Phát Hiện Chuyển Động Bằng Phương Pháp Trừ Nền

Luận văn thạc sĩ nghiên cứu phát hiện chuyển động bằng phương pháp trừ nền, khảo sát thực trạng, phân tích nguyên nhân, đề xuất giải pháp cải thiện thực tiễn.

• Tác giả: Trần Văn Thành
• Trường học: Đại Học Thái Nguyên
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Phát Hiện Chuyển Động Bằng Phương Pháp Trừ Nền Trong Hệ Thống Giám Sát Camera
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2015
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ VIDEO VÀ PHÁT HIỆN CHUYỂN ĐỘNG
• 1.1. Các khái niệm cơ bản về video
• 1.2. Mô hình ảnh nền
• 1.2.1. Mô hình trừ ảnh nền thích hợp
• 1.2.2. Mô hình của Stauffer và Grimson
• 1.2.3. Mô hình chênh lệch tạm thời
• 1.3. Khối xử lý các vùng ảnh nổi
• 1.3.1. Tiền xử lý mức điểm ảnh
• 2. CHƯƠNG 2: NỘI DUNG GIẢI THUẬT PHÁT HIỆN CHUYỂN ĐỘNG
• 3. CHƯƠNG 3: CHƯƠNG TRÌNH THỬ NGHIỆM PHÁT HIỆN CHUYỂN ĐỘNG

Tóm tắt

I. Tổng Quan Về Phát Hiện Chuyển Động Bằng Phương Pháp Trừ Nền

Phát hiện chuyển động là một trong những chức năng quan trọng nhất trong hệ thống giám sát camera. Phương pháp trừ nền giúp xác định các đối tượng chuyển động trong video bằng cách so sánh khung hình hiện tại với ảnh nền. Điều này không chỉ giúp phát hiện chuyển động mà còn hỗ trợ trong việc phân tích video và nhận diện các hành động. Hệ thống giám sát camera ngày càng trở nên phổ biến trong các lĩnh vực an ninh, giao thông và nghiên cứu.

1.1. Khái Niệm Cơ Bản Về Phát Hiện Chuyển Động

Phát hiện chuyển động là quá trình nhận diện các đối tượng di chuyển trong video. Phương pháp trừ nền sử dụng ảnh nền để so sánh với khung hình hiện tại, từ đó phát hiện các điểm ảnh nổi lên.

1.2. Tầm Quan Trọng Của Hệ Thống Giám Sát Camera

Hệ thống giám sát camera đóng vai trò quan trọng trong việc đảm bảo an ninh. Nó giúp theo dõi và phát hiện các hành động đáng ngờ, từ đó nâng cao hiệu quả bảo vệ.

II. Vấn Đề Và Thách Thức Trong Phát Hiện Chuyển Động

Mặc dù phương pháp trừ nền mang lại nhiều lợi ích, nhưng vẫn tồn tại một số thách thức. Các yếu tố như ánh sáng thay đổi, bóng đổ và nhiễu có thể ảnh hưởng đến độ chính xác của việc phát hiện chuyển động. Việc xử lý các tình huống này là rất cần thiết để cải thiện hiệu suất của hệ thống.

2.1. Ảnh Hưởng Của Ánh Sáng Đến Phát Hiện Chuyển Động

Ánh sáng thay đổi có thể làm cho các đối tượng chuyển động trở nên khó nhận diện. Điều này đòi hỏi các thuật toán phải có khả năng thích ứng với các điều kiện ánh sáng khác nhau.

2.2. Vấn Đề Nhiễu Trong Video

Nhiễu từ môi trường xung quanh có thể gây khó khăn trong việc phát hiện chuyển động. Các phương pháp xử lý nhiễu cần được áp dụng để cải thiện độ chính xác.

III. Phương Pháp Trừ Nền Trong Phát Hiện Chuyển Động

Phương pháp trừ nền là một trong những kỹ thuật phổ biến nhất trong phát hiện chuyển động. Nó hoạt động bằng cách tạo ra một mô hình ảnh nền và so sánh với khung hình hiện tại để phát hiện các điểm ảnh nổi. Các mô hình này có thể được cập nhật liên tục để phản ánh sự thay đổi trong môi trường.

3.1. Mô Hình Ảnh Nền

Mô hình ảnh nền được sử dụng để xác định các điểm ảnh nền và nổi. Việc cập nhật mô hình này là rất quan trọng để duy trì độ chính xác trong phát hiện chuyển động.

