhằm xác định hàm hợp lý (Likelihood) trong không gian trạng thái rời rạc.

Bên cạnh đó, các khái niệm kỹ thuật nền tảng được áp dụng chặt chẽ gồm:

  1. Kỹ thuật trừ ảnh sai phân (Background Subtraction): Trừ ảnh theo mức điểm ảnh, trừ ảnh phân khối và so sánh biểu đồ mức xám (Histogram Intersection, khoảng cách Chi-Square).
  2. Kỹ thuật biến đổi lược đồ mức xám (Histogram Equalization): Tối ưu hóa dải tương phản động 8-bit (0 đến 255 mức xám) nhằm khử hiện tượng thiếu sáng hoặc thừa sáng.
  3. Phân tích hình thái học và trích xuất bộ khung xương (Skeletonization): Dựa trên chuỗi khoảng cách từ trọng tâm đến đường biên đối tượng và phép biến đổi Fourier thuận/nghịch để định dạng hành vi chuyển động như đi bộ hoặc chạy.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập trực tiếp từ các luồng tín hiệu của hai dòng thiết bị tiêu biểu: camera IP AXIS 211 (cảm biến Sony Super CCD 1/4 inch RGB độ phân giải 300.000 pixel, độ nhạy sáng 0.000 lux, tốc độ truyền 30 khung hình/giây) và camera số JCTeck kết nối qua cổng USB (độ phân giải 2.1 Megapixel, định dạng AVI không nén ở tốc độ 25 khung hình/giây). Cỡ mẫu thực nghiệm bao gồm 500 đoạn video thử nghiệm với hơn 15.000 khung hình được ghi nhận ở nhiều khung giờ khác nhau.

Phương pháp chọn mẫu là chọn mẫu phi ngẫu nhiên có chủ đích kết hợp phân tầng điều kiện môi trường (trong nhà, ngoài trời, ban ngày độ sáng cao và ban đêm có hỗ trợ hồng ngoại). Lý do lựa chọn phương pháp phân tích ma trận điểm ảnh miền không gian kết hợp bộ lọc trung vị (Median Filter) và phép nhân chập mặt nạ là nhằm triệt tiêu tối đa nhiễu trắng ngẫu nhiên mà không làm mờ các cạnh biên quan trọng của mục tiêu. Toàn bộ giải thuật được lập trình thực thi trên nền tảng Visual Basic 6.0 thông qua thư viện điều khiển ActiveX chuyên dụng và kỹ thuật phân tích trực tiếp cấu trúc nhị phân MainAVIHeader của tệp video nhằm tối ưu tốc độ xử lý trên bộ nhớ đệm RAM.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình triển khai thử nghiệm trên hệ thống thực tế mang lại 4 phát hiện kỹ thuật mang tính đột phá:

  1. Hiệu năng vượt trội của kỹ thuật trừ ảnh phân khối: So với phương pháp trừ điểm ảnh toàn cục truyền thống (vốn rất nhạy cảm với hiện tượng rung lắc camera), giải pháp chia khung hình thành 12 khối cục bộ có gán trọng số giúp giảm đến 85% các cảnh báo chuyển động giả do lá cây rung hoặc nhiễu đường truyền tín hiệu.
  2. Độ chính xác cao trong phân tích hình thái chuyển động: Bằng cách áp dụng biến đổi Fourier cho tín hiệu khoảng cách biên đến trọng tâm, hệ thống phân loại chính xác trên 92% trạng thái di chuyển (đi bộ và chạy) của con người, phân tách rõ ràng với các chuyển động cơ học của phương tiện giao thông.
  3. Khả năng thích ứng của mạng nơ-ron Kohonen khi mục tiêu bị che khuất: Mô hình mạng nơ-ron huấn luyện trên tập dữ liệu mẫu chuẩn đạt tỷ lệ nhận dạng đúng đạt 94,5% đối với người và phương tiện. Đặc biệt, khi mục tiêu bị che khuất cục bộ từ 20% đến 30% diện tích thân thể, mạng vẫn duy trì độ chính xác nhận diện trên 88%, vượt trội hơn hẳn các phương pháp so khớp mẫu hình học cứng nhắc.
  4. Tối ưu hóa thời gian xử lý thời gian thực: Tốc độ xử lý của thuật toán đạt mức 25 đến 30 khung hình/giây trên độ phân giải tiêu chuẩn VGA (640x480 pixel) và QVGA (320x240 pixel). Độ trễ xử lý từ lúc đối tượng xuất hiện đến khi kích hoạt cảnh báo chỉ dao động trong khoảng 33 đến 40 mili-giây, hoàn toàn đáp ứng tiêu chuẩn phản ứng an ninh khẩn cấp.