3.2. Các Kỹ Thuật Trừ Nền Khác Nhau

Có nhiều kỹ thuật trừ nền khác nhau, bao gồm mô hình Gausse và mô hình chênh lệch tạm thời. Mỗi kỹ thuật có ưu điểm và nhược điểm riêng, phù hợp với các tình huống khác nhau.

IV. Ứng Dụng Thực Tiễn Của Phát Hiện Chuyển Động

Phát hiện chuyển động bằng phương pháp trừ nền có nhiều ứng dụng thực tiễn trong các lĩnh vực như an ninh, giao thông và nghiên cứu. Hệ thống giám sát camera có thể được sử dụng để theo dõi các khu vực nhạy cảm, phân tích hành vi và cải thiện an toàn giao thông.

4.1. Ứng Dụng Trong An Ninh

Hệ thống giám sát camera giúp phát hiện các hành động đáng ngờ, từ đó nâng cao hiệu quả bảo vệ an ninh cho các khu vực công cộng và tư nhân.

4.2. Ứng Dụng Trong Giao Thông

Phát hiện chuyển động có thể được sử dụng để phân tích lưu lượng giao thông, từ đó cải thiện quản lý và điều phối giao thông.

V. Kết Luận Và Tương Lai Của Phát Hiện Chuyển Động

Phát hiện chuyển động bằng phương pháp trừ nền là một lĩnh vực đang phát triển mạnh mẽ. Với sự tiến bộ của công nghệ, các hệ thống giám sát camera sẽ ngày càng trở nên thông minh hơn, giúp nâng cao hiệu quả trong việc bảo vệ an ninh và quản lý giao thông.

5.1. Xu Hướng Phát Triển Trong Tương Lai

Các công nghệ mới như trí tuệ nhân tạo và học máy sẽ được tích hợp vào hệ thống giám sát, giúp cải thiện khả năng phát hiện và phân tích chuyển động.

5.2. Thách Thức Cần Giải Quyết

Mặc dù có nhiều tiềm năng, nhưng vẫn cần giải quyết các thách thức như độ chính xác và khả năng xử lý trong các điều kiện thực tế.

Nội dung chính

## Tổng quan nghiên cứu

Trong bối cảnh công nghệ thông tin ngày càng phát triển, dữ liệu số và hình ảnh đóng vai trò quan trọng trong việc truyền tải thông tin, đặc biệt là trong các hệ thống giám sát tự động. Theo ước tính, tốc độ xử lý video hiện nay đạt khoảng 25-30 khung hình mỗi giây, tương đương với hàng chục nghìn khung hình mỗi giờ, đòi hỏi các giải pháp xử lý hiệu quả để phát hiện chuyển động trong video. Bài toán phát hiện chuyển động bằng phương pháp trừ nền được lựa chọn nhằm xây dựng hệ thống giám sát camera có độ chính xác cao, phù hợp với các mục đích an ninh, giám sát giao thông và các ứng dụng công nghệ khác.

Mục tiêu nghiên cứu là phát triển giải thuật phát hiện chuyển động dựa trên phương pháp trừ nền thích ứng, kết hợp với các kỹ thuật xử lý ảnh để phát hiện và cảnh báo kịp thời khi có đối tượng đột nhập vào khu vực giám sát. Phạm vi nghiên cứu tập trung vào xử lý video thu được từ camera giám sát tại các trụ sở, với dữ liệu thực nghiệm gồm chuỗi video có độ phân giải 640x480, tốc độ 24 khung hình/giây, trong khoảng thời gian thực tế tại một số địa điểm giám sát.

Nghiên cứu có ý nghĩa quan trọng trong việc nâng cao hiệu quả của hệ thống giám sát tự động, giảm thiểu sự phụ thuộc vào con người trong việc theo dõi liên tục, đồng thời tăng cường khả năng phát hiện chính xác các đối tượng chuyển động trong môi trường phức tạp, góp phần đảm bảo an ninh và an toàn cho các mục tiêu được giám sát.

## Cơ sở lý thuyết và phương pháp nghiên cứu

### Khung lý thuyết áp dụng

- **Phương pháp trừ nền (Background Subtraction):** Là kỹ thuật cơ bản và phổ biến nhất trong phát hiện chuyển động, dựa trên việc so sánh khung hình hiện tại với mô hình nền để xác định các điểm ảnh chuyển động. Các mô hình nền được sử dụng bao gồm mô hình trừ ảnh nền thích hợp, mô hình pha trộn Gaussian và mô hình chênh lệch tạm thời.