Thảo luận kết quả

Nguyên nhân chính giúp hệ thống đạt hiệu suất cao là nhờ chuỗi tiền xử lý đa tầng: san bằng lược đồ mức xám giúp cân bằng quang thông, kết hợp lọc trung vị loại bỏ nhiễu hạt trước khi đưa vào khối phân tích sai phân. Khi so sánh với các nghiên cứu nhận dạng truyền thống sử dụng trích xuất biên Sobel đơn thuần, việc ứng dụng đại lượng phân bố mức xám Chi-Square kết hợp vector chuyển động giúp triệt tiêu hoàn toàn sự thay đổi cự ly đột ngột do camera thực hiện thao tác quét hoặc phóng to hình ảnh.

Để minh chứng cho hiệu quả xử lý, dữ liệu thực nghiệm có thể được tổng hợp trực quan qua bảng so sánh độ trễ khung hình và biểu đồ tương quan tỷ lệ nhận diện. Cụ thể, trong bảng thống kê các chuẩn nén, chuẩn nén MPEG-4 cho thấy mức tiết kiệm băng thông đến 60% so với Motion-JPEG trong khi vẫn duy trì độ sắc nét của biên đối tượng. Biểu đồ đường biểu diễn sự thay đổi của hàm sai số tích lũy theo số chu kỳ huấn luyện (Epochs) của mạng nơ-ron cho thấy sai số hội tụ về mức tiệm cận 0,05 chỉ sau khoảng 150 vòng lặp, chứng minh tính ổn định cao của cấu trúc mạng được lựa chọn.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, 4 giải pháp công nghệ trọng tâm được đề xuất nhằm nâng cấp hệ thống camera an ninh:

  1. Chuyển đổi đồng bộ hạ tầng ghi hình từ Analog sang nền tảng số IP/NVR: Thay thế các thiết bị ghi hình kỹ thuật số thế hệ cũ bằng hệ thống máy chủ ghi hình qua mạng (NVR). Mục tiêu nâng tỷ lệ số hóa hệ thống giám sát từ mức 16% lên trên 80% trong lộ trình 3 năm, do các cơ quan chỉ huy an ninh và viễn thông phối hợp thực hiện.
  2. Chuẩn hóa module thuật toán trừ ảnh phân khối và lọc số không gian: Tích hợp trực tiếp các thuật toán xử lý video vào phần mềm điều khiển trung tâm để tự động phân tích hành vi tại 100% các khu vực cấm. Mục tiêu giảm thiểu 90% các cảnh báo sai, hoàn thành chuyển giao trong thời gian từ 6 đến 12 tháng bởi đội ngũ kỹ sư phần mềm.
  3. Tích hợp module nhận dạng biển số xe và nhận diện khuôn mặt đa tầng: Ứng dụng giải pháp lai ghép giữa trắc lọc màu da tự nhiên và đặc trưng hình học để nhận diện tự động phương tiện vi phạm và đối tượng trong danh sách chú ý. Đích đến là nâng độ chính xác định danh lên 98%, triển khai thử nghiệm trong 18 tháng tại các chốt giao thông và cổng kiểm soát mục tiêu.
  4. Tối ưu hóa năng lực tính toán song song trên phần cứng: Nâng cấp các trạm xử lý trung tâm bằng việc trang bị các bộ xử lý đồ họa chuyên dụng nhằm giảm thời gian trích xuất đặc trưng xuống dưới 20 mili-giây/khung hình cho các luồng dữ liệu đa camera, thực hiện trong vòng 24 tháng bởi các đơn vị nghiên cứu ứng dụng.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả thực nghiệm của luận văn là tài liệu tham khảo giá trị cho 4 nhóm đối tượng:

  • Kỹ sư phát triển phần mềm Thị giác máy tính và Trí tuệ nhân tạo: Cung cấp chi tiết mã nguồn, thuật toán toán học giải mã luồng video AVI, phương pháp lập trình điều khiển ActiveX và kỹ thuật xây dựng mạng nơ-ron Kohonen cho các bài toán phân loại đối tượng thực tế.
  • Cán bộ quản lý an ninh, chỉ huy tác chiến điện tử: Hướng dẫn chi tiết phương án thiết kế hệ thống CCTV tổng thể, đánh giá các thông số kỹ thuật camera (như tiêu cự, độ nhạy sáng lux, chuẩn nén) nhằm lập dự toán và tối ưu hóa hạ tầng giám sát mục tiêu trọng điểm.
  • Chuyên gia điều hành giao thông đô thị: Cung cấp phương pháp luận ứng dụng 7 chuyên đề nghiệp vụ giám sát tự động, đặc biệt là bài toán phát hiện phương tiện dừng đỗ sai quy định, phương tiện đi vào khu vực cấm phục vụ công tác xử lý phạt nguội.
  • Học viên cao học, nghiên cứu sinh chuyên ngành Công nghệ thông tin: Nguồn tài liệu học thuật chuyên sâu về các mô hình toán học trong xử lý ảnh số, lý thuyết quá trình ngẫu nhiên Markov, bộ lọc phi tuyến Bayes và các thuật toán phân đoạn video.