- **Entropy trong xử lý ảnh:** Entropy được sử dụng để đo lượng thông tin không chắc chắn trong phân phối mức xám của các khối ảnh, giúp xác định các khối có sự biến đổi lớn, khả năng chứa đối tượng chuyển động cao.

- **Phép toán hình thái học (Morphological Operations):** Các phép toán như co ảnh (erosion) và giãn ảnh (dilation) được áp dụng để loại bỏ nhiễu, làm sạch vùng ảnh nổi và khôi phục kích thước đối tượng chuyển động.

- **Các khái niệm chính:**
  - *Khung hình (Frame):* Ảnh đơn lẻ trong chuỗi video.
  - *Mặt nạ vùng chuyển động (Foreground Mask):* Bản đồ nhị phân xác định vùng có chuyển động.
  - *Khối chuyển động (Motion Block):* Khối pixel có khả năng chứa đối tượng chuyển động.
  - *Mô hình nền thích ứng (Adaptive Background Model):* Mô hình nền được cập nhật liên tục để thích ứng với sự thay đổi môi trường.

### Phương pháp nghiên cứu

- **Nguồn dữ liệu:** Chuỗi video thu thập từ camera giám sát tại các trụ sở, với độ phân giải 640x480, tốc độ 24 khung hình/giây, tổng số mẫu khoảng 50.000 khung hình.

- **Phương pháp phân tích:** 
  - Xây dựng mô hình nền tối ưu bằng thuật toán Modified Moving Average (MMA) với 50 khung hình đầu tiên để khởi tạo nền.
  - Sử dụng thuật toán so sánh nhanh (Rapid Matching) và huấn luyện tín hiệu ổn định (Stable Signal Trainer) để lựa chọn nền tối ưu.
  - Tính giá trị Entropy cho từng khối pixel kích thước 8x8 để xác định khối chuyển động.
  - Áp dụng các phép toán hình thái học để làm sạch và xác định chính xác vùng chuyển động.
  - Trích xuất đối tượng chuyển động dựa trên mặt nạ nhị phân phát hiện chuyển động.

- **Timeline nghiên cứu:** 
  - Giai đoạn 1 (3 tháng): Thu thập và xử lý dữ liệu video, khởi tạo mô hình nền.
  - Giai đoạn 2 (4 tháng): Phát triển và tối ưu giải thuật phát hiện chuyển động.
  - Giai đoạn 3 (2 tháng): Thử nghiệm, đánh giá và hoàn thiện phần mềm phát hiện chuyển động.

## Kết quả nghiên cứu và thảo luận

### Những phát hiện chính

- Giải thuật trừ nền thích ứng kết hợp với tính Entropy và phép toán hình thái học đã phát hiện chính xác trên 92% các đối tượng chuyển động trong video thử nghiệm, vượt trội hơn so với các giải thuật trừ nền cơ bản chỉ đạt khoảng 75%.

- Thời gian xử lý trung bình cho mỗi khung hình là khoảng 30ms, đảm bảo khả năng xử lý gần thời gian thực với độ trễ chấp nhận được dưới 1 giây.

- Việc cập nhật mô hình nền không cần thực hiện liên tục cho từng khung hình mà có thể thực hiện sau mỗi 3-5 khung hình vẫn giữ được độ chính xác phát hiện trên 90%, giúp giảm tải tính toán đáng kể.

- Giải thuật có khả năng thích ứng tốt với các điều kiện ánh sáng thay đổi đột ngột và loại bỏ hiệu quả các nhiễu do bóng vật thể, nâng cao độ tin cậy của hệ thống giám sát.

### Thảo luận kết quả

Kết quả cho thấy việc sử dụng mô hình nền thích ứng kết hợp với phân tích Entropy và xử lý hình thái học là hướng tiếp cận hiệu quả trong phát hiện chuyển động. So với các nghiên cứu trước đây, giải thuật này cải thiện đáng kể độ chính xác và tốc độ xử lý, phù hợp với các ứng dụng giám sát thực tế có nhiều đối tượng chuyển động phức tạp.

Việc giảm tần suất cập nhật mô hình nền không những giảm tải cho hệ thống mà còn duy trì được hiệu quả phát hiện, điều này phù hợp với các môi trường giám sát có điều kiện ánh sáng ổn định hoặc thay đổi chậm. Các phép toán hình thái học giúp loại bỏ nhiễu và bóng vật thể, điều mà nhiều giải thuật truyền thống chưa xử lý triệt để.

Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác phát hiện giữa các giải thuật, bảng thống kê thời gian xử lý trung bình và biểu đồ phân bố Entropy của các khối ảnh trong video.

## Đề xuất và khuyến nghị

- **Triển khai hệ thống giám sát thông minh:** Áp dụng giải thuật phát hiện chuyển động vào các hệ thống camera giám sát tại các trụ sở, khu vực công cộng nhằm nâng cao hiệu quả an ninh.

- **Tối ưu hóa cập nhật mô hình nền:** Điều chỉnh tần suất cập nhật mô hình nền phù hợp với điều kiện môi trường để cân bằng giữa độ chính xác và hiệu suất xử lý.

- **Phát triển module cảnh báo tự động:** Kết hợp với phần mềm phát hiện chuyển động để gửi cảnh báo tức thời qua các thiết bị di động hoặc hệ thống giám sát trung tâm.

- **Mở rộng nghiên cứu:** Nghiên cứu thêm các phương pháp phân loại và theo dõi đối tượng chuyển động để nâng cao khả năng phân tích hành vi và dự đoán sự kiện.

- **Đào tạo và nâng cao nhận thức:** Tổ chức các khóa đào tạo cho nhân viên an ninh về sử dụng và vận hành hệ thống giám sát thông minh, đảm bảo khai thác hiệu quả công nghệ.

## Đối tượng nên tham khảo luận văn

- **Nhà nghiên cứu và sinh viên ngành Khoa học máy tính:** Có thể áp dụng các phương pháp và thuật toán phát hiện chuyển động trong các đề tài nghiên cứu liên quan đến xử lý ảnh và thị giác máy tính.

- **Chuyên gia phát triển phần mềm giám sát:** Tham khảo để tích hợp giải thuật phát hiện chuyển động vào các sản phẩm phần mềm giám sát an ninh và giao thông.

- **Cơ quan an ninh và quản lý đô thị:** Áp dụng hệ thống giám sát thông minh để nâng cao hiệu quả quản lý, giám sát an ninh trật tự và điều tiết giao thông.

- **Doanh nghiệp cung cấp thiết bị giám sát:** Nâng cao chất lượng sản phẩm bằng cách tích hợp các giải thuật phát hiện chuyển động tiên tiến, đáp ứng nhu cầu thị trường.

## Câu hỏi thường gặp

1. **Phương pháp trừ nền thích ứng là gì?**  
Là kỹ thuật xây dựng mô hình nền liên tục cập nhật theo thời gian để phát hiện sự khác biệt giữa khung hình hiện tại và nền, giúp xác định vùng chuyển động chính xác hơn trong môi trường thay đổi.

2. **Tại sao sử dụng Entropy trong phát hiện chuyển động?**  
Entropy đo lượng biến đổi không chắc chắn trong khối ảnh, giúp xác định các khối có sự thay đổi lớn, từ đó phát hiện chính xác các vùng chứa đối tượng chuyển động.

3. **Giải thuật có xử lý được các điều kiện ánh sáng thay đổi không?**  
Có, giải thuật sử dụng mô hình nền thích ứng và xử lý bóng vật thể giúp thích ứng với sự thay đổi ánh sáng đột ngột, giảm nhiễu và tăng độ chính xác.

4. **Thời gian xử lý có đáp ứng được yêu cầu thời gian thực không?**  
Thời gian xử lý trung bình khoảng 30ms cho mỗi khung hình, phù hợp với yêu cầu xử lý gần thời gian thực trong các hệ thống giám sát.

5. **Giải thuật có thể áp dụng cho các loại camera nào?**  
Giải thuật phù hợp với các camera giám sát chuẩn video số có tốc độ từ 16 đến 30 khung hình/giây và độ phân giải phổ biến như 640x480 hoặc cao hơn.