Câu hỏi thường gặp

Luận văn giải quyết hiện tượng nhiễu do rung lắc camera và thay đổi ánh sáng đột ngột như thế nào? Tác giả đã triển khai thuật toán trừ ảnh phân khối kết hợp với việc san bằng lược đồ mức xám và lọc trung vị. Bằng cách chia khung hình thành 12 khối độc lập và so sánh độ lệch chuẩn mức xám từng vùng, hệ thống loại bỏ được các biến động cường độ sáng toàn cục và triệt tiêu hơn 85% ảnh hưởng từ rung động cơ học.

Tại sao mô hình mạng nơ-ron Kohonen lại được ưu tiên ứng dụng để phân loại đối tượng? Mạng Kohonen sở hữu cơ chế học tự tổ chức cạnh tranh tương tự như hệ thần kinh sinh học, giúp phân cụm dữ liệu mẫu thành hai lớp đối tượng và không phải đối tượng một cách linh hoạt. Mô hình này duy trì độ chính xác trên 88% ngay cả khi hình ảnh trích xuất bị khuyết thiếu hoặc bị che khuất một phần.

Hệ thống có khả năng nhận dạng và phân loại những nhóm đối tượng nào trong khung hình? Hệ thống thực hiện phân loại mục tiêu thành 3 lớp chuyên biệt gồm: con người, phương tiện giao thông và đồ vật cố định. Quy trình phân loại dựa trên sự kết hợp giữa mô hình hóa bộ khung xương chuyển động qua biến đổi Fourier và các mẫu vector đặc trưng.

Điểm khác biệt căn bản giữa giải pháp sử dụng Camera IP và Camera Analog trong nghiên cứu là gì? Camera IP truyền dữ liệu số trực tiếp qua giao thức mạng, cho phép thu nhận luồng hình ảnh kỹ thuật số chuẩn với độ phân giải cao và mở rộng không giới hạn qua thiết bị chuyển mạch. Ngược lại, camera Analog yêu cầu card chuyển đổi tín hiệu phức tạp, chi phí cao và dễ suy hao tín hiệu trên khoảng cách cáp trên 1.000 mét.

Nguyên lý hoạt động của khối chức năng phát hiện khuôn mặt trong hệ thống được thiết kế ra sao? Nghiên cứu áp dụng giải pháp lai ghép kết hợp phân bố sắc thái màu da trong không gian màu để khoanh vùng ứng viên, sau đó sử dụng các đặc trưng hình học (tương quan mắt, mũi, miệng) và mạng nơ-ron để xác thực vị trí chính xác, phục vụ việc tự động cắt và lưu trữ khuôn mặt đối tượng.

Kết luận

  • Luận văn đã giải quyết toàn diện bài toán tự động hóa nhận dạng và giám sát đối tượng, đáp ứng yêu cầu cấp thiết trong bảo vệ an ninh mục tiêu.
  • Hệ thống hóa đầy đủ cơ sở lý thuyết xử lý ảnh số, từ các giải thuật lọc số miền không gian, trừ ảnh phân khối đến mô hình mạng nơ-ron Kohonen và chuỗi Markov.
  • Thiết kế hoàn chỉnh phần mềm thực nghiệm trên nền tảng Visual Basic 6.0, làm chủ việc thu nhận luồng dữ liệu từ camera IP và camera số với tốc độ xử lý đạt 25 đến 30 khung hình/giây.
  • Triển khai thành công 7 chuyên đề giám sát chuyên sâu, bao gồm kiểm soát ra vào, phát hiện vượt rào, cảnh báo đỗ xe sai quy định, giám sát đồ vật bị di dời và kiểm soát đám đông.
  • Đóng góp quan trọng vào tiến trình hiện đại hóa hơn 1.000 hệ thống camera giám sát công cộng tại Việt Nam, mở ra hướng phát triển tích hợp trí tuệ nhân tạo trên phần cứng nhúng trong lộ trình 12 đến 24 tháng tới. Hãy liên hệ ngay với các đơn vị chuyển giao công nghệ để ứng dụng giải pháp giám sát tự động thông minh vào thực tế bảo vệ mục tiêu.