## Kết luận

- Đã phát triển thành công giải thuật phát hiện chuyển động dựa trên phương pháp trừ nền thích ứng kết hợp phân tích Entropy và xử lý hình thái học.  
- Giải thuật đạt độ chính xác phát hiện trên 92% và thời gian xử lý phù hợp với yêu cầu thực tế.  
- Mô hình nền được cập nhật linh hoạt, giảm tải tính toán mà vẫn duy trì hiệu quả phát hiện.  
- Giải thuật có khả năng thích ứng với điều kiện ánh sáng thay đổi và loại bỏ nhiễu do bóng vật thể.  
- Đề xuất triển khai hệ thống giám sát thông minh và mở rộng nghiên cứu để nâng cao tính năng phân loại, theo dõi đối tượng.

Hành động tiếp theo là thử nghiệm giải thuật trên các môi trường thực tế đa dạng hơn và phát triển phần mềm tích hợp hoàn chỉnh để ứng dụng trong các hệ thống giám sát hiện đại.

Trích đoạn nội dung tài liệu

MỞ ĐẦU Trong thời đại ngày nay công nghệ thông tin hầu như đã thâm nhập vào toàn bộ các lĩnh vực đời sống xã hội. Xã hội càng phát triển thì nhu cầu về công nghệ thông tin ngày càng cao, do vậy dữ liệu số hầu như không còn xa lạ đối với mỗi người chúng ta. Trong mọi lĩnh vực các ứng dụng công nghệ thông tin đã trợ giúp con người rất nhiều. Hiện nay, thông tin hình ảnh đóng vai trò rất quan trọng trong trao đổi thông tin, bởi phần lớn các thông tin mà con người thu nhận được đều thông qua thị giác.

Trong các lĩnh vực công nghệ thông tin thì lĩnh vực giám sát tự động đã và đang thu hút được nhiều sự quan tâm của các nhóm nghiên cứu trong và ngoài nước. Cùng với sự phát triển của sức mạnh máy tính, các hệ thống giám sát tự động ngày càng tinh vi và hiện đại đã trợ giúp con người rất nhiều trong lĩnh vực an ninh, giám sát giao thông v. Thời gian qua, hệ thống giám sát bằng camera đã trở thành lĩnh vực nghiên cứu rất phát triển. Trước các nhu cầu giám sát, đảm bảo an ninh mục tiêu, trụ sở, nhà riêng… của các tổ chức, cá nhân ngày càng cao đã thúc đẩy việc nghiên cứu, ứng dụng các sản phẩm giám sát thông qua camera theo dõi.

Bài toán đặt ra là xây dựng và đưa vào sử dụng các hệ thống giám sát đủ mạnh, có độ chính xác cao, phù hợp với từng mục đích cũng như đối tượng sử dụng. Một số ứng dụng quan trọng của hệ thống giám sát camera trong các lĩnh vực như: Các thiết bị giám sát an ninh chuyên dụng sử dụng trong lực lượng vũ trang; các thiết bị giám sát an ninh dân dụng; các thiết bị giám sát, phân luồng giao thông; công nghệ nghiên cứu, chế tạo Robot thông qua việc phân tích các cử động của con người… Ở nước ta hiện nay, lĩnh vực giám sát Video cũng có những bước phát triển đáng kể. Tuy nhiên nó chỉ mới dựa trên nền tảng phần cứng và cũng chưa áp dụng nhiều trong thực tế. Việc giải quyết bài toán này theo hướng tiếp cận sử dụng phần mềm chưa được quan tâm phát triển.

Một hệ thống giám sát camera bao gồm nhiều chức năng: Phát hiện chuyển động, phân loại, theo dấu, cảnh báo, phân tích hành động. Phát hiện chuyển động được xác định là một trong những chức năng đầu tiên và quan trọng nhất của một hệ thống giám sát camera. Nó không chỉ có chức năng trích xuất đối tượng chuyển động mà còn có ý Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn 3 nghĩa quan trọng đối với ứng dụng thị giác máy tính như mã hóa video dựa trên đối tượng, phân tích chuyển động của con người và tương tác người – máy. Xuất phát từ các nhu cầu thực tế, học viên đã báo cáo xin ý kiến thầy giáo hướng dẫn nghiên cứu luận văn của mình là: “Phát hiện chuyển động bằng phương pháp trừ nền”.

Kết quả của nghiên cứu là xây dựng giải thuật phát hiện chuyển động và phần mềm phát hiện và cảnh báo khi có đối tượng đột nhập vào khu vực giám sát một cách nhanh chóng và hiệu quả. Trên cơ sở đó nhằm xây dựng hệ thống giám sát bằng camera trụ sở của đơn vị sử dụng các nghiên cứu về thuật toán phát hiện chuyển động. Nội dung chính của luận văn gồm 3 chương: Chƣơng 1: Khái quát về Video và phát hiện chuyển động Chƣơng 2: Nội dung giải thuật phát hiện chuyển động Chƣơng 3: Chương trình thử nghiệm phát hiện chuyển động Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn 4 Chƣơng 1 KHÁI QUÁT VỀ VIDEO VÀ PHÁT HIỆN CHUYỂN ĐỘNG 1. Các khái niệm cơ bản về video [3] Video là tập hợp các khung hình, mỗi khung hình là một ảnh.

Shot (lia) là đơn vị cơ sở của video. Một lia là một đơn vị vật lý của dòng video, gồm các chuỗi các khung hình liên tiếp, không thể chia nhỏ hơn, ứng với một thao tác camera đơn. Scene (cảnh) là các đơn vị logic của dòng video, một cảnh gồm các lia liên quan về không gian và liền kề về thời gian, cùng mô tả một nội dung ngữ nghĩa hoặc một tình tiết.1: Cấu trúc phân đoạn video Khi phim được chiếu, các khung hình lần lượt được hiển thị ở tốc độ nhất định. Tốc độ thường thấy ở các định dạng video khác nhau là 30 và 25 hình/s.

Như vậy một giờ video sẽ có số khung hình tương ứng là 108000 hoặc là 90000. Dù là video ở định dạng nào thì nó cũng có dung lượng rất lớn và nếu xử lý với tất cả các khung hình thì thật không hiệu quả. Phân đoạn là quá trình phân tích và chia nội dung hình ảnh video thành các đơn vị cơ sở gọi là các lia (shot). Việc lấy mẫu chính là chọn gần đúng một khung video đại diện cho mỗi lia (hoặc nhiều hơn tùy theo mức độ phức tạp của nội dung hình ảnh của lia) và được gọi là các khung - khóa.

Khung – khóa là khung hình đại diện mô tả nội dung chính của shot. Quá trình phân đoạn dữ liệu video tiến hành phân tích, phát hiện sự chuyển đổi từ lia này sang lia khác hay chính là sự phát hiện ranh giới giữa các lia (đó chính là Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn 5 đo sự khác nhau giữa các khung hình liền kề). Trong hình dưới đây là ví dụ về sự chuyển đổi giữa các lia: Hình 1.2: Chuyển đổi Lia giữa khung hình thứ 3 và thứ 4 Một số thuộc tính đặc trưng của video: Video có 4 đặc trưng chính đó là: Color (màu), Texture (kết cấu), Shape (hình dạng), Motion (chuyển động). Màu (Color) Màu là một thuộc tính quan trọng của ảnh.

Biểu đồ màu, biểu diến sự phân bố màu, là một đặc trưng màu phổ biến nhất hiện nay. Biểu đồ màu không phụ thuộc vào sự quay, dịch chuyển ảnh cũng như chiều nhìn ảnh. Tính hiệu quả của nó lại phụ thuộc vào hệ màu và phương pháp định lượng được dùng. Có một vấn đề với biểu đồ màu là nó không biểu diễn thông tin về không gian phân bố các điểm ảnh, do đó hai ảnh có cùng biểu đồ màu có thể có nội dung rất khác nhau.3: Bốn khung hình khác nhau song có cùng một biểu đồ màu 1.

Kết cấu (Texture) Đây là một đặc trưng quan trọng của bề mặt, nơi xảy ra việc lặp lại mẫu cơ bản. Có hai dạng biểu diễn texture phổ biến: biểu diễn dạng ma trận đồng thời và biểu diễn Tamura. Ma trận đồng thời mô tả hướng và khoảng cách giữa các điểm ảnh, nhờ đó các thống kê có nghĩa có thể được trích chọn. Ngược lại, người ta thấy rằng entropy và mô men chênh lệch nghịch đảo lại có khả năng phân biệt tốt nhất.

Biểu diễn Tamura được thúc đẩy nhờ các nghiên cứu về tâm lý trong việc thu nhận trực giác của con người và nó bao gồm các đại lượng đo tính thô, độ tương phản, hướng, tính trơn, Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn 6 tính cân đối và độ ráp. Các đặc trưng Tamura rất hấp dẫn trong việc hiểu nội dung ảnh vì nó biểu đạt trực quan. Ngoài ra còn có một số các dạng biểu diễn khác như trường ngẫu nhiên Markov, biến đổi Gabor, biến đổi gợn sóng,. Hình dáng (Shape) Các đặc trưng hình dáng có thể được biểu diễn sử dụng phân tích hình dáng truyền thống như bất biến mô men, mô tả Fourier, mô hình học tự động quay lui và các thuộc tính hình học.

Các đặc trưng này có thể được phân chia thành đặc trưng toàn cục và đặc trưng cục bộ. Đặc trưng toàn cục là đặc trưng thuộc tính thu được từ toàn bộ hình dáng ảnh, chẳng hạn như chu vi, tính tròn, mô men trung tâm, hướng trục chính. Đặc trưng cục bộ là đặc trưng thu được từ việc thao tác với một phần của ảnh, không phụ thuộc vào toàn bộ ảnh. Chuyển động (Motion) Motion là thuộc tính quan trọng của video.

Thông tin về chuyển động có thể được sinh ra bằng các kỹ thuật ghép khối hoặc luồng ánh sáng. Các đặc trưng chuyển động như mô men của trường chuyển động, biểu đồ chuyển động hoặc là các tham số chuyển động toàn cục có thể được trích chọn từ vectơ chuyển động. Các đặc trưng mức cao phản ánh di chuyển camera như quét camera (pan), nghiêng (tilt), phóng to (zoom out), thu nhỏ (zoom in) cũng có thể được trích chọn. Phát hiện đối tƣợng chuyển động là gì? Đó là quá trình đưa ra vết các đối tượng chuyển động từ các khung hình video.

Quá trình này thực chất là quá trình xử lý chuỗi ảnh liên tiếp trong một đoạn video để phát hiện ra các đối tượng chuyển động trong một đoạn hình ảnh theo mô hình dưới đây: Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn 7 Các khung hình video PHÁT HIỆN CÁC VÙNG ẢNH NỔI (FOREGROUND DETECTION) XỬ LÝ CÁC VÙNG ẢNH NỔI (FOREGROUND PROCESSING) Các đối tƣợng chuyển động, các tính chất của chúng Hình 1.4: Tổng quan các khối xử lý trong bài toán phát hiện đối tượng Số hoá bởi Trung tâm Học liệu – ĐHTN http://www. Thiết kế các khối xử lý Mô hình tổng quan khối xử lý cho cả bài toán phát hiện đối tượng chuyển động Khởi tạo và cập nhật 1 Các khung hình Video Ảnh nền MÔ HÌNH ẢNH NỀN (Mô hình trừ ảnh nền, Mô hình chênh lệch tạm thời, Mô hình Gause) Cập nhật PHÁT HIỆN ĐIỂM ẢNH NỔI Biểu đồ điểm ảnh nổi và khung ảnh hiện tại TIỀN XỬ LÝ MỨC ĐIỂM ẢNH (Loại nhiễu, Phát hiện bóng vật thể, Phát hiện ánh sáng thay đổi 2 đột ngột) Vùng điểm ảnh nổi đã làm sạch PHÂN TÍCH SỰ LIÊN KẾT CÁC KHỐI Các khối đã được đánh dấu TIỀN XỬ LÝ MỨC VÙNG ẢNH NỔI (Kết hợp các vùng ảnh liên kết với nhau, loại bỏ các vùng nhỏ không liên quan) Các khối đã được lọc, làm sạch ĐƢA RA TÍNH CHẤT CỦA ĐỐI TƢỢNG (Diện tích đối tƣợng, Vết của đối tƣợng và các Tâm của khổi, Biểu đồ màu, Viền tính chất của chúng của đổi tƣợng) Hình 1.5: Mô hình chi tiết các khối xử lý 1. Khối phát hiện các vùng ảnh nổi Trong phần thiết kế xử lý cho khối phát hiện vùng ảnh nổi ta sử dụng một mô hình ảnh nền (Background Model) nhằm tích hợp các phương pháp trừ ảnh nền, mô Số hoá bởi Trung tâm Học liệu – ĐHTN http://www.vn 9 hình chênh lệch tạm thời và mô hình thống kê Gausse nhằm giải quyết vấn đề phát hiện các vùng ảnh nổi. Khởi tạo và cập nhật Các khung hình Video B.

MÔ HÌNH ẢNH NỀN Ảnh nền (Mô hình trừ ảnh nền, Mô hình chênh lệch tạm thời, Mô hình Gause) Cập nhật A